深度学习细分方法用于眼科医学的光学连贯性断层扫描血管学
Fei Ma1, Sien Li1, Shengbo Wang1
1School of Computer Science, Qufu Normal University, Shandong, China.
Journal of biophotonics
|October 6, 2023
概括
视盘和斑点的精确细分对于检测眼睛疾病至关重要. 一个新的网络,CFANet,在OCTA图像中对这些结构进行细分方面表现出很高的性能,有助于自动选.
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:
- 光盘和斑点是人眼中关键的解剖结构.
- 这些区域的细分对于视网膜疾病的自动查至关重要.
- 斑点的退化和功能障碍会导致视力受损.
研究的目的:
- 开发一种可靠的方法来分割光盘和斑点在光学连贯性断层扫描血管学 (OCTA) 图像中.
- 为了促进视网膜疾病的自动查.
主要方法:
- 扫描源OCTA系统被用于捕获高分辨率图像.
- 一个新的数据集,光盘和斑点在底部图像与OCTA (ODMI) 数据集,被构建.
- 一个粗细的基于注意力的网络 (CFANet) 被提议用于细分.
主要成果:
- 拟议的CFANet在ODMI数据集上实现了高性能.
- 具体的绩效指标包括对细分任务的98.91%,98.47%,89.77%,98.49%和89.77%.
- 这些结果表明了强大的细分能力.
结论:
- 在OCTA中,CFANet在光盘和斑点细分方面表现出色.
- 开发的方法显示了改善视网膜疾病自动查的前景.
- 准确的细分是诊断和监测眼睛疾病的一个关键步骤.
