自适应扫描与计算配准实现活体角膜三维成像

关键词：角膜共聚焦；自适应扫描；体积重建

角膜共聚焦显微镜能以细胞级细节获取角膜光学切片，但大深度体积可视化受限于采集时间和帧间运动。该研究提出一种简化的光学 - 数字框架：集成电动物镜轴向扫描模块并沿用临床常规的角膜接触帽接口，采集端采用基于 MobileNetV3 的层感知轴向速度控制，后处理端采用扩展画布粗配准加动态窗口 VoxelMorph 精配准。在 11 对同眼匹配序列中，自适应速度采集使堆栈漂移整体降低；在 4 条测试序列中，粗配准结合 VoxelMorph 取得最高的相邻帧归一化互相关与最低的掩码平均绝对误差。配准后的兔与人角膜堆栈支持细胞级大深度体积可视化与任意斜向观察，为将活体共聚焦序列转化为可解读的深度连续体积表示提供了实用路径。

该研究由 Boxuan Dong、Haomin Yang、Shuang Wu、Yun Xiao、Tongda Wei、Yunhai Zhang、Wei Huang 完成，通讯作者 Wei Huang。论文 “Simplified in vivo corneal confocal volumetric imaging using adaptive axial scanning and computational registration” 于2026年9月在线发表于《Scientific Reports》。

重要发现

层感知自适应扫描显著降低堆栈漂移

研究在激光扫描活体角膜共聚焦成像平台中集成电动轴向扫描模块，最大有效机械行程为2000 微米，轴向速度范围为 5–30 微米 / 秒，同时沿用临床常规的角膜接触帽接口。自适应协议下相机帧率固定为 10 帧 / 秒：在纹理丰富的上皮与神经丛区域以 10 微米 / 秒速度扫描，当连续多帧被识别为进入基质区域后，速度切换为 20 微米 / 秒，以缩短长序列的扫描时间并减少累积漂移；层识别由部署在电机控制程序中的轻量级 MobileNetV3 分类器实时完成，其训练、验证与独立测试数据与三维重建及配准评估数据严格分离。

为比较两种轴向扫描协议下的堆栈漂移，研究采集了11 对一一匹配的序列（4 名人类志愿者左眼与 7 只兔眼），每对取自同一只眼、同一成像区域与名义轴向深度范围，并在充分休息后于相同准备条件下完成。恒速扫描含 400 帧、耗时 40 秒，自适应扫描含 250 帧、耗时 25 秒。以相邻帧粗配准估计平面内位移并相对中间帧累积，四项总漂移指标在自适应协议下均值全部更低：头锚漂移平均降低 439.3 像素（下降 60.0%，P=0.0049），尾锚漂移平均降低 811.8 像素（下降 62.7%，P<0.001），头尾漂移平均降低 900.8 像素（下降 58.1%，P=0.0049），最大边界需求平均降低 1190.9 像素（下降 70.6%，P<0.001）。按扫描时长归一化的辅助分析结果一致，说明自适应采集的单位时间净图像估计位移更低。

02

粗到精配准稳定聚焦堆栈

后处理阶段，相邻帧先经SIFT 相似变换进行粗配准，失败时自动回退至相位相关平移估计；以中间帧为锚点，将变换向前后累积并映射到扩展画布上，以保留原始 512×512 视场之外被位移的内容。序列随后按累积位移与配准稳定性划分为 10–40 帧的动态窗口，每个窗口选取有效组织覆盖最高的 512×512 感兴趣区域，由 VoxelMorph 输出窗口内残余密集形变场，再放回扩展画布，形成全局空间一致的配准序列。

研究用4 条分别含 71、365、369 和 396 帧的兔角膜测试序列评估配准行为，比较了原始图像、仅粗配准、仅重实现的 KIT、粗配准加重实现的 KIT、粗配准加 VoxelMorph 五种条件。4 条序列中，粗配准加 VoxelMorph 均取得最高的相邻帧归一化互相关和最低的掩码平均绝对误差。在 71 帧代表性序列中，粗配准纠正了整体布局，而重实现的 KIT 在低信号或大位移区域表现欠佳甚至引入明显伪影，粗配准加 VoxelMorph 则在突出区域呈现更紧凑稳定的重叠。在独立测试集 88 对覆盖不同程度错位的人眼相邻帧对上，粗配准加 VoxelMorph 推理的组合同样表现出更优的视觉一致性。

