基于TUNet和域调整的学习,用于联合光盘和杯子细分
Zhuorong Li1, Chen Zhao2, Zhike Han1
1Hangzhou City University, Hangzhou, 310015, Zhejiang, China.
Computers in biology and medicine
|July 13, 2023
概括
这项研究引入了一个新的域适应框架,以改善光杯和光盘细分,用于青光眼查. 该方法可以提高不同扫描仪和分辨率的准确性,帮助自动诊断.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 玻璃眼,不可逆转的失明的主要原因,需要精确的视神经头部评估.
- 光学杯 (OC) 与光学盘 (OD) 的比率对于青光眼的诊断至关重要.
- 当前的深度学习模型在各种成像设备和分辨率上对光杯和光盘细分进行普遍化而扎.
研究的目的:
- 开发一个强大的域适应框架,用于准确的光杯和光盘细分.
- 提高医疗图像细分中的深度神经网络的概括能力.
- 通过精确的视神经头部分析来增强自动化玻璃眼查系统.
主要方法:
- 基于变压器的细分网络被用作主要架构.
- 综合了域适应技术,以学习域不变特征.
- 引入了一个辅助分类器,以完善细分细节和改善歧视.
主要成果:
- 拟议的框架在多个公共数据集 (REFUGE,Drishti-GS,RIM-ONE-r3) 中对光杯和光盘区域进行细分方面表现出了卓越的表现.
- 该方法有效地缓解了不同扫描仪和分辨率之间的域转移引起的性能下降.
- 实验结果证实了该框架能够捕捉细分化的细节.
结论:
- 新的域调整框架显著提高了光杯和光盘细分的准确性和稳定性.
- 这种方法具有很大的潜力,可以集成到自动化玻璃眼查系统中.
- 对视神经头部结构的准确细分对于早期的青光眼的检测和管理至关重要.
