Video Experimental Relacionado
Updated: Feb 23, 2026
Technical Approach for Infrared Tracking for Soft Tissue Navigation with a Holographic Head-Mounted Display and Preclinical Validation
Published on: September 2, 2025
TriFTM-Net: Tri-Path Fourier-Temporal Modulation Network para la segmentación y reconstrucción de la patología del
Xingru Huang1, Shuaibin Chen2, Huawei Wang2
1Hangzhou Dianzi University, Hangzhou, 310018, Zhejiang, China; School of Electronic Engineering and Computer Science, Queen Mary University of London, London, E1 4NS, United Kingdom.
Una nueva red, Tri-Path Fourier-Temporal Modulation Network (TriFTM-Net), mejora las imágenes 3D de la retina para enfermedades oftalmológicas. Mejora la precisión en la segmentación del edema macular y los desgarros de la retina, lo que ayuda a los resultados quirúrgicos.
Área de la Ciencia:
- Oftalmología Oftalmología.
- Imágenes médicas de imágenes médicas.
- Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
Sus antecedentes:
- Las enfermedades oftalmológicas tienen un impacto significativo en la visión global.
- La reconstrucción precisa en 3D de las lesiones de la retina es vital para el éxito quirúrgico.
- Los métodos de segmentación 2D existentes luchan con los datos de imagen retiniana ruidosos y heterogéneos.
Objetivo del estudio:
- Desarrollar un modelo avanzado de aprendizaje profundo para la segmentación precisa de imágenes 3D de la retina.
- Para abordar los desafíos del ruido y la heterogeneidad en el edema macular y las imágenes de desgarro de retina.
- Mejorar la precisión y eficiencia de la planificación y ejecución quirúrgica oftalmológica.
Principales métodos:
- Propuso la Red de Modulación Fourier-Temporal Tri-Path (TriFTM-Net), integrando las características espaciales, de frecuencia y espaciotemporales.
- Se introdujeron tres módulos clave: el codificador jerárquico espectral de tres vías (TPSHE), la remodulación de características (FRM) y el módulo de reconstrucción de características jerárquicas (HFRM).
- Evaluación del rendimiento en el conjunto de datos OIMHS en comparación con trece métodos de referencia.
Principales resultados:
- TriFTM-Net logró un rendimiento superior en comparación con los trece métodos de referencia.
- La red demostró las puntuaciones más altas de dados, intersección sobre la Unión (IoU) y coeficientes de Kappa.
- La arquitectura propuesta maneja eficazmente el ruido y mejora la representación de características para una mayor precisión de segmentación.
Conclusiones:
- TriFTM-Net ofrece un avance significativo en la segmentación de imágenes retinianas 3D para enfermedades oftalmológicas.
- La integración sinérgica de características y módulos especializados supera las limitaciones de los métodos anteriores.
- Este enfoque es prometedor para mejorar la planificación quirúrgica y los resultados de los pacientes en oftalmología.
