Mer exakt och effektiv kartläggning av retinala blodkärl med hjälp av ett bildbehandlingsschema som följer vägen, utvecklat av en A*STAR-ledd forskargrupp, kan hjälpa till att förbättra retinalskanning och medicinsk diagnos.

Blodkärlen som finns på näthinnan på baksidan av ögat är en viktig diagnostisk indikator för många kliniska störningar inklusive diabetes, högt blodtryck, arteriell härdning, och ocklusion av retinalartärer. Dock, att spåra retinala blodkärl är en tidskrävande process som kräver träning och skicklighet, vilket skulle kunna utföras bättre av en pålitlig automatiserad process som effektivt kan kartlägga fartygsnätverket.

"Vi har ägnat år åt att analysera retinala blodkärl, där en utmaning alltid är att särskilja varje kärl från resten eller att skilja artären från venkärlen, " säger Cheng Li från A*STAR Bioinformatics Institute. "Vi har utvecklat en algoritm som kan spåra ett nätverk från några markerade eller 'märkta' noder, och det fungerar särskilt bra för storskaliga nätverk av, säga, miljontals noder även med väldigt få kända etiketter."

I sin teoretiska studie, Li och hans team utforskade användningen av en väletablerad algoritm i bildbehandling, kallas Markov-kedjan, för att bättre följa de komplexa förgreningsnätverk av blodkärl i näthinnan.

En Markov-kedja är en statistisk representation av en sekvens, i detta fall av anslutna noder, där ett element i sekvensen är oberoende av allt som kom före det. För ett blodkärl, detta innebär att dess riktning för att förgrena sig från en given punkt kan vara helt slumpmässig och inte beroende av fartygets väg som kom före den. Lis team tog detta vidare för att adoptera en absorberande Markov-kedja, som "låser in" den spårade vägen upp till den aktuella noden, och tillämpar sedan en slumpmässig gångalgoritm för att undersöka en bild för nästa blodkärlsriktning.

På det här sättet, deras bildbehandlingsalgoritm kan starta från en märkt nod, som en stor gren, och spåra blodkärlen för att bilda ett anslutet nätverk på ett sätt som liknar hur en läkare skulle ta itu med problemet.

I tillämpning på riktiga näthinnebilder, algoritmen överträffade andra toppmoderna tillvägagångssätt, och matchade noggrannheten hos mänsklig spårning.

"Vi utvecklade den här algoritmen utifrån vår mycket praktiska biomedicinska avbildningserfarenhet av blodkärlsspårning under ett antal år, " säger Li. "Vårt tillvägagångssätt är enkelt, lätt att implementera, och har många viktiga applikationer inklusive bildklassificering, och analys av nätverk och länkar. "