SDRD-Net:一个对称的双分支的残余密集网络,用于OCT和美国的图像融合
Zhang Xiao1, Bin He2, Zhiyi Chen3
1College of Mechanical Engineering, University of South China, Hengyang, Hunan, China; Key Laboratory of Medical Imaging Precision Theranostics and Radiation Protection, University of South China, College of Hunan Province, Changsha, Hunan, China.
Ultrasound in medicine & biology
|February 16, 2025
概括
这项研究引入了一种新型的对称双分支残余密度网络 (SDRD-Net) 用于融合光学连贯断层扫描 (OCT) 和超声波 (US) 胚胎内膜图像. SDRD-Net有效地结合了多模式成像数据,以增强子宫内膜厚度信息.
科学领域:
- 医疗成像医学成像
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
背景情况:
- 超声波 (美国) 提供无辐射和高透率的实时成像.
- 光学连贯断层扫描 (OCT) 提供高分辨率成像.
- 结合美国和OCT可以获得更全面的子宫内膜厚度数据.
研究的目的:
- 开发一个新的深度学习网络,将OCT和美国子宫内膜图像融合起来.
- 为了提高子宫内膜厚度评估的准确性和完整性.
主要方法:
- 提出了对称双分支残余密度 (SDRD-Net) 网络.
- 使用多尺度残留密集块 (MRDB) 来进行特征提取.
- 用于特征处理的基本变压器模块 (BTM) 和细节提取模块 (DEM).
- 使用特征融合模块 (FMM) 集成的功能.
主要成果:
- 在SDRD-Net取得了令人称赞的结果,在OCT和美国子宫内膜图像的融合.
- 实验是在私人和公共数据集上进行的.
- 融合方法在体外受精 (IVF) 和最小侵入性受精 (MIF) 任务中表现出有效性.
结论:
- 拟议的SDRD-Net是有效的多式子宫内膜图像融合.
- 这种方法增强了来自OCT和美国成像组合的信息.
- 该方法在临床应用中有望改善子宫内膜评估.


