在智能手机手持眼镜图像中,杯子和光盘分割具有复合骨干和双解码器架构
Thiago Paiva Freire1, Geraldo Braz Júnior1, João Dallyson Sousa de Almeida1
1UFMA/Computer Science Department, Universidade Federal do Maranhão, Campus do Bacanga, São Luís 65085-580, Brazil.
Vision (Basel, Switzerland)
|April 23, 2025
概括
这项研究开发了一个深度神经网络,以从智能手机底部图像中改进光盘和杯子细分,帮助早期诊断青光眼并预防失明.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 青光眼的诊断依赖于 fundus 图像中的光盘和杯体检查.
- 目前的查方法是昂贵的,对于初级保健来说不切实际.
- 深度神经网络可以帮助分割视神经结构.
研究的目的:
- 通过智能手机获得的 fundus 图像来增强光盘和光杯的形态生物标志物.
- 开发一个深度神经网络,以提高细分精度.
- 引入一种新的方法,用于在训练期间结合减肥重量.
主要方法:
- 使用了结合两个骨干和双解码器的深度神经网络架构.
- 该方法专注于对光盘和杯结构进行细分.
- 在训练过程中,减肥重量以一种新的方式结合在一起.
主要成果:
- 开发的模型实现了高细分性能.
- 子得分达到95.92%的光盘和85.30%的光杯.
- 在BrG数据集上,光盘的IOU得分达到92.22%,光杯的IOU得分达到75.68%.
结论:
- 拟议的深度神经网络架构显示出对基底图像细分的承诺.
- 这种方法可以帮助早期诊断青光眼.
- 基于智能手机的成像与人工智能相结合,提供了一个可行的查解决方案.
