由结构先行标记驱动的视网膜血管细分
Jiaqi Guo1,2, Xinyu Guo1,2, Quanyong Yi3
1Laboratory of Advanced Theranostic Materials and Technology, Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences, Ningbo, China.
Medical physics
|September 4, 2025
概括
这项研究引入了一种新的方法,通过整合结构先验来在OCTA图像中对视网膜血管进行细分. 这种新方法显著提高了准确性,并保护了船只的完整性,
科学领域:
- 眼科成像分析
- 医疗图像细分
- 生物医学工程
背景情况:
- 在OCTA图像中精确的视网膜血管细分对于诊断糖尿病视网膜病变等眼睛疾病至关重要.
- 传统的方法与复杂的血管结构和局部特征作斗争,导致精度低于最佳.
- 现有的技术往往忽视了视网膜血管的内在结构特性.
研究的目的:
- 将编码容器形态和拓的结构先验集成到一个细分框架中.
- 提高视网膜血管细分的准确性和稳定性,特别是在具有挑战性的图像区域.
- 改善OCTA图像中的血管完整性和连续性.
主要方法:
- 一个生成的图像细分框架,利用视网膜血管前置的潜伏嵌入空间.
- 一个先驱网络从地面真实数据中学习船只先驱并将其存储在代码书中.
- 编码OCTA图像的语义特征,使用先前学习的标记来重建容器.
主要成果:
- 拟议的网络在三个OCTA数据集 (ROSE-1,ROSE-2,OCTA-Z) 上表现出优于最先进的方法.
- 获得了77.63% (ROSE-1),71.01% (ROSE-2) 和81.11% (OCTA-Z) 的平均分数.
- 质量和数量评估证实了该网络在维护血管结构完整性的有效性.
结论:
- 开发的网络成功地学习并应用隐性船舶先验,以改善OCTA细分.
- 隐藏的先前标记重建方法为视网膜血管模式表示提供了有希望的解决方案.
- 未来的工作包括扩大视网膜结构细分和疾病分类的方法.


