CMOS:OCT图像中的视网膜层的信任导向的多尺度半监督细分

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:

• 在光学连贯断层扫描 (OCT) 图像中,对视网膜层进行准确的细分对于诊断眼科疾病至关重要.
• 目前的方法在有限的注释数据和图像质量变化方面扎,特别是在患病的视网膜中.

研究的目的:

• 引入一种新型的半监督学习方法,以提高OCT视网膜层的细分.
• 在存在病变和成像不一致的情况下,提高细分精度和模型稳定性.

主要方法:

• 提出了以信任为导向的多尺度OCT细分 (CMOS) 方法.
• 整合了双向特征对齐以改进使用未标记数据的伪标签.
• 使用多尺度聚合 (MSA) 模块来处理特征变化和图像质量波动.

主要成果:

• CMOS方法显著提高了OCT视网膜层细分的准确性.
• 与现有的半监督学习方法相比,表现优越.
• 在复杂的病理条件下和不同的图像质量下展示了改进的模型稳定性.

结论:

• 拟议的CMOS方法有效地解决了OCT视网膜层细分方面的关键挑战.
• 利用未标记的数据和多尺度特征可以实现最先进的性能.
• 这种方法在眼科医学的定量分析和诊断方面具有重大潜力.