DMSU-Net++:一种基于改进的U-Net+的双重多尺度视网膜血管细分方法
1School of Electronic and Information Engineering, University of Science and Technology Liaoning, Anshan, Liaoning, China.
PloS one
|July 2, 2025
概括
我们开发了DMSU-Net++,这是一种用于视网膜血管细分的改进方法. 这种方法提高了识别细毛细血管和不同大小的血管的准确性,优于现有方法.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 由于不同大小,形状和复杂的毛细血管结构,视网膜血管的准确细分具有挑战性.
- 现有的方法难以处理视网膜血管结构中存在的细致形态细节和尺度变化.
研究的目的:
- 提出一个改进的视网膜血管细分方法,DMSU-Net++ (双多尺度U-Net++),以解决当前技术的局限性.
- 为了提高视网膜血管细分的准确性和稳定性,特别是细毛细血管和不同尺度.
主要方法:
- 开发了DMSU-Net++,一个增强的U-Net++架构,采用了使用波形变换的新型多尺度特征提取模块 (WTSAFM).
- 通过级联MFE模块实现双重多尺度特征提取模块,以有效地捕获频率和空间信息.
- 在两个公共数据集上对该方法进行了评估:DRIVE和CHASE-DB1.
主要成果:
- DMSU-Net++在DRIVE上获得了82.75%的F1评分,在CHASE-DB1.1上获得了82.81%.
- 该方法显示了高灵敏度 (83.74%在驱动器上,85%在CHASE-DB1) 和AUC (97.86%在驱动器上,98.36%在CHASE-DB1).
- 实验结果表明,与其他现有方法相比,细分性能优越.
结论:
- 通过利用多级特征提取,DMSU-Net++有效地分割视网膜血管,包括细毛细血管.
- 拟议的方法为视网膜图像分析提供了更好的准确性和上下文理解.
- 在诊断视网膜疾病方面,DMSU-Net++显示出临床应用的巨大潜力.
