通过实例细分神经网络在人类视网膜图像中进行强大的半自动血管追踪
Siyi Chen1, Linh Hoang1, Amir H Kashani2
1Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD 21231, USA.
Science advances
|April 4, 2025
概括
一个新的算法,InSegNN,准确地追踪个人人类视网膜血管树从 fundus 图像. 这种方法保留了血管层次,有助于对视网膜疾病的研究.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 血管形态和层次结构对于有效的输血至关重要.
- 人类视网膜循环是一个复杂的网络,起源于视神经头部 (ONH).
- 精确追踪视网膜血管分支对于形态定量至关重要,但在技术上具有挑战性.
研究的目的:
- 开发一种强大的半自动算法,用于在人类视网膜图像中追踪单个血管树.
- 为了能够对视网膜血管及其层次结构进行详细的形态分析.
- 为了提高视网膜血管追踪的准确性和稳定性,用于与疾病相关的研究.
主要方法:
- 利用实例细分神经网络 (InSegNN) 来分离和标记单个血管树.
- 实施伪时间学习,空间多样化和动态概率图策略以提高准确性.
- 将算法应用于人类 fundus 图像以进行船只追踪.
主要成果:
- 实现了83%的特异性和91%的精度,具有71%的灵敏度.
- 与现有文献相比,对称最佳子 (SBD) 的改善率提高了50%.
- 在船舶追踪准确性方面表现优于基线U-net模型.
- 在保留层次信息的同时,成功地追踪了个别的容器树.
结论:
- 该InSegNN算法提供了一个强大的方法来追踪单个视网膜血管树及其层次从 fundus 图像.
- 这种技术有助于对视网膜疾病进行相关的详细血管形态分析.
- InSegNN为眼科和视网膜血管系统的医学成像研究提供了重大进展.
