U-NTCA: nnUNet和嵌套变压器,用于角膜细胞细分的道注意力
Dan Zhang1, Jing Zhang2, Saiqing Li3,4
1School of Cyber Science and Engineering, Ningbo University of Technology, Ningbo, China.
Frontiers in neuroscience
|April 11, 2024
概括
这项研究介绍了U-NTCA,这是一种新的深度学习模型,用于在显微镜图像中准确的角膜树皮细胞细分. 该方法改善了异常的检测,有助于诊断眼睛疾病.
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:
- 角膜 stromal 细胞的自动细分对于诊断眼睛疾病至关重要,例如从共聚焦显微镜图像中诊断病毒感染和角.
- 分段化的挑战包括不均的照明和血管封闭,导致不准确的结果.
研究的目的:
- 开发一种新的深度学习架构,用于准确的角膜 stromal 细胞细分,解决现有方法的局限性.
- 为了改善检测异常细胞形态在具有挑战性的显微镜图像.
主要方法:
- 提出了一种新的nnUNet和嵌套的基于变压器的网络 (U-NTCA),具有双重高级通道注意力.
- 整合了递归特征传输和跨层交互,以增强上下文理解.
- 利用一种新的注意力通道 (gConv) 来实现更高层次的局部上下文交互和多层次的特征集成.
主要成果:
- 在136张图像的临床数据集上,U-NTCA模型获得了82.72%的子得分和90.92%的曲线下的面积 (AUC).
- 与标准nnUNet架构相比,表现出优越的性能.
结论:
- 拟议的U-NTCA模型为角膜 stromal 细胞细分提供了具有成本效益和高精度的解决方案.
- 该方法在具有挑战性的图像场景中特别有效,提高了眼科医生的诊断准确性.


