MIU-Net:用于光盘细分的先进的多尺度特征提取和不平衡缓解
Yichen Xiao1, Yi Shao1, Zhi Chen1
1Eye Institute and Department of Ophthalmology, Eye and ENT Hospital, Fudan University, Shanghai, 200031, China; NHC Key Laboratory of Myopia (Fudan University), Key Laboratory of Myopia, Chinese Academy of Medical Sciences, Shanghai, 200031, China; Shanghai Research Center of Ophthalmology and Optometry, Shanghai, 200031, China; Shanghai Key Laboratory of Visual Impairment and Restoration, Shanghai, 200031, China.
概括
一个新的模型,MIU-Net,增强光盘细分用于病理近视检测. 它提高了识别这种严重眼睛疾病早期症状的准确性,有助于临床诊断.
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:
- 病态近视是一种严重的眼睛疾病,具有视力威胁的并发症.
- 精确的光盘细分对于早期检测至关重要,但由于图像复杂性而具有挑战性.
- 现有的细分方法缺乏所需的临床准确性.
研究的目的:
- 开发一种先进的模型,用于精确的光盘细分在病态近视.
- 改进识别细微的光盘变化表明疾病.
- 通过改进医学图像分析,增强病态近视的诊断能力.
主要方法:
- 拟议的MIU-Net模型包含一个多尺度特征提取 (MFE) 模块.
- 实现了双重注意力机制 (通道和空间) 以集中功能利用.
- 利用焦点损失来解决类不平衡和数据增强以增加数据多样性.
主要成果:
- MIU-Net在细分精度和稳定性方面取得了显著的改进.
- 该模型在iChallenge-PM和iChallenge-AMD数据集上表现优于现有的方法.
- 增强检测少数光盘像素的能力,这对于诊断至关重要.
结论:
- MIU-Net提供了一个有前途的解决方案,用于在病态近视症中准确的光盘细分.
- 该模型显示了在诊断眼睛疾病方面临床应用的潜力.
- 这种方法可以为各种诊断任务推进医疗图像处理.
