基于眼部超声视频的视神经鞘直径自动测量新方法及其临床应用价值

《Medical & Biological Engineering & Computing》：Automated measurement of optic nerve sheath diameter using ocular ultrasound video

本研究针对视神经鞘直径（ONSD）测量依赖人工操作的问题，开发了结合KCF跟踪算法与SLIC分割算法的自动测量系统。通过GMM模型和KL散度方法实现鞘膜精准测量，与专家测量对比显示误差仅0.04mm，ICC达0.782，为颅内压无创监测提供可靠技术支撑。

　　

颅内压（ICP）升高被视为继发性脑损伤的生物标志物，研究表明视神经鞘直径（ONSD）与ICP存在显著线性相关性。频繁监测ONSD可有效支持ICP的动态评估，但传统测量方法高度依赖操作者的经验技能，尤其在手动筛选超声序列最优帧和测量操作方面存在局限。

研究人员提出一种创新方案，通过核相关滤波（KCF）跟踪算法与简单线性迭代聚类（SLIC）分割算法，自动从视频序列中识别ONSD测量的最优帧。利用高斯混合模型（GMM）结合基于Kullback-Leibler（KL）散度的计算方法对视神经鞘进行建模与测量。与两位临床专家测量结果对比显示，该方法获得平均误差0.04毫米、均方偏差0.054，组内相关系数（ICC）达0.782。结果表明该自动测量方法具有高精度与临床转化潜力，为无创颅内压监测提供了新技术路径。

研究还通过图形摘要直观展示了从超声视频帧提取、视神经鞘追踪到直径量化的完整技术流程，凸显了算法在复杂超声图像中稳定识别解剖结构的优势。