期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
深度学习在脉络膜分割中的应用研究进展 被引量:1
1
作者 周愉 张敏 +1 位作者 朱瑜洁 陆琼 《国际眼科杂志》 CAS 北大核心 2023年第6期1007-1011,共5页
近年来,眼科作为高度依赖辅助成像的医学领域之一,一直处于深度学习算法应用的前沿。脉络膜的形态变化与眼底疾病的发生、发展以及治疗预后密切相关。光学相干断层扫描的快速发展极大地促进了对脉络膜形态和结构的精确分析。脉络膜分割... 近年来,眼科作为高度依赖辅助成像的医学领域之一,一直处于深度学习算法应用的前沿。脉络膜的形态变化与眼底疾病的发生、发展以及治疗预后密切相关。光学相干断层扫描的快速发展极大地促进了对脉络膜形态和结构的精确分析。脉络膜分割及相关分析对于确定眼病的发病机制和治疗策略至关重要,然而,目前脉络膜主要依赖于繁琐、耗时和重复性低的人工手动分割。为了克服这些困难,近年来开发了用于脉络膜分割的深度学习方法,极大地提高了脉络膜分割的准确性和效率。本文旨在回顾不同眼病中脉络膜厚度的特征,探讨深度学习模型在测量脉络膜厚度中的最新应用及其优势,同时关注深度学习模型面临的挑战。 展开更多
关键词 脉络膜厚度 脉络膜分割 深度学习 增强深度成像的光学相干断层扫描 卷积神经网络
下载PDF
坐标并行注意力下密集空洞卷积的脉络膜分割
2
作者 刘渝 夏源祥 万永菁 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2023年第2期247-254,共8页
脉络膜的变化与很多眼科疾病密切相关。医生在诊断过程中常需要手动分割光学断层扫描图像(Optical Coherence Tomography,OCT)中的脉络膜,再定量分析脉络膜健康状况,但人工分割费时费力。脉络膜自动分割难点在于OCT图像中脉络膜下边界模... 脉络膜的变化与很多眼科疾病密切相关。医生在诊断过程中常需要手动分割光学断层扫描图像(Optical Coherence Tomography,OCT)中的脉络膜,再定量分析脉络膜健康状况,但人工分割费时费力。脉络膜自动分割难点在于OCT图像中脉络膜下边界模糊,很难捕捉上下文信息,并且脉络膜结构跟视网膜结构比较类似,容易混淆。为了解决该难点,本文提出了融合坐标并行注意力模块和密集空洞卷积模块的残差编解码模型;设计了一种桥结构,包含了注意力机制和空洞卷积,在增加模型感受野的同时抑制浅层噪声;同时为了使模型关注脉络膜结构信息,引入了一种包含结构相似性的混合损失函数来训练模型。实验结果表明,该模型能有效提升对脉络膜的分割精度,在OCT脉络膜数据集上,Dice系数和Jaccard相似度达到了97.63%和95.28%。 展开更多
关键词 脉络膜分割 坐标并行注意力 密集空洞卷积 残差模型 混合损失函数
下载PDF
融合注意力机制的TransGLnet脉络膜自动分割 被引量:1
3
作者 黄文博 屈超凡 燕杨 《光学精密工程》 EI CAS CSCD 北大核心 2023年第23期3482-3489,共8页
针对脉络膜与巩膜间对比度低,脉络膜分割存在脉络膜下边界模糊,难以界定等问题,提出了融合注意力机制的TransGLnet脉络膜自动分割网络,在卷积层引入全局注意力模块(Global Attention Module,GAM),在特征之间应用矩阵乘法,在整体空间位... 针对脉络膜与巩膜间对比度低,脉络膜分割存在脉络膜下边界模糊,难以界定等问题,提出了融合注意力机制的TransGLnet脉络膜自动分割网络,在卷积层引入全局注意力模块(Global Attention Module,GAM),在特征之间应用矩阵乘法,在整体空间位置的多个特征之间建立非线性交互,在不使用大量参数的情况下提取全局特征;在卷积层和Transformer编码器之间引入局部注意力模块(Local Attention Module,LAM),以1/4特征图为基本单元探索局部特征,特征图元素位置移动规则为保持行位置的元素不变,将列位置的元素由大到小重新排列。两模块融合可令网络有效兼顾全局与局部特征。实验结果表明,TransGLnet网络的Dice值为0.91,准确率为0.98,平均交并比为0.89,F1值为0.90,豪斯多夫距离为6.56。与现有脉络膜自动分割方法相比,本文方法的各项性能指标均有提高。TransGLnet脉络自动分割网络具有较好的稳定性,可供临床借鉴。 展开更多
