モーションに強い網膜の時間分解レーザースペックルコントラストイメージングのための物理情報付き条件付き拡散モデル

arXiv cs.CV / 2026/4/23

📰 ニュースSignals & Early TrendsTools & Practical UsageModels & Research

共有:

要点

本論文は、モーションによるアーティファクトに頑健で、わずか数フレームから網膜の時間分解LSCI（tLSCI）を再構成できる「RetinaDiff」を提案する。
RetinaDiffではまず、位相相関に基づくレジストレーションでスペックル系列を安定化し、その後でコントラスト計算を行うことで、フレーム間の位置ずれを低減して画素ごとの変動が血流の真のダイナミクスを反映しやすくする。
次に、条件付き拡散モデルが、レジストレーションで補正された物理的事前情報と、安定化したスペックル系列の両方を条件として用い、逆問題として再構成を行う。
in-houseで開発した網膜LSCIシステムでの実験では、少数フレームからの直接再構成や代表的なベースラインに比べて、構造の連続性と統計的安定性が向上し、非常に難しいケースでも有効であることが示される。
著者は、ソースコードとモデル重みを指定のGitHubリポジトリで公開するとしている。

Abstract

網膜レーザースペックルコントラストイメージング（LSCI）は、網膜血流ダイナミクスをモニタリングするための非侵襲的な光学手法です。しかし、従来の時間的LSCI（tLSCI）再構成は、安定した時間統計を得るのに十分な長さのスペックル系列に依存しているため、取得時の擾乱に弱く、効果的な時間分解能が制限されます。運動に対して頑健で、わずか数フレームのみでよい、物理に基づく再構成フレームワーク「RetinaDiff（網膜拡散モデル）」が、網膜tLSCI向けに提案されます。RetinaDiffでは、コントラスト計算の前にまず位相相関に基づくレジストレーションを行い、移動によるフレーム間の位置ずれを低減します。これにより、各ピクセルにおけるゆらぎが主として真の流れのダイナミクスを反映するようになります。このステップは、運動に対して補正された物理の事前知識を提供し、高品質なマルチフレームtLSCIの参照信号を得ます。次に、この物理の事前知識に導かれて、条件付き拡散モデルが逆再構成を実行し、レジストレーション済みのスペックル系列と補正された事前知識を同時に条件付けします。院内で開発した網膜LSCIシステムで取得したデータに対する実験では、少数フレームからの直接再構成や代表的なベースラインと比較して、構造的な連続性と統計的安定性が改善されることが示されました。また、直接の5フレーム入力と従来のマルチフレーム再構成の両方が著しく劣化してしまう、非常に困難な少数のケースにおいても、このフレームワークは有効性を維持します。全体として、本研究は、極めて限られたフレームから信頼性の高い網膜tLSCI再構成を行うための、実用的かつ物理的に裏付けられた経路を提供します。ソースコードとモデル重みは https://github.com/QianChen113/RetinaDiff で公開される予定です。