一个轻量级的双路径级联网络用于 fundus图像中的船舶细分
Yanxia Sun1, Xiang Li2, Yuechang Liu1
1Department of Software Engineering, Harbin University of Science and Technology, Rongcheng 264300, China.
Mathematical biosciences and engineering : MBE
|June 16, 2023
概括
本研究介绍了一种轻量级的双路径级联网络 (LDPC-Net),用于在 fundus 图像中快速而准确的视网膜血管细分. 新的LDPC-Net提高了细分精度和连接性,同时降低了用于眼科疾病诊断的模型复杂性.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 眼科医生 眼科 眼科
背景情况:
- 准确的视网膜血管细分对于诊断眼科疾病至关重要.
- 现有的方法经常受到高模型复杂性和不足的细分精度的影响.
研究的目的:
- 提出一个轻量级的双路径级联网络 (LDPC-Net),用于自动和快速的视网膜血管细分.
- 为了提高细分精度,连接性,并减少模型复杂性.
主要方法:
- 使用两个U形结构设计了一个双路径级联网络.
- 集成的结构性丢弃 (SD) 卷积,以减轻过.
- 使用深度可分离卷积 (DSC) 来降低模型参数.
- 实施了剩余的形空间金字塔聚合 (ResASPP) 进行多层次信息聚合.
主要成果:
- 在三个公共数据集中,LDPC-Net在准确性和连接性方面取得了卓越的表现.
- 与现有方法相比,模型参数数量显著减少.
- 拟议的网络证明了自动和快速船舶细分的有效性.
结论:
- LDPC-Net提供了一个有前途的轻量级解决方案,用于自动化的视网膜血管细分.
- 该方法增强了各种眼科疾病的诊断能力.
- 这种方法有助于在眼科中更快,更准确的临床评估.


