TCU-Net:在卷积U形网络中嵌入的变压器用于视网膜血管细分
1School of Electronic and Electrical Engineering, Wuhan Textile University, Wuhan 430077, China.
Sensors (Basel, Switzerland)
|July 11, 2023
概括
一个基于变压器的新型网络TCU-Net增强了视网膜血管细分在光学连贯断层扫描血管学 (OCTA) 图像中. 这种新架构提高了用于眼科疾病诊断的微血管细节检测的准确性和稳定性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 光学连贯断层扫描血管造影 (OCTA) 对于可视化视网膜血管和诊断眼睛疾病至关重要.
- 当前卷积神经网络的局限性阻碍了OCTA图像中精确的微血管细分.
- 准确的细分对于早期发现和治疗眼科疾病至关重要.
研究的目的:
- 引入TCU-Net,一个端到端的基于变压器的网络,以改善OCTA视网膜血管细分.
- 通过集成交融变压器模块来解决卷积操作中血管特征的损失.
- 通过通道智能交叉注意力机制,增强多尺度特征和细粒度细节的融合.
主要方法:
- 开发了TCU-Net,一种新的网络架构,包括一个交叉融合变压器模块和一个通道智能交叉注意模块.
- 用变压器模块取代U-Net的跳过连接,以丰富多尺度血管特征.
- 在视网膜OCTA细分 (ROSE) 数据集 (ROSE-1和ROSE-2) 上评估了TCU-Net.
主要成果:
- 在ROSE-1数据集上,TCU-Net实现了高精度和AUC值 (例如,SVC的0.9230精度,DVC的0.9912).
- 在ROSE-2数据集上,TCU-Net表现出强的表现,准确度为0.9454,AUC为0.8623.
- 实验结果表明,与最先进的方法相比,船舶细分性能和稳定性更好.
结论:
- 在OCTA图像中,TCU-Net有效地对视网膜血管进行细分,性能优于现有的方法.
- 拟议的基于变压器的架构增强了微血管信息的提取和融合.
- 通过先进的图像分析,TCU-Net显示了改善眼科疾病的诊断和管理的巨大潜力.
