来自超广场照片的围膜缩和光盘的新分割算法1
Cheng Wan1, Jiyi Fang1, Kunke Li2
1College of Electronic Information Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, 211106, China.
Computers in biology and medicine
|March 19, 2024
概括
这项研究提出了一种新的算法,用于在超广场 fundus 图像中对光学盘和周囊缩进行细分,从而提高了高近视相关疾病的诊断准确性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 全球近视和高近视的增加需要改进诊断.
- 现有的细分模型与超广场 (UWF) 基底图像作斗争.
- 精确的光盘细分和周包膜缩 (PPA) 对高近视相关病理至关重要.
研究的目的:
- 介绍光盘和PPA的新型自动细分算法.
- 使用UWF fundus图像提高高近视相关疾病的诊断能力.
- 与现有模型相比,提高细分精度.
主要方法:
- 开发了一个基于变压器的网络,具有心脏卷积和选择性边界聚合.
- 胸腔卷积处理多尺度的特征,并扩大受体场.
- 选择性边界聚合模块增强了跳过连接中的边界分化.
主要成果:
- 拟议的算法显示了对UWF图像的U-Net,UNet++,ResU-Net和TransUNet的显著改进.
- 在PPA细分方面实现了0.8%的子,1.8%的灵敏度和1.3%的IOU改进.
- 在光盘细分方面实现了0.3%的子,0.6%的精度和0.4%的IOU改进.
结论:
- 这种新方法显著提高了UWF照片上的光盘和PPA细分精度.
- 这一进步有助于眼科医生诊断高近视相关疾病.
- 该算法为临床眼科提供了一个有价值的工具.
