LiViT-Net:一种类似于U-Net的轻型变压器网络,用于视网膜血管细分
Le Tong1, Tianjiu Li1, Qian Zhang1
1The College of Information, Mechanical and Electrical Engineering, Shanghai Normal University, No. 100 Haisi Road, Shanghai, 201418, China.
Computational and structural biotechnology journal
|April 4, 2024
概括
一个新的轻量级变压器网络,LiViT-Net,精确地细分视网膜血管,改善眼睛疾病的诊断. 它在各种数据集上提供了强大的实时性能,即使计算能力有限.
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:
- 准确的视网膜血管细分对于诊断眼睛疾病至关重要.
- 挑战包括尺度变化,低对比度和有限的训练数据.
- 现有的模型在复杂的血管模式和边缘精度方面扎.
研究的目的:
- 开发一种新的,轻量级的网络,用于精确的视网膜血管细分.
- 为了提高模型的稳定性,实时有效性和复杂视网膜图像的性能.
- 为了应对规模变化,低对比度和数据限制等挑战.
主要方法:
- 推出了LiViT-Net,一个类似于U-Net的轻量级变压器网络,集成MobileViT+和一种新的本地编码器表示.
- 设计了一个联合损失函数,将加权交叉和Dice损失结合起来,以改善细分.
- 在三个著名的视网膜图像数据库上进行了实验.
主要成果:
- LiViT-Net在数据集中表现出卓越的稳定性和通用性.
- 该模型在细血管和复杂的血管边缘的细分方面取得了高精度.
- LiViT-Net表现出高效,快速的性能,适合具有有限计算能力的设备.
结论:
- LiViT-Net有效地解决了视网膜血管细分方面的关键挑战.
- 拟议的网络为临床应用提供了强大,高效和准确的解决方案.
- 一个公开可访问的网站展示了模型的实时功能.
