- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
用于视网膜SD-OCT扫描中视网膜层和液体病理自动提取与表征的深层结构张量图搜索框架
摘要： 黄斑病变是一组影响黄斑区的视网膜疾病，若不及时治疗会导致严重视力损害。过去已有多种计算机辅助诊断方法被提出用于自动检测黄斑疾病。但据我们所知，目前尚无文献提供针对健康与病变黄斑病理的端到端分析解决方案。本文提出一种与设备无关的深度卷积神经网络结合结构张量图搜索的分割框架（CNN-STGS），用于视网膜层与液体病理的提取表征及三维视网膜分析。该框架首先从光学相干断层扫描（OCT）图像中提取九个视网膜层，随后结合深度CNN模型自动分割囊样与浆液性病理区域，最后实现自主三维视网膜分析。我们在公开数据集（包含439名受试者总计42,281次扫描的杜克大学数据集，以及51名受试者4,260次OCT扫描的武装部队眼科研究所数据集——这些数据通过不同OCT设备采集）上验证了CNN-STGS框架。通过标记注释验证表明，该框架在多项指标上显著优于现有方案：对视网膜液体的分割平均Dice系数达0.906，在病变视网膜OCT扫描中识别囊样与浆液性液体的准确率达98.75%。
关键词： 卷积神经网络（CNN）、光学相干断层扫描（OCT）、黄斑病变、眼科学、图搜索
更新于2025-09-23 15:23:52
-
基于图搜索元启发式方法的视网膜动脉/静脉自动分离技术
摘要： 将血管树分离为动脉和静脉是自动诊断与全身性疾病及神经退行性疾病相关视网膜生物标志物的基本前提。本文提出一种新颖的图搜索元启发式方法，用于从彩色眼底图像中自动分离动脉/静脉（A/V）。该方法利用局部信息将复杂的血管树分解为多个子树，并通过全局信息将这些血管子树标记为动脉和静脉。给定二值化血管图后，构建表征血管结构拓扑与空间连通性的血管网络图表示?；谘芙徊娴愫头种У愕慕馄恃卣?，将血管树分割为包含动脉和静脉的多个子树。最终，通过随机森林分类器训练的一组手工设计特征对已识别的血管子树进行A/V标记。本方法在四个公开视网膜数据集上测试，AV-DRIVE、CT-DRIVE、INSPIRE-AVR和WIDE数据集的平均准确率分别为94.7%、93.2%、96.8%和90.2%。这些结果证明本方法在A/V分离任务上优于现有最先进技术。
关键词： 图搜索，血管关键点，动脉/静脉分类，视网膜图像
更新于2025-09-23 15:23:52