使用多任务Attention-UNet重建眼睛Shack-Hartmann传感器的高度和极度偏差的波面
Yibin Tian1, Zipei Luo1, Dajiang Lu1
1College of Mechatronics and Control Engineering & State Key Laboratory of Radio Frequency Heterogenous Integration, Shenzhen University, Shenzhen, 518060, China.
Experimental eye research
|April 20, 2025
概括
这项研究提出了一种新的深度学习方法,用于从Shack-Hartmann传感器数据中准确地重建复杂的眼睛波面. 这种新的方法成功地重建了高分辨率,高动态范围的波面,在眼睛中具有较高的高阶偏差.
科学领域:
- 眼科医生 眼科 眼科
- 光学工程是指光学工程.
- 生物医学成像技术 生物医学成像技术
背景情况:
- 在诸如角或激光手术后的眼部条件中,高阶偏差 (HOA) 的升高对准确的波面记录提出了挑战.
- 传统的沙克-哈特曼波浪前线传感与高度异常的眼睛作斗争,限制了诊断和治疗能力.
研究的目的:
- 引入一种新的深度学习框架,用于高分辨率和高动态范围的Shack-Hartmann波面重建.
- 解决现有方法在准确捕捉具有显著高阶偏差的眼睛中波浪的局限性.
主要方法:
- 开发一个修改的注意力-UNet架构 (HR-HDR-SHUNet),采用多任务学习方案.
- 同时输出波面图和泽尼克系数以进行全面分析.
- 评估各种数据集,包括经常性,高度和极度偏差的眼睛.
主要成果:
- 成功地重建了所有测试过的异常波线,在不同异常级别中证明了其稳定性.
- 与传统的波重建方法相比,准确度明显更高.
- 与现有的深度学习网络方法相比,性能和计算效率优越.
结论:
- HR-HDR-SHUNet提供了一种强大而高效的解决方案,用于在具有挑战性的眼条件下准确地进行Shack-Hartmann波面重建.
- 这一进步有可能改善以高阶偏差为特征的眼病的诊断和治疗.
