基于卷积神经网络的翼状胬肉病灶分割研究

摘要：

目的:通过深度卷积神经网络方法对翼状胬肉病灶进行精准分割.方法:在PSPNet模型结构的基础上构建Phase-fusion PSPNet网络结构用于翼状胬肉病灶的分割,该网络在金字塔池化模块后接入阶段上采样模块,以分阶段增大为原则逐步上采样,减少信息丢失,适合于边缘模糊的分割任务.将南京医科大学附属眼科医院提供的翼状胬肉眼表图像517张分为训练集(330张)、验证集(37张)、测试集(150张),其中训练集和验证集图像用于训练,测试集图像仅用于测试.比较翼状胬肉病灶智能分割和专家标注的结果.结果:构建Phase-fusion PSPNet网络结构针对测试数据集的翼状胬肉病灶分割单类平均交并比(MIOU)和平均像素精确度(MPA)分别为86.31％和91.91％;翼状胬肉单类交并比(IOU)和像素精确度(PA)分别为77.64％和86.10％.结论:卷积神经网络可以实现翼状胬肉病灶的精准分割,有助于为医生进行进一步疾病诊断和手术建议提供重要参考,同时实现翼状胬肉智能诊断的可视化.

关键词：翼状胬肉、图像分割、深度学习、卷积神经网络、PSPNet

所属期刊栏目：22

分类号：TP391.41;TP183;S1

资助基金：国家自然科学基金;浙江省自然科学基金;南京市企业专家工作室团队项目;湖州师范学院校级研究生科研创新项目

在线出版日期：2022-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1016-1019