关键词 医学图像处理 脉络膜自动分割 TransUnet 全局注意力 局部注意力
下载PDF
通过SEC-UNet精准分割糖尿病视网膜病变眼底OCT图像脉络膜层 被引量:4
4
作者 许祥丛 陈俊彦 +8 位作者 王雪花 李睿 熊红莲 王茗祎 钟俊平 谭海曙 郑毅旭 熊柯 韩定安 《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心 2022年第12期2450-2457,共8页
目的糖尿病视网膜病变(DR)是糖尿病的严重并发症,可导致患者视力下降甚至失明。脉络膜的早期检查在DR诊断中起着至关重要的作用。然而,由于DR患者的光学相干层析成像(OCT)中存在脉络膜和巩膜边界模糊、视网膜病变阴影等问题,导致大多数... 目的糖尿病视网膜病变(DR)是糖尿病的严重并发症,可导致患者视力下降甚至失明。脉络膜的早期检查在DR诊断中起着至关重要的作用。然而,由于DR患者的光学相干层析成像(OCT)中存在脉络膜和巩膜边界模糊、视网膜病变阴影等问题,导致大多数现有算法无法精准分割脉络膜层。本文目的在于提高DR患者OCT图像中脉络膜层分割的精准度。方法本文提出了一种结合挤压激励连接(SEC)模块和UNet的网络,简称SEC-UNet,不仅增强Unet的局部细节目标关注能力,且能跳出局部最优来增强整体表达能力。结果SEC-UNet模型的ROC曲线下面积(AUC)达到0.9930,优于传统UNet模型和SE-UNet模型。这表明SEC-UNet能够获得准确、完整的脉络膜层分割结果。统计分析脉络膜参数变化发现,与正常眼相比,87.1%的DR患者脉络膜中央凹1 mm内体积增加,这证明了DR很可能导致脉络膜增厚。结论该技术有望成为一种新的辅助诊断工具,帮助医生研究脉络膜在糖尿病眼病的预防、发病机制和预后中的作用。 展开更多
关键词 糖尿病视网膜病变 脉络膜分割 光学相干层析成像 挤压激励连接UNet
原文传递
基于CMSA-Unet的脉络膜血管分割
5
作者 何佳豪 张浩林 +2 位作者 朱珂盈 黄坤 陈强 《扬州大学学报(自然科学版)》 CAS 北大核心 2022年第6期56-60,78,共6页
为了自动精准地分割脉络膜血管以辅助眼科治疗,提出一种基于脉络膜形态拉伸增广(choroid morphology stretch,CMS)结合注意力机制的U-Net框架CMSA-Unet(choroid morphology stretch ATT-Unet).模型先通过数据预处理模块和数据增广模块... 为了自动精准地分割脉络膜血管以辅助眼科治疗,提出一种基于脉络膜形态拉伸增广(choroid morphology stretch,CMS)结合注意力机制的U-Net框架CMSA-Unet(choroid morphology stretch ATT-Unet).模型先通过数据预处理模块和数据增广模块对原始光学相干断层扫描(optical coherence tomography,OCT)图像进行处理,增强脉络膜的形态特征,并扩充有限的数据集;再在每个编码器中设置卷积注意力模块(convolutional block attention module,CBAM),使模型关注目标分割区域,提升分割效果.消融实验表明,CMS可增强脉络膜特征,CMS结合CBAM模块能有效提高模型对脉络膜血管的分割效果,其IoU、F1分数、灵敏度分别比基线模型U-Net提高了2.9%、2.0%、5.6%.相较于同类模型,CMSA-Unet准确率更高,更适用于脉络膜分割任务. 展开更多
关键词 脉络膜血管分割 脉络膜形态拉伸增广 U-Net CBAM
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部