基于低相干光干涉的眼睛光学生物参数测量研究

目的 眼睛的光学生物参数中的眼轴长度（AL）和角膜曲率半径（CR）可以作为预防和监测眼球近视的两个重要参数。为了提高测量眼轴长度的速度与精度和同步实现角膜曲率高精度动态测量，本文提出一种基于低相干光干涉技术眼睛光学生物参数测量的系统。方法 该系统使用旋转光学延迟线快速改变参考光的光程，利用曲率半径为8 mm的标准件标定人眼角膜顶点到靶环之间的距离，利用角膜的干涉信号对相机和数据采集卡进行触发实现同步采集，从而实现眼轴长度的快速测量和精准定位靶环到角膜顶点之间的距离，同时保证成像系统的放大倍率恒定和数据的实时采集。结果 实验结果表明，这种低相干光干涉测量系统，可以实时测量眼轴长度和角膜曲率半径，眼轴长度误差低于40 μm，人眼角膜曲率半径方差为2.082 36×10^-2 μm。结论 该系统能够快速、精准地测量AL和CR，可在近视的预防和监测中发挥重要作用。     

通过SEC-UNet精准分割糖尿病视网膜病变眼底OCT图像脉络膜层

目的 糖尿病视网膜病变（DR）是糖尿病的严重并发症，可导致患者视力下降甚至失明。脉络膜的早期检查在DR诊断中起着至关重要的作用。然而，由于DR患者的光学相干层析成像（OCT）中存在脉络膜和巩膜边界模糊、视网膜病变阴影等问题，导致大多数现有算法无法精准分割脉络膜层。本文目的在于提高DR患者OCT图像中脉络膜层分割的精准度。方法 本文提出了一种结合挤压激励连接（SEC）模块和UNet的网络，简称SEC-UNet，不仅增强Unet的局部细节目标关注能力，且能跳出局部最优来增强整体表达能力。结果 SEC-UNet模型的ROC曲线下面积（AUC）达到0.993 0，优于传统UNet模型和SE-UNet模型。这表明SEC-UNet能够获得准确、完整的脉络膜层分割结果。统计分析脉络膜参数变化发现，与正常眼相比，87.1%的DR患者脉络膜中央凹1 mm内体积增加，这证明了DR很可能导致脉络膜增厚。结论 该技术有望成为一种新的辅助诊断工具，帮助医生研究脉络膜在糖尿病眼病的预防、发病机制和预后中的作用。