基于SR-Net的视网膜内积液分割

糖尿病性黄斑水肿(diabetic macular edema,DME)是视网膜上毛细血管渗漏的液体在细胞间隙聚集引起的中央视网膜肿胀。基于眼底光学相干断层扫描(optical coherence tomography,OCT)图像的黄斑区积液检测在DME治疗方面具有重要的作用。因此,提出了一种分割网络SR-Net,以实现在OCT图像上自动分割视网膜内积液(intraretinal fluid,IRF)。SR-Net以Res2Net为主干,并引入了空间通道压缩和激发(spatial and channel squeeze&excitation,scSE)模块、平行解码器等结构。基于Kermany数据集的实验结果表明,SR-Net分割IRF的平均Dice系数、灵敏度、特异性分别为75.20%、77.56%、99.98%,最大Dice系数可达88.19%,证明了SR-Net的有效性。

基于深度学习的OCT图像视网膜积液自动分割

糖尿病性黄斑水肿(DME)是视网膜破损导致液体积聚的一种眼底疾病,是老年人视力丧失的主要原因之一。利用眼底光学相干断层扫描(OCT)图像检测黄斑区积液在选择DME治疗方案和评估治疗效果方面发挥着重要的作用。为此,提出了一种改进的U-net网络Res-SE Unet实现在OCT图像上自动分割视网膜内积液(IRF)和视网膜下积液(SRF)。该网络使用Res-SE Block替代标准卷积层,增强网络对有效特征的提取。利用Kermany数据集训练和评估Res-SE Unet模型,通过Dice系数和IoU评价模型分割效果。IRF的平均Dice系数和平均IoU分别为0.84和0.72,SRF的平均Dice系数和平均IoU分别为0.86和0.74,结果表明Res-SE Unet网络可以有效分割IRF和SRF。