以FPN为基础的扩展残留细分用于小鼠视网膜图像

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:

• 糖尿病可以通过糖尿病视网膜病变 (DR) 引起不可逆转的失明.
• 早期诊断DR对于有效治疗至关重要.
• 对老鼠视网膜图像的分析有助于理解DR进展.

研究的目的:

• 开发一种有效的方法来分割小鼠视网膜图像.
• 改善糖尿病视网膜病变 (DR) 的早期诊断.
• 在视网膜图像中增强细胞和层的细分.

主要方法:

• 设计了一个基于特征金字塔网络 (FPN) 的扩展残余网络.
• 利用扩展卷积和残余块来增强特征提取.
• 集成了一个挤压激发 (SE) 注意模块,用于详细的物体识别.
• 采用转移卷积来改善解码途径中的提升样本.

主要成果:

• 验证了对质细胞和小鼠视网膜细胞/层细分任务的模型.
• 与现有的深度学习方法相比,在二进制和多类语义细分中实现了更高的精度.
• 在视网膜图像分析中证明了扩展残留FPN的稳定性.

结论:

• 扩展残留FPN是用于小鼠视网膜图像细分的高效方法.
• 这种方法可以显著帮助糖尿病视网膜病变 (DR) 的早期诊断.
• 精确的细分有助于预防与DR相关的视力损失.