B2E-CDG：基于条件扩散的无标记OCT血管造影伪影去除方法及鲁棒的血管重建技术

《Artificial Intelligence in Medicine》：B2E-CDG: Conditional diffusion-based for label-free OCT angiography artifact removal and robust vascular reconstruction

OCTA技术因运动伪影影响血管细节识别，传统方法依赖大量标注数据或伪条纹生成。本文提出B2E-CDG框架，通过扩散模型直接转换信号缺失的B-scans为可用enface图像，结合连接式结构引导和梯度式风格引导机制，有效消除伪影并恢复血管信息，无需额外标注数据或伪条纹生成，显著提升临床诊断可靠性。

　　

Jing Xu|Suzhong Fu|Jiwei Xing|Linyan Xue|Qingliang Zhao

厦门大学人工智能研究所，中国厦门361102

摘要

光学相干断层扫描血管造影（OCTA）是一种革命性技术，广泛应用于眼底、皮肤和心血管疾病的诊断与管理。然而，不可避免的运动会（如呼吸）常常在OCTA图像中引入运动伪影，这会显著降低图像质量，掩盖关键的血管细节，并降低该技术的诊断可靠性。尽管基于学习的OCTA图像修复方法在去除伪影方面取得了显著进展，但这些方法通常需要大量准确标注的数据以及生成伪条纹来构建配对训练数据集。此外，OCTA B扫描中丰富的结构信息和血流强度信号往往未被充分利用。在这里，我们提出了一种新方法：B扫描到Enface条件扩散引导（B2E-CDG），该方法可以将信号缺失的B扫描转换为正常的B扫描。更重要的是，正常B扫描以某种方式被引入，并且指定的参考B扫描以基于梯度的方式作为扩散模型中的风格特征引导。条件引导有助于更可控和精确地恢复B扫描中的血流信号。值得注意的是，由于OCTA的重复扫描特性，我们的方法无需标注的数据集和伪条纹。我们的结果表明，B2E-CDG能够有效去除运动伪影并恢复血管和结构细节。所提出的方法在血管恢复和伪影去除指标上表现出优越的性能，从而提高了OCTA的临床实用性和诊断可靠性。论文被接受后，我们将发布相关代码。

引言

光学相干断层扫描血管造影（OCTA）[1] [2]是一种新颖的非侵入性成像技术，它通过连续扫描同一位置来获取来自血流和相邻组织的反射信号。通过比较这些反射信号随时间的变化，它可以捕捉视网膜血流中红细胞的活动，而周围组织保持静止。OCTA被广泛用于观察视网膜和脉络膜的微血管结构，并监测微血管疾病的正常变化。

OCTA采用运动对比检测技术来可视化微血管[3]。具体来说，OCTA通过在同一组织位置进行多次重复扫描来获取结构B扫描，从而在整个过程中生成3D数据。OCTA的enface图像可以通过叠加或投影3D数据的信号来获得。通过比较相邻B扫描之间的信号变化，可以检测血管内红细胞的活动[4] [5]。除了血细胞的运动外，B扫描之间的差异还可能由心跳周期、呼吸和颤抖引起。这种运动表现为周期性条纹噪声，也称为整体运动伪影（BMA）[6]，在图像的轴向或纵向方向上，如图1所示。

成像过程中的物体运动会干扰血流运动的检测，导致OCTA enface图像中出现条纹伪影，这些伪影对应于离散的位移事件。这些伪影的严重程度与运动的持续时间和强度正相关。如图1所示，黄色条纹表示保留了结构细节但缺乏血流运动信息的信号缺失B扫描。这种与相邻B扫描的相关性缺失导致出现亮黄色条纹。相比之下，正常B扫描中的黑色锯齿状区域反映了红细胞在静止物体内的运动引起的相位变化。比较两个B扫描的灰度分布可以发现，在正常B扫描中零像素值处有一个明显的峰值，而在信号缺失的B扫描中则没有这一现象，如图2所示。在临床实践中，这些伪影会严重损害OCTA解释的可靠性，通过掩盖或扭曲血管结构，可能导致误诊或低估疾病严重程度。例如，伪影可能模仿毛细血管脱落，掩盖脉络膜新生血管，或干扰血管密度等定量指标[4] [5] [7]。因此，临床医生可能难以做出准确的治疗决策，这突显了有效去除伪影技术的必要性。这一观察激发了本文第3节提出的条件引导机制的开发。