大深度体积重建实现细胞级斜向观察

单帧视场约400×400 平方微米，横向像素约 0.78 微米 / 像素；大深度扫描一般采集 250–300 帧，覆盖约 400 微米角膜深度。配准后图像堆栈按名义轴向坐标组装为三维体积。兔角膜堆栈的有效显示区域约 355×378×387 微米，不同名义轴向位置的正面切片呈现深度依赖的细胞形态变化，从浅层上皮细胞与基底区纹理，到基质角膜细胞与内皮马赛克样结构；任意斜切面可同时观察这些深度特征的空间关系，并保留细胞级共聚焦细节。在一段帧间位移较大的人基质序列中，配准使基质细胞结构与线状神经样结构呈现更有序的空间排布。作者特别说明，神经样结构依据形态与空间一致性选出，其生物学身份与真实三维连续性未经独立确认，结果属于未经验证的可视化而非三维神经的确认重建。总体而言，协调的采集控制与约束的由粗到精配准足以将大深度角膜共聚焦序列稳定为深度连续的体积表示，同时保留细胞级共聚焦细节。

局部精配准的质量控制

对3 条完整兔序列动态窗口内产生的 1058 个集成形变场，场级 P95 位移幅度的中位数为 14.86 像素（四分位距 9.52–19.29 像素），去除平均平移分量后的 P95 残余位移中位数为 12.19 像素（7.75–15.73 像素）；场级雅可比行列式的中位数为 0.991（0.974–1.016），非正雅可比行列式仅出现在 1058 个场中的 3 个，且只涉及 212,545,497 个有效组织像素中的 5 个，最大场内候选折叠比例为 1.48×10⁻⁵。对 50 个代表性局部精配准病例（25 个细胞掩膜与 25 个神经掩膜）的分析显示，相对仅平移对照，细胞面积、等效直径与圆度的中位额外局部变化分别为 4.340%、2.192% 与 0.0295，神经掩膜的面积、骨架长度与平均宽度的相应变化为 0.972%、1.775% 与 2.03%；1024 个细胞物体中仅 1 个出现额外碎片化，25 个神经掩膜的连通域拓扑保持不变。两位经验丰富的眼科医生独立审查全部 50 例，未报告可疑失败或明显伪影。

创新与亮点

活体角膜共聚焦的大深度体积成像长期受制于两个难题：长序列采集中的帧间运动累积，以及以往硬件改造引入的复杂接触几何与临床接口改动。该研究的创新在于将“采集控制” 与 “计算配准” 协同设计：采集端以层感知自适应轴向扫描在纹理丰富区保持低速、在基质区提速，用更短时间完成大深度扫描并抑制漂移；后处理端以扩展画布粗配准与动态窗口 VoxelMorph 精配准分工协作，先纠正全局布局、再修正局部残余错位，无需改动临床常规接口。其价值在于：在保持常规角膜接触成像流程的前提下，把活体共聚焦序列转化为细胞级细节的深度连续体积，支持任意斜向观察与角膜各层深度关系的直观评估，为角膜细胞层结构与神经样结构的体积化研究提供了实用新工具。

总结与展望

研究证明，协调的采集控制与约束的由粗到精配准可将大深度活体角膜共聚焦序列稳定为深度连续的体积表示，同时保留细胞级共聚焦细节，为临床与科研提供了实用路径。展望未来，还需在光学校深标定、外部运动或体模验证、更大更多样化队列以及细胞与神经结构的独立解剖学验证等方面持续推进，使该框架向可靠的临床定量应用转化。

声明：本文仅用作学术目的。 

Dong, B., Yang, H., Wu, S. et al. Simplified in vivo corneal confocal volumetric imaging using adaptive axial scanning and computational registration. Sci Rep (2026).

https://doi.org/10.1038/s41598-026-69610-3