TriFTM-Net: 高精度の手術内ナビゲーションにおけるマキュラ腫病理のセグメンテーションと再構築のためのトライパス・フーリエ・テンポラル・モジュレーション・ネットワーク
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.
まとめ
新しいネットワークであるTri-Path Fourier-Temporal Modulation Network (TriFTM-Net) は,眼科疾患の3D網膜画像を改善しています. マキュラ腫と網膜の破裂を区分する精度を向上させ,外科的結果を助けます.
科学分野:
- オフタルモロジック (眼科)
- メディカルイマージング (医学イメージング)
- コンピュータビジョン コンピュータビジョン
背景:
- 眼科疾患は,世界視力に大きな影響を与えます.
- 網膜損傷の正確な3D再構築は,手術の成功に不可欠です.
- 既存の2Dセグメンテーション方法は,騒々しくて異質な網膜画像データと闘っています.
研究 の 目的:
- 精密な3D網膜画像セグメンテーションのための高度なディープラーニングモデルを開発する.
- マキュラエデマと網膜撕裂画像の騒音と異質性の課題に取り組むために.
- 眼科手術の計画と実行の正確性と効率性を向上させる.
主な方法:
- 空間,周波数,時空の特徴を統合した三経路フーリエ時空調節ネットワーク (TriFTM-Net) を提案した.
- 3つの主要なモジュールが導入されました:トライパススペクトルヒエラルエンコーダー (TPSHE),フィーチャー再モデュレーション (FRM),ヒエラルフィーチャー再構築モジュール (HFRM).
- OIMHSのデータセットでのパフォーマンスを評価し,13のベースライン・メソッドと比較した.
主要な成果:
- TriFTM-Netは,すべての13のベースライン方法と比較して優れたパフォーマンスを達成しました.
- このネットワークは,ダイススコア,インターセクション・オーバー・ユニオン (IoU),カッパ係数で最高だった.
- 提案されたアーキテクチャは,ノイズを効果的に処理し,セグメンテーションの精度を向上させるための機能表現を強化します.
結論:
- TriFTM-Netは,眼科疾患の3D網膜画像セグメンテーションにおいて,重要な進歩をもたらしています.
- 機能や専門モジュールの連携的な統合は,以前の方法の限界を克服します.
- このアプローチは,眼科における外科計画と患者のアウトカムを改善する見込みです.
