红外图像中的梅博米腺细分与有限的注释
Jia-Wen Lin1,2, Ling-Jie Lin1,2, Feng Lu1,2
1College of Computer and Data Science, Fuzhou University, Fuzhou 350108, Fujian Province, China.
International journal of ophthalmology
|May 9, 2024
概括
一种用于分割梅博姆腺体 (MGs) 的新模型使用有限的注释,大大降低了成本,并提高了眼科医生评估干眼疾病的诊断效率.
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:
- 梅博米腺 (MG) 功能障碍是干眼疾病的关键因素.
- 精确的MGs细分对于临床诊断和参数计算至关重要.
- 当前的细分方法往往需要大量的手动注释,增加工作量.
研究的目的:
- 开发一个先进的框架,用于自动化梅博姆腺细分,使用有限的注释.
- 减少眼科医生的注释工作量,提高诊断效率.
- 为了研究一种新型模型,该模型包含用于MG细分的涂监督学习.
主要方法:
- 使用了来自138名干眼病患者的203张红外梅博姆图像的数据集.
- 开发了一个纠正笔监督腺体细分 (RSSGS) 模型.
- 该RSSGS模型结合了时间组合预测,不确定性估计和转换等差约束.
主要成果:
- 该RSSGS模型实现了高精度 (93.54%),子系数 (78.02%) 和IOU (64.18%).
- 绩效指标超过了目前监管较弱的最先进方法.
- 该模型实现了80%的注释成本降低,同时保持了高准确度.
结论:
- 开发了一种创新的MG自动细分模型,使用涂注释来对MG进行细分.
- 该模型提供了高细分精度,并大大降低了培训成本.
- 这一框架显著提高了评估梅博米腺功能障碍的诊断效率.
