相关实验视频
Updated: Jul 11, 2025
10:46
Doppler Optical Coherence Tomography of Retinal Circulation
Published on: September 18, 2012
18.8K
在半监督的对比学习基础上,在光学连贯性断层扫描图像中对胆道血管进行细分
Xiaoming Liu1,2, Jingling Pan1,2, Ying Zhang3
1School of Computer Science and Technology, Wuhan University of Science and Technology, Wuhan, 430065, People's Republic of China.
Physics in medicine and biology
|November 16, 2023
概括
本研究引入了一种新的半监督学习方法 (SSCR),用于在OCT图像中对胆道血管进行细分,以更少的标记数据提高准确性. 这种方法提高了对眼睛疾病的诊断.
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:
- 在光学连贯断层扫描 (OCT) 图像中精确细分胆道血管对于诊断眼睛疾病至关重要.
- 深度学习方法需要大量的标记数据,这是耗时和劳动密集型的获取.
研究的目的:
- 开发一个高效的半监督细分框架 (SSCR) 对于 OCT 图像中的冠状血管.
- 提高细分精度,减少对完全标记数据集的依赖.
主要方法:
- 提出了一个不对称的半监督细分框架 (SSCR),使用学生-教师模型.
- 引入了一个不对称的编码器-解码器网络 (APP-SFR),结合了本地和全球的关注.
- 实现了不确定性意识自集成,转换一致性和边界修复模块.
主要成果:
- 在ChorVessel数据集上获得了74.23%的子得分,超过U-Net的2.95%.
- 在Meibomian Glands数据集上获得了80.10%的Dice分数,在U2OS细胞核数据集上获得了87.26%.
- 与最先进的方法相比,证明了优越的细分精度.
结论:
- 该SSCR框架有效地通过使用有限的标记数据以更高的准确性对胆道血管进行细分.
- 该方法在快速眼科疾病诊断中显示出临床应用的巨大潜力.
