TransDualSegNet:用于OCT视网膜血管细分的变压器双段网络
Ligang Jiang1, Jing Hu2,3, Zhuoran Wang2,3
1Department of Ophthalmology, The Quzhou Affiliated Hospital of Wenzhou Medical University, Quzhou People's Hospital, Quzhou, China.
Quantitative imaging in medicine and surgery
|October 13, 2025
概括
本研究介绍了TransDualSegNet,这是一个高效的AI模型,用于在OCT图像中对视网膜血管进行细分. 它实现了高精度,有助于早期诊断眼睛疾病,如糖尿病视网膜病变.
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:
- 早期诊断和治疗眼病对于维护视力至关重要.
- 光学连贯断层扫描 (OCT) 是眼科中一个关键的非侵入性成像技术.
- 在OCT图像中视网膜血管细分提供了关键的诊断信息.
研究的目的:
- 在OCT图像中开发一种高效准确的视网膜血管细分方法.
- 通过增强图像分析,改进眼病的诊断和治疗.
主要方法:
- 开发了变压器双段网络 (TransDualSegNet),使用金字塔视觉变压器进行编码解码模型.
- 在解码器中加入了一个双分支卷积网络,以强调边缘信息.
- 使用特征融合模块 (FFM) 结合全球和边缘特征进行细分.
主要成果:
- 在 TransDualSegNet 的精度 (91.13%), Jaccard 的相似性 (93.92%) 和 Dice 系数 (90.26%) 中, TransDualSegNet 的表现优于 U-Net, Attention U-Net 和 Trans U-Net.
- 实现了20.3毫秒的快速推断时间,平衡了高精度和效率.
- 废弃性研究证实了每个成分的有效性,IOU达到93.92%和AUC93.04%.
结论:
- TransDualSegNet提供了一种新且高性能的解决方案,用于在OCT图像中对视网膜血管进行细分.
- 该模型的技术优势和临床潜力可以推进医学图像处理和眼科诊断.
- 精确的细分有助于诊断糖尿病视网膜病变和高血压视网膜病变等疾病,改善治疗建议.
