换一批
换一批摘要眼底荧光造影图像中毛细血管无灌注区的识别对于糖尿病性视网膜病变的早期诊断和治疗至关重要.由于受到视网膜渗出液等的干扰,传统LadderNet模型的特征提取和图像分割不够准确.为了解决这一问题,实现眼底血管无灌注区的智能分割,节约医生阅片的人工成本,该文提出了基于Enhance LadderNet的眼底荧光造影智能分割模型.首先,用Vgg模块取代传统LadderNet模型中的卷积模块,使卷积层之间通过参数共享和稀疏交互的方式增强特征提取能力,提高网络泛化能力和效率.其次,在模型中加入注意力机制,使模型更加聚焦于图像中重要的特征和区域,减少模型的过度拟合,提高特征的表达能力.最后,结合合作医院的真实数据进行消融实验,并将Enhance LadderNet模型与传统LadderNet模型及其他模型进行比较.实验表明,该文提出的毛细血管无灌注区分割模型,在分割准确度上提升效果显著.
更多相关知识
关键词
图像分割眼底荧光造影毛细血管无灌注区特征提取Image SegmentationFluorescence Fundus Angiography(FFA)Capillary Non-Perfusion AreaFeature Extraction
分类号
F224-39
栏目名称
DOI
10.3969/j.issn.1674-1242.2025.01.002
发布时间
2025-04-03
基金项目
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
