14、医学图像分析：ROI选择与视网膜OCT去噪的创新方法

医学图像分析：ROI选择与视网膜OCT去噪的创新方法

在医学图像分析领域，准确提取感兴趣区域（ROI）和去除图像噪声是两项关键任务，它们对于疾病的诊断和预后评估具有重要意义。本文将介绍两种创新方法，分别用于细针穿刺抽吸涂片（FNAC）中的ROI提取和视网膜光学相干断层扫描（OCT）图像的去噪。

交互式ROI提取方法

在FNAC图像分析中，准确选择高质量的ROI对于后续的定量分析和疾病诊断至关重要。研究人员提出了一种交互式且由计算辅助的工具，用于从FNAC中提取高质量的ROI。

该方法的主要步骤如下：
1. 两步无监督聚类 ：基于ROI的外观和内容进行两步无监督聚类，自动提出质量可接受的ROI建议。
2. 交互式细化 ：由专业病理学家进行人工交互式边界细化。每个切片的重新注释点击次数少于50次，当病理学家确定有足够的高质量ROI可供进一步分析且低质量ROI较少时，停止该过程。

实验结果表明，与未进行边界细化相比，召回率（Recallgmb）从27.83%显著提高到42.32%，尽管精度从91.56%降至83.09%，但这可能是由于病理学家的保守选择所致。由于仍有足够的高质量ROI可供进一步分析，这种精度的下降可能不会造成问题。平均每个FNAC可提取1318个ROI，包含足够的信息用于进一步分析。整个应用过程每个FNAC仅需15分钟，比手动ROI提取快10倍以上（其中两步聚类3分钟，边界细化12分钟）。

以下是交互式细化前后的性能对比表格：
| 指标 | 未进行边界细化 | 进行边界细化 |
| ---- | ---- | ---