WDM-UNet:一个波形变形门式融合网络,用于多尺度视网膜血管细分

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:

• 视网膜血管细分对于诊断眼睛疾病至关重要.
• 挑战包括不同的容器宽度和低对比度.

研究的目的:

• 引入WDM-UNet,一种用于增强视网膜血管细分的新型架构.
• 为了提高细分复杂血管结构的准确性和稳定性.

主要方法:

• 开发了WDM-UNet,一个空间波段双域融合架构.
• 采用可变形卷积编码器 (DCE) 和波形卷积编码器 (WCE).
• 集成门式融合变压器 (GFT) 和深度可分离的卷积.

主要成果:

• 在DRIVE数据集上,WDM-UNet实现了96.92%的准确度,83.61%的灵敏度和82.87%的F1得分.
• 在DRIVE,STARE和CHASE_DB1数据集中表现出卓越的性能.
• 在复杂的场景中展示了增强的细分精度和稳定性.

结论:

• WDM-UNet有效地解决了视网膜血管细分方面的限制.
• 拟议的架构为眼科疾病诊断提供了最先进的性能.