W-Net:一个具有边界意识的级联网络,用于强大而准确的光盘细分
Shuo Tang1, Chongchong Song1, Defeng Wang1
1School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100191, China.
iScience
|January 17, 2024
概括
这项研究引入了一种新型的多层次网络,用于精确的光盘 (OD) 分段,改进计算机辅助的眼睛疾病诊断. 与现有网络相比,拟议的方法在各种数据集中显示出卓越的性能.
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:
- 精确的光盘 (OD) 分段对于诊断眼睛疾病至关重要.
- 图像采集的变化导致深度学习模型的概括性差.
- 现有的方法与各种数据集扎,影响诊断准确度.
研究的目的:
- 开发一个强大的多层次细分网络,用于准确的光盘细分.
- 为了解决不同图像采集参数所带来的概括性挑战.
- 提高计算机辅助眼科诊断中的深度学习模型的性能.
主要方法:
- 一个新的多层次细分网络,包含数据质量增强模块 (DQEM),粗细分模块 (CSM) 和本地化模块 (OLM).
- 首次在细分阶段模块 (FSM) 中引入W-Net.
- 将边界损失集成到损失函数中,以改进细分精度.
主要成果:
- 拟议的网络在多个基准数据集 (REFUGE,GAMMA,Drishti-GS1,IDRiD) 中实现了卓越的光盘细分性能.
- 多层次的方法有效地处理了图像分辨率,大小,对比度和清晰度的变化.
- W-Net和边界损失显著提高了细分精度和概括能力.
结论:
- 开发的多层分段网络在光盘分段准确度方面取得了重大进展.
- 该方法展示了强大的概括性,在各种眼科图像数据集上表现优于最先进的网络.
- 这种方法有望改善各种眼睛疾病的计算机辅助诊断系统.
