双U-Net具有多任务注意力,用于自动化眼曲率量化
Jimei Wu1, Yang Yang1, Cheng Wan1,2
1College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, China.
Frontiers in medicine
|August 1, 2025
概括
这项研究引入了一种自动化方法,用于从眼睛图像中分析眼曲线. 开发的技术准确地测量了眼的形状,有助于眼科疾病的诊断和手术规划.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 眼曲率对于诊断眼科疾病和评估手术结果至关重要.
- 准确和可重复的眼边缘分析对于临床实践至关重要.
研究的目的:
- 开发用于眼边缘曲线提取的自动图像处理方法.
- 在眼科应用中进行定量曲率分析.
主要方法:
- 采用双分支U-Net架构 (AtDU-Net) 来同时对眼裂和角膜区域进行细分.
- 眼边缘曲线是从细分图像中提取出来的,并使用二次多项式来拟合.
- 量化曲率值是根据合适的曲线计算的.
主要成果:
- AtDU-Net模型实现了高细分性能,IoU为0.979和Dice系数为0.989.
- 自动眼曲率测量显示与手动注释有很强的相关性 (r=0.9032上方,r=0.9154下方).
- 布兰德-阿尔特曼分析证实了高一致性,超过92%的样本在协议限制内.
结论:
- 与手动测量相比,拟议的自动化方法提供了更高的准确性,稳定性和一致性.
- 这种技术为临床环境中的眼形态分析和手术规划提供了可靠的支持.
