通过 RADAR 实现视网膜微血管的无标注三维重建与量化

通过眼后部看见健康状况

眼后部的微小血管不仅为视网膜供养。因为它们可以非侵入性地被观察到，它们成为身体小血管的一张实时地图，能早期提示糖尿病、肾病和心脏问题等状况。该研究提出了一种新的计算方法，称为 RADAR，它将眼部扫描数据转化为这些微小血管的详细三维模型——无需耗时的人为标注或脆弱的人工智能训练。

为何平面图会掩盖重要线索

现代眼部扫描仪称为光学相干断层血管成像（OCTA），可以捕获视网膜中的完整三维血流体积。然而，在临床上，这些丰富的数据集通常被压缩成平面、俯视图。当所有血管层被压扁到单一平面时，不同深度的结构会重叠、微小间隙被掩盖、毛细血管的轻微丢失可能从视野中消失。这是一个严重的局限，因为糖尿病和其他疾病的早期损伤通常始于最细小的毛细血管，远在明显的视网膜病变或视力丧失出现之前。

基于物理的地图，而非猜测

大多数近期从 OCTA 扫描中提取血管网络的尝试都转向深度学习，让神经网络从数千个预标注样本中学习模式。这些方法可以有效，但也有缺点：它们需要大型、精心注释的数据集；在扫描仪或成像协议改变时可能失效；且常表现为“黑箱”。RADAR 采取不同路径。它是一个基于模型的流程，编码了血管在三维中应有的外观和行为——连续的、弯曲的管道，会分支并重新连接——而不是试图从数据中学习一切。一种专门的去噪滤波器增强了来自管状结构的信号，同时保留它们的曲折，连接步骤通过基于概率的路径来弥合由噪声或运动引起的断裂，路径由局部血管方向引导，而不是简单的亮度阈值。

从像素纠缠到可测量的网络

一旦血管被增强并重新连接，RADAR 会提取它们的中心“骨架”，识别分支点和端点，并修剪可能是伪影的小倒刺。剩下的是清晰的视网膜循环三维图。基于该模型，软件可以直接测量临床上重要的特征：血管段数量、总长度与表面积、平均宽度以及弯曲程度（曲率）。至关重要的是，它可以在将血管网络与个体的视网膜解剖对齐后，分别对表层、中层和深层进行测量。与人工细致的三维追踪验证显示，RADAR 的分割高度准确，而从原始扫描到完整指标集合的整个过程约每只眼睛需要六分钟。

早期糖尿病视网膜病变有哪些变化

为了测试其真实世界的价值，研究人员将 RADAR 应用于来自 50 名健康成人和 50 名早期糖尿病性视网膜病变患者的 OCTA 扫描。在标准的平面图像上，两组看起来相似。相反，三维重建显示糖尿病眼已有更少且更短的血管段、更少的总血管表面积，以及更多的端点但较少的分支点——这些都是毛细血管脱落和网络简化的迹象。与此同时，剩余的血管，尤其是较小的血管，更加扭曲。通过将这些变化压缩为易于解释的指标，例如血管段与分支点的比率或按血管尺寸划分的曲率模式，RADAR 揭示了使用当前二维方法可能会错过的疾病相关重构。

这对患者可能意味着什么

对非专业人士而言，关键信息是该技术将眼部扫描转化为极为详细的微小血管三维地图，能在视力受损之前很早识别损伤。由于它不依赖人工标注或为每台新扫描仪重新训练，RADAR 可在临床间扩展用于随时间追踪微血管健康，帮助医生更早检测糖尿病眼病，并可能提示更广泛心血管问题的风险。从长远看，来自眼部的这种三维“血管指纹”可能成为常规指标，引导预防和治疗，在不可逆伤害发生前采取干预。

引用: Zhang, H., Liu, X., Wu, J. et al. Annotation-free 3D reconstruction and quantification of retinal microvasculature by RADAR. npj Digit. Med. 9, 181 (2026). https://doi.org/10.1038/s41746-026-02366-2

关键词: 视网膜微血管, OCTA, 三维重建, 糖尿病性视网膜病变, 血管生物标志物