目前，大多数方法将OCTA伪影去除视为基于学习的enface修复任务，在本文中称为enface-基于方法。这些方法[8] [9] [10]将条纹伪影视为修复区域，利用其端到端的便利性在去条纹任务中取得了显著成果。然而，其主要局限性是对配对数据集的高需求，这带来了显著的成本因素。为了解决这个问题，一种常见的方法是在真实图像上生成伪条纹以创建合成训练数据。然而，这些基于伪条纹的方法忽略了条纹形成的实际原因，导致图像恢复过程中信息的丢失。根据一些全面的实证研究[4] [5] [7]，无论灰度分布是否正确，信号缺失的B扫描都提供了关键的组织结构信息和血流信号。不可否认的是，恢复信号缺失B扫描中的血流反射信息对于OCTA图像的质量和完整性起着关键作用[11]。

在这里，我们提出了一种新的条纹伪影去除框架：B扫描到enface条件扩散引导（B2E-CDG），该框架最大限度地保持了OCTA 3D数据的完整性，并有效恢复了被运动伪影掩盖的血流信息。所提出的方法从B扫描的转换开始，消除了生成伪条纹的需要，并通过直接从原始数据中恢复信号来实现稳健的OCTA图像修复。

我们采用基于扩散的模型作为将B扫描转换为enface投影的骨干，并引入了两种关键引导机制，以促进从信号缺失的B扫描到可用B扫描的领域适应。本工作的主要贡献如下：

(1) 一种新颖的条件条纹去除框架（B2E-CDG）：我们提出了B2E-CDG，这是一种基于条件扩散的框架，通过将信号缺失的B扫描映射为可用的B扫描来去除条纹伪影。该方法同时考虑了结构内容和风格一致性，以实现准确和真实的修复。

(2) 双模条件引导机制：我们设计了两种关键机制来促进领域转换：(i) 以基于连接的方式结合最近的正常B扫描，以提供结构连续性；(ii) 通过基于梯度的方法引入指定的参考B扫描，以提供风格感知的引导。

(3) 在下游任务中表现出优越性：B2E-CDG在下游应用（如血管分割和定量分析）中显示出显著的优势。该方法还解决了训练数据获取和伪伪影生成的主要挑战。

部分片段

OCTA图像中的条纹去除算法

根据不同的输入类型，现有的OCTA条纹去除算法可以分为以下类型：enface-基于方法和B扫描基于方法。

Enface-基于方法在大多数端到端方法中得到广泛应用，因为enface数据更容易获取。一些方法通过融合来自两个正交快速扫描方向的数据来去除条纹。虽然有效，但由于数据获取困难，这种方法仍然具有挑战性，并引入了额外的

方法

扩散模型因其在图像生成任务中的出色性能而闻名，它是一种概率生成框架，旨在学习底层数据分布。条件引导的引入[36] [38]通过实现对生成内容的意图控制，最大化了扩散模型的生成能力。在医学图像处理领域，生成内容的准确性和可靠性是最关键的指标之一。

数据集

本研究使用了一个定制的扫频源OCT系统，该系统采用中心波长为1060纳米的扫频源激光器（Axsun 105，AXSUN Technologies Inc.，Billerica，MA），扫描速率为200 kHz。系统的示意图如图6所示。来自平衡探测器的OCT信号由高速数字化仪（400 MHz，12位，最高1.8 GS/s，AlazarTech，ATS9360）数字化，与激光器的内部触发和时钟信号同步。该系统实现了轴向

结论

在这项工作中，我们提出了一种基于条件扩散模型的新型OCTA伪影去除框架B2E-CDG。与现有的enface-基于算法不同，B2E-CDG通过转换缺少信号的B扫描来恢复血管结构和血流信息，从而稳健地保持了3D OCTA数据的空间和结构完整性。核心框架是最近正常B扫描的特征空间包含了风格模式和丰富的血管形态信息。

CRediT作者贡献声明

Jing Xu：撰写——原始草稿、方法论、调查、概念化。Suzhong Fu：验证、正式分析。Jiwei Xing：调查。Linyan Xue：监督。Qingliang Zhao：监督、资金获取。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

本工作得到了国家自然科学基金（82472031）、传染病疫苗国家重点实验室，湘安生物医学实验室（2023XAKJ0101031）、厦门自然科学基金（3502Z202473012）和中央高校基本科研业务费（20720210117）的资助。