Third party funded individual grant
Start date : 01.06.2019
End date : 31.05.2021
Während die OCTA-Bildgebung vielversprechend für die Verbesserung der Patientenversorgung in der Augenheilkunde ist, ist ihr volles Potential begrenzt. Es besteht ein dringender Bedarf an robuster und genauer Bewegungserkennung und -korrektur sowie an verbesserten OCTA-Verarbeitungsalgorithmen, die den Rauschpegel verringern und die Bildqualität und Auflösung verbessern. Darüber hinaus gibt es nur wenig Open-Source-Software, die es Forschern aus der ganzen Welt ermöglicht, qualitativ hochwertige Bilder zu generieren. Um diesem Bedarf gerecht zu werden, verfolgt das Projekt folgende Ziele:A) Verbesserte Bewegungskompensation einschließlich der Verwendung von OCTA-Signalen zur Verbesserung der Datenkonsistenz, genaueren Bewegungsmodellen, die affine Bewegungen wie Rotation und Skalierung ermöglichen, und Integration von Surrogaten aus kameragestütztem Eye-Tracking- oder Navigator-basierter Bewegungsschätzung, die eine vollständige 3-D-Korrektur für alle erfassten A-Scan-Daten liefern.B) Physikalisch korrekte OCTA-Signalextraktion, die Compressed Sensing-basierte Regularisierungsansätze in der OCTA-Signalextraktion verwendet und das vollständige 3-D-Bewegungsmodell von Ziel A einschließlich des Interpolationsprozesses in Kombination mit korrekten physikalischen Rauschmodellen integriert.C) Precision Learning Reconstruction, die das physikalisch korrekte Modell von Ziel B um zusätzliche Deep-Learning-Techniken erweitert, um datenoptimale dünn besetzte Domänen und optimale Navigatormuster für die Extraktion von Bewegungssignalen zu lernen.Die in diesem Projekt erstellte Software wird als Open-Source-Software veröffentlicht.