基于多尺度特征和风格转移的视网膜血管细分

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:

• 视网膜血管细分对于诊断眼睛疾病至关重要.
• 当前的深度学习方法在跨领域数据和小容器细分方面扎.
• 过于复杂的模型在实际应用中存在挑战.

研究的目的:

• 为改善视网膜血管细分提出一种新的轻量级网络 (MSFST-NET).
• 增强模型处理跨领域数据集和细分小血管的能力.
• 为了避免过于复杂的模型架构.

主要方法:

• 开发了一个具有选择性内核 (SK) 模块的MSF-Net,用于多规模的特征提取.
• 引入了风格传输模块,以减少域差异.
• 实施伪标签学习策略以促进概括.

主要成果:

• 在MSFST-NET中,小血管的细分有所改善.
• 风格转移和伪标签有效地改善了跨域性能.
• 在DRIVE和CHASE_DB1数据集的实验中,与最先进的方法相比,显示出优异的结果.

结论:

• MSFST-NET为视网膜血管细分提供了有效的解决方案,特别是在跨领域的挑战中.
• 提出的方法可以提高模型的概括性和细分精度.
• 这种方法为临床应用提供了更强大,更有效的工具.