通过转换进行半监督的OCT病变细分 - 符合不确定性和自我深度监督
Hailan Shen1, Qiao Yang1, Zailiang Chen1
1School of Computer Science and Engineering, Central South University, Changsha 410083, China.
Biomedical optics express
|July 27, 2023
概括
这项研究引入了TCUS,这是一种新的半监督方法,用于在OCT图像中对视网膜病变进行细分. 通过使用不确定性和自我深度监督,TCUS提高了准确性,克服了现有的注释繁重方法的局限性.
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 (OCT) 对于诊断视网膜疾病至关重要,但手动损伤细分是劳动密集的.
- 准确的自动细分对于监测疾病进展和治疗疗效至关重要.
- 当前的方法需要广泛的像素智能注释,阻碍了可扩展性.
研究的目的:
- 开发一种新型的半监督框架,用于在OCT图像中对病变进行细分,称为TCUS (转化一致的不确定性和自我深度监督).
- 为了应对模糊的病变边界和在未标记的数据中不可靠的预测的挑战.
- 为了提高对各种病变大小和形状的细分精度.
主要方法:
- 拟议的TCUS框架使用一种以不确定性为导向的转型一致的战略,以实现强有力的规范化.
- 采用学生-教师网络方法,学生从教师的可靠不确定性信息目标中学习.
- 集成的自我深度监督,利用标记和未标记的OCT数据的多层次信息.
主要成果:
- 这种以不确定性为指导的策略有效地处理模糊的损伤区域,并提高预测可靠性.
- 自我深度监督增强了病变在各种尺度上的细分,显著提高了子系数得分.
- 与现有的最先进的半监督细分方法相比,TCUS在两个海外国家和地区的数据集上表现优越.
结论:
- TCUS提供了一种有效的半监督解决方案,用于OCT病变细分,减少注释负担.
- 不确定性指导和自我深度监督的结合导致了更高的准确性和稳定性.
- 这一框架具有很大的潜力,可以促进OCT成像在视网膜疾病管理中的临床应用.
