多层次的时空和注意力信息深度融合网络用于视网膜血管细分
1School of Information Science and Technology, Southwest Jiaotong University, 611756, Chengdu, People's Republic of China.
Physics in medicine and biology
|August 11, 2023
概括
本研究介绍了MSAFNet,这是一个新的深度学习网络,用于在 fundus 图像中准确地细分视网膜血管. 该方法通过增强检测能力,显著改善了自动诊断.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 对视网膜血管的准确细分对于智能疾病诊断系统至关重要.
- 现有的方法在实现精确和强大的船只细分方面面临挑战.
研究的目的:
- 开发一种强大而有效的方法,在人体颜色底部图像中对视网膜血管进行细分.
- 为了提高自动视网膜血管细分的性能和稳定性.
主要方法:
- 开发了一个新的多层次的时空和注意力信息深度融合网络 (MSAFNet).
- 该网络集成了多层次的时空编码和自我注意模块.
- 编码器-解码器结构将特征合并为最终的细分.
主要成果:
- 与最先进的方法相比,MSAFNet在四个公共数据集上表现出更高的性能.
- 获得了高精度 (高达96.96%) 和曲线下面积 (高达98.78%) 的分数.
- 在DRIVE和STARE数据集上实现了高特异性 (高达99.08%).
结论:
- 该MSAFNet方法表现出强大的学习和代表能力,用于视网膜血管检测.
- 精确检测视网膜血管可以成为帮助医学诊断的宝贵工具.
