不同算法在UBM小梁网区域分割中的应用

目的 探讨不同算法在超声生物显微镜（ultrasonic biological microscope,UBM）图像中小梁网区域自动或半自动分割中的应用，实现小梁网-舒林氏管（trabecular meshwork-schlemm’s canal,TM-SC）边界的自动化识别，为后续的TM-SC定量、定Bemcentinib半抑制浓度性分析提供基础。方法 采用原发性开角型青光眼（primary open anglselleckchem MLN8237e glaucoma,POAG）患者80MHz UBM房角图像，应用Ostu、K-means和Level set 3种分割算法和开源医学图像处理软件ImageJ对小梁网区域图像进行分割，提取感兴趣的TM-SC区域。结果 Ostu、K-means算法不能准确识别TM-SC边界，Levetumor suppressive immune environmentl set算法能够准确分割出TM-SC边界，ImageJ软件可手动分割小梁网区域，其效果主要取决于操作者的经验，但速度慢、重复性差。结论 Level set算法可准确分割出UBM图像中TM-SC边界，TM-SC后续的几何度量对阐明青光眼发病机制具有重要的临床价值和指导意义。