多尺度的多重注意力网络用于血液血管细分在 fundus 图像中的血管细分
Giri Babu Kande1, Madhusudana Rao Nalluri2,3, R Manikandan4
1Vasireddy Venkatadri Institute of Technology, Nambur, 522508, India.
Scientific reports
|January 27, 2025
概括
这项研究介绍了MSMA Net,这是一种用于精确视网膜血管细分的新型模型. 它在检测各种血管厚度和复杂结构方面取得了卓越的准确性,有助于早期诊断眼睛疾病.
科学领域:
- 医疗成像医学成像
- 眼科医生 眼科 眼科
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 对视网膜血管结构的准确细分对于诊断危及视力的疾病至关重要.
- 挑战包括有限的环境,可变的血管厚度,复杂的结构和损伤干扰.
- 现有的方法在视网膜图像分析中与这些固有的困难作斗争.
研究的目的:
- 开发一种先进的深度学习模型,用于强大的视网膜血管细分.
- 在复杂的视网膜图像中克服传统细分方法的局限性.
- 为了提高自动视网膜血管分析的准确性和可靠性.
主要方法:
- 引入了MSMA Net模型,具有新的多尺度挤压和刺激 (MSSE) 块和带有空间注意力块 (SAB) 的瓶残留 (B-Res) 路径.
- 用这些先进的建筑组件取代了传统的卷积块和跳过连接.
- 在不同的公共数据集上验证了模型:DRIVE,STARE,CHASE_DB1,HRF和DR HAGIS.
主要成果:
- 与现有的细分技术相比,MSMA Net 在所有测试的数据集中表现出优异的性能.
- 实现了更高的准确性,灵敏度,子得分和曲线下的面积 (AUC) 来进行船舶细分.
- 有效地处理血管厚度的变化,复杂的形态和病变的存在.
结论:
- 拟议的MSMA Net模型在视网膜血管细分方面取得了重大进展.
- 它的新架构有效地解决了关键挑战,从而提高了诊断潜力.
- 这种方法有望改善眼部疾病的早期检测和管理.
