HDB-Net:在患病的OCT图像中进行视网膜层细分的层次式双分支网络
Yu Chen1, XueHe Zhang1, Jiahui Yang1
1The School of Mechatronics Engineering, Harbin Institute of Technology , Harbin, Heilongjiang 150001, China.
Biomedical optics express
|September 19, 2024
概括
一个新的HDB-Net网络改善了光学连贯断层扫描 (OCT) 在患病眼睛中的视网膜层细分. 这种先进的方法提高了糖尿病黄斑胀和多发性硬化症等疾病的诊断准确度.
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:
- 使用光学连贯断层扫描 (OCT) 进行视网膜层细分对于诊断和治疗糖尿病黄斑 (DME) 和多发性硬化症 (MS) 等眼睛疾病至关重要.
- 现有的细分算法与低OCT图像质量,相似的视网膜层形态和可变的损伤特征作斗争,导致低于最佳的性能.
研究的目的:
- 开发一个先进的深度学习网络,HDB-Net,用于在患病的OCT图像中准确地细分视网膜层.
- 通过有效地结合全球和详细特征来改善细分精度来解决当前方法的局限性.
主要方法:
- HDB-Net采用Swin变压器和Res50与UperNet金字塔结构的并行骨干来提取全球上下文和多尺度图像信息.
- 功能聚合模块 (FAM) 使用混合注意力机制集成来自Swin变压器的全球上下文和ResNet的本地特征.
- 一个边界意识和特征增强模块 (BA-FEM) 通过从浅层特征中提取边界信息和拓顺序来完善细分.
主要成果:
- 在两个公共数据集上,HDB-Net获得了87.61%和92.44%的高子得分.
- 与现有的最先进的视网膜层细分技术相比,拟议的方法显示出更高的性能.
结论:
- 通过利用综合的全球和详细特征,HDB-Net有效地在患病的OCT图像中对视网膜层进行细分.
- 该网络在海外图像分析方面取得了重大进展,改善了各种眼科疾病的诊断能力.
