STB-Net:一个基于姆建筑的重建细分网络,用于眼皮表面图像细分
Cheng Wan1,2, Jimei Wu1, Yulong Mao1
1College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, China.
Quantitative imaging in medicine and surgery
|December 10, 2025
概括
这项研究介绍了STB-Net,这是一个自动化模型,用于从眼睛图像中精确测量眼. 这种新的深度学习方法显著改善了眼疾病的诊断.
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:
- 准确的眼形态参数对于诊断眼疾病至关重要.
- 这些参数的自动和精确测量仍然是一个重大的临床挑战.
研究的目的:
- 开发用于眼睛表面图像的自动细分模型.
- 准确划分关键的解剖结构,以便精确的眼度量计算.
主要方法:
- 提出了STB-Net,这是一个新的细分模型,通过一个自下而上的局部注意调制 (BLAM) 模块来增强TransUNet.
- 与SRSNetwork集成的TB-Net用于增强的重建任务培训,改善细分.
- 模型自动计算眼裂的高度,宽度和面积.
主要成果:
- 在用于眼裂细分的局部数据集上实现了高效率 (Dice: 0.9875,GA: 0.9955,IoU: 0.9767).
- 显示出强大的角膜细分性能 (Dice: 0.9891, GA: 0.9978, IoU: 0.9790). 显示出强大的角膜细分性能 (Dice: 0.9891, GA: 0.9978, IoU: 0.9790).
结论:
- STB-Net提供了一个强大的解决方案,用于自动化眼睛表面细分.
- 能够精确量化眼形态参数,提高眼疾病的诊断客观性和效率.
