相关实验视频
Updated: Jun 18, 2026

07:29
Deep Vascular Imaging in the Eye with Flow-Enhanced Ultrasound
Published on: October 4, 2021
2.4K
LUNet:深度学习,以高分辨率的 fundus 图像来细分动脉和静脉
Jonathan Fhima1,2, Jan Van Eijgen3,4, Marie-Isaline Billen Moulin-Romsée3,4
1Faculty of Biomedical Engineering, Technion-IIT, Haifa, Israel.
Physiological measurement
|April 10, 2024
概括
研究人员开发了LUNet,这是一种深度学习模型,用于在 fundus 图像中对视网膜动脉和静脉 (A/V) 进行细分. 该工具通过改进微血管分析来增强心血管疾病诊断.
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:
- 视网膜微血管结构的变化与心血管疾病有关.
- 数字底部图像 (DFI) 提供了关于心血管健康的见解.
- 视网膜血管系统的自动化分析对于早期发现疾病至关重要.
研究的目的:
- 为了自动化从 DFI 来对视网膜动脉和静脉 (A/V) 的细分.
- 开发一种用于高分辨率视网膜微血管分析的新型深度学习模型.
- 为培训和评估A/V细分模型建立一个新的数据集.
主要方法:
- 利用主动学习创建了一个DFI数据集,其中有240个手动A/V细分.
- 开发了LUNet,这是一个具有双扩展卷积块和高分辨率尾部的深度学习架构.
- 实现了自定义损失功能,以在分割过程中优先考虑船舶连续性.
主要成果:
- 卢内特显著超过了三个基准的A/V细分算法.
- 在不同的人口和注释特征的本地和四个外部测试集中取得了卓越的表现.
- 在各种数据集中展示了强大的A/V细分精度.
结论:
- LUNet模型和新的数据集代表了视网膜微血管分析的宝贵资源.
- 通过视网膜成像,LUNet显示出作为诊断心血管疾病的强大工具的潜力.
- 改进的A/V细分精度有助于更好地理解和诊断系统性健康状况.

