融合隐向量对齐和Swin Transformer的OCTA血管分割

摘要：

目的 光学相干断层扫描血管造影(optical coherence tomography angiography,OCTA)是一种非侵入式的新兴技术,越来越多地应用于视网膜血管成像.与传统眼底彩照相比,OCTA技术能够显示黄斑周围的微血管信息,在视网膜血管成像邻域具有显著优势.临床实践中,医生可以通过OCTA图像观察不同层的血管结构,并通过分析血管结构的变化来判断是否存在相关疾病.大量研究表明,血管结构的任何异常变化通常都意味着存在某种眼科疾病.因此,对OCTA图像中的视网膜血管结构进行自动分割提取,对众多眼部相关疾病量化分析和临床决策具有重大意义.然而,OCTA图像存在视网膜血管结构复杂、图像整体对比度低等问题,给自动分割带来极大挑战.为此,提出了一种新颖的融合隐向量对齐和Swin Transformer的视网膜血管结构的分割方法,能够实现血管结构的精准分割.方法 以ResU-Net为主干网络,通过Swin Transformer编码器获取丰富的血管特征信息.此外,设计了一种基于隐向量的特征对齐损失函数,能够在隐空间层次对网络进行优化,提升分割性能.结果 在3个OCTA图像数据集上的实验结果表明,本文方法的AUC(area under curce)分别为94.15％,94.87％和97.63％,ACC(accuracy)分别为91.57％,90.03％和91.06％,领先其他对比方法,并且整体分割性能达到最佳.结论 本文提出的视网膜血管分割网络,在3个OCTA图像数据集上均取得了最佳的分割性能,优于对比方法.

关键词：血管分割、光学相干断层扫描血管造影(OCTA)、深度学习、疾病量化分析、隐向量

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2927-2939