TriFTM-Net:三路里埃-时间调制网络用于高精度手术内导航中的斑点病理细分和重建
Xingru Huang1, Shuaibin Chen2, Huawei Wang2
1Hangzhou Dianzi University, Hangzhou, 310018, Zhejiang, China; School of Electronic Engineering and Computer Science, Queen Mary University of London, London, E1 4NS, United Kingdom.
概括
一个新的网络,三通路里埃-时间调制网络 (TriFTM-Net),增强了眼睛疾病的3D视网膜成像. 它提高了细分黄斑和视网膜撕裂的准确性,有助于手术结果.
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:
- 眼科疾病显著影响全球视力.
- 对视网膜损伤的准确3D重建对于手术成功至关重要.
- 现有的二维细分方法与杂和异质的视网膜图像数据作斗争.
研究的目的:
- 开发一种先进的深度学习模型,用于精确的3D视网膜图像细分.
- 为了应对噪音和斑点和视网膜撕裂成像中的异质性挑战.
- 提高眼科手术规划和执行的准确性和效率.
主要方法:
- 提出了三路里埃时空调制网络 (TriFTM-Net),集成空间,频率和时空特征.
- 引入了三个关键模块:三路谱层次编码器 (TPSHE),特征再调制 (FRM) 和层次特征重建模块 (HFRM).
- 对OIMHS数据集的评估性能与13种基线方法相比.
主要成果:
- 与所有13种基线方法相比,TriFTM-Net实现了更高的性能.
- 该网络展示了最高的子得分,交叉与联盟 (IoU) 和卡帕系数.
- 拟议的架构有效地处理噪音,并增强特征表示,以提高细分精度.
结论:
- TriFTM-Net在眼科疾病的3D视网膜图像细分方面取得了重大进展.
- 功能和专业模块的协同集成克服了以前方法的局限性.
- 这种方法有望提高眼科手术规划和患者的治疗成果.
