融合时序监督和注意力机制的脉络膜新生血管分割
脉络膜新生血管(Choroidal Neovascularization,CNV)一般出现在老年性黄斑变性(Age-related macular degeneration,AMD)晚期,在光学相干断层成像(SD-OCT)中对CNV进行准确分割对AMD的诊疗具有重要意义.文中提出了一种融合时序模型与注意力机制的CNV分割网络.该方法将连续的SD-OCT图像输入分割网络,在编码器部分提取图片多尺度信息,为了更好地提取图片局部特征,又在跳跃连接部分加入注意力门;同时,为了解决分割不连续的问题,在分割网络池化后加入了时序约束网络以构建相邻帧连续性约束,并在损失函数中加入梯度约束以更好地保留病变边界;采用空间金字塔将两部分网络特征图融合以产生分割损失,提高了最终的分割精度.基于患者独立性对12名患者的200组眼睛数据进行实验,该方法的Dice系数为76.3％,overlap达到60.7％,能够在SD-OCT图像中对CNV进行可靠的分割.
脉络膜新生血管;医学图像分割;注意力机制;时序网络;特征融合
48
TP391.41(计算技术、计算机技术)
国家自然科学基金61701222
2021-08-20（万方平台首次上网日期，不代表论文的发表时间）
共7页
118-124
