扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

北京理工大学李慧琦团队:PKRT网:基于先验知识的视盘杯分割关系变换器网络

论论资讯 | 2023-04-20 1热度

Neurocomputing

Explore content

About the journal

Publish with us

PKRT-Net: Prior knowledge-based relation transformer network for optic cup and disc segmentation

Lu S.; Zhao H.; Liu H.; Li H.; Wang N.

Published:2023-06-14
DOI:10.1016/j.neucom.2023.03.044

研究背景

青光眼是一种导致视力不可逆损失的疾病,早期检测青光眼对于保护患者的视力至关重要。而眼底图像中的视杯(OC)和视盘(OD)是青光眼诊断的两个重要解剖结构。目前,基于卷积神经网络(CNNs)的方法已经被提出来用于提取OC和OD,其中OC的提取是非常具有挑战性的。然而,现有的CNN方法并没有充分利用临床先验知识,这限制了OC和OD的提取性能。此外,由于卷积操作的本质局部性,CNN方法不能很好地学习长程语义信息交互。

研究内容

本文提出了一种基于先验知识的关系变换器网络(PKRT-Net),它利用临床先验知识来辅助OC分割,并通过变换器对空间特征进行高效的长程关系建模。PKRT-Net由双分支模块、关系变换器融合模块和带权融合的解码器组成。双分支模块将眼底图像分解成血管特征空间和一般局部特征空间;关系变换器融合模块将临床先验信息与局部特征融合,以获得更具代表性的特征;带权融合模块将解码器的多尺度侧输出与关系变换器模块的表示融合,以提高分割性能。我们在三个公共可用的OC和OD分割数据集(即Drishti-GS、RIM-ONE(r3)和REFUGE)上评估了我们提出的PKRT-Net。实验结果表明,我们提出的PKRT-Net框架在这三个公共数据集上实现了最先进的OC和OD分割结果。

研究意义

本文提出的PKRT-Net框架是一种全新的方法,它充分利用临床先验知识来提高OC和OD的分割性能,并通过变换器对空间特征进行高效的长程关系建模。这种方法不仅可以用于青光眼的早期检测,而且还可以应用于其他医学图像的分割任务。因此,本文的研究成果对于改善医学图像分割的性能具有重要的意义。

微信扫码即可查看