人力资源发展网络 (HRD-Net):具有视网膜血管特征适应性学习能力的高分辨率细分网络
Jianhua Liu1, Dongxin Zhao2, Juncai Shen3
1School of Electrical and Electronic Engineering, Shijiazhuang Tiedao University, Shijiazhuang, 050043, China; Hebei Provincial Collaborative Innovation Center of Transportation Power Grid Intelligent Integration Technology and Equipment, School of Electrical and Electronic Engineering, Shijiazhuang Tiedao University, Shijiazhuang, China.
Computers in biology and medicine
|March 23, 2024
概括
HRD-Net是一个新型的高分辨率网络,使用可变形卷积v3.3增强视网膜血管细分. 它准确地捕捉精细的血管细节,以更少的参数改善早期疾病检测.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 视网膜血管细分对于诊断健康状况至关重要.
- 标准卷积网络与复杂的血管结构和空间信息损失作斗争.
- 现有的方法往往导致过分细分或错过的船只.
研究的目的:
- 开发一个先进的网络,用于准确的视网膜血管细分.
- 解决传统方法在捕获细血管细节和保存空间信息方面的局限性.
- 通过增强的视网膜图像分析来改善健康问题的早期检测.
主要方法:
- 开发了HRD-Net,这是一个高分辨率的网络,包含可变形卷积v3.3.
- 实施了功能增强级联模块,以灵活地适应船舶形态.
- 使用全局聚合模块以充分分辨率融合语义和空间信息.
- 优化网络架构和激活/规范化方法以提高效率.
主要成果:
- 人力资源发展网在DRIVE,STARE和CHASE_DB1数据集上表现出卓越的性能.
- 在包括F1,ACC,SE,SP,AUC和IOU在内的多个指标中实现了更好的细分精度.
- 在细血管细分和保持血管连续性方面表现出有效.
- 性能优于现有方法,参数数量减少.
结论:
- HRD-Net在视网膜血管细分方面取得了重大进展.
- 拟议的架构有效地处理复杂的血管结构,并保留关键的空间细节.
- 这种方法有望更准确,更有效地早期检测眼病和全身健康状况.
