一种基于双跳连接和深度监督相结合的基底船舶细分方法
Qingyou Liu1, Fen Zhou2, Jianxin Shen1
1College of Mechanical and Electrical Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, China.
Frontiers in cell and developmental biology
|October 21, 2024
概括
这项研究介绍了DS2TUNet,这是一种新的 fundus 血管细分模型,可以提高眼科疾病诊断的准确性. 该模型在多个数据集中表现出强的性能,有助于早期检测和治疗.
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:
- 精确的 fundus 血管细分对于诊断眼睛疾病如糖尿病视网膜病变和玻璃眼瘤至关重要.
- 当前的细分方法面临着细小的船只,复杂的区域和跨数据集的概括性的挑战.
- 临床上需要先进的算法来提高 fundus 血管细分的准确性和可靠性.
研究的目的:
- 开发和评估一个新的基金船只细分模型,DS2TUNet,解决现有方法的局限性.
- 提高当地和全球特征的提取,以提高船舶细分的准确性.
- 在各种公共和临床基金数据集上验证模型的性能.
主要方法:
- 拟议的DS2TUNet模型结合了双跳连接,深度监控和TransUNet架构.
- 采用了预处理技术,包括灰度转换,规范化和直方图平衡.
- 在编码器中使用ResNetV1,扩展卷曲和变压器来提取特征,在解码器中使用双跳连接来改进.
主要成果:
- 在DRIVE,CHASE_DB1和ROSE-1数据集上,DS2TUNet实现了高性能,F1得分从0.8195到0.8425.5不等.
- 该模型显示出强大的精度 (0.95570.9741),灵敏度 (0.80710.8586) 和特异性 (0.97130.9869).
- 在临床中央血清性胆色素病变 (CSC) 数据集上也观察到出色的表现,验证了其临床可行性.
结论:
- 该DS2TUNet模型有效地对基底船进行细分,克服了以前算法的局限性.
- 提出的方法显示出有很大的潜力,有助于早期诊断和治疗眼部疾病.
- DS2TUNet为 fundus 图像分析中的临床应用提供了强大的和可行的解决方案.
