摘要
糖尿病性黄斑水肿(DME)是糖尿病患者最常见的失明原因之一,光学相干断层扫描技术(OCT)有助于糖尿病视网膜病变的早期检测和预防,视网膜OCT图像中的DME区域分割常被用于定量评估黄斑区的水肿程度和病变区域的面积.针对糖尿病性黄斑水肿分割存在的小目标区域漏分割以及部分水肿区域分割不准确的问题,提出了一种改进Swin-Unet的DME分割方法,提高了区域分割的准确性.首先,将Swin-Unet的瓶颈替换为由快速傅里叶卷积(FFC)块构成的频域特征提取模块,用于提取视网膜OCT图像中所包含的光谱域信息;其次,对语义分割后的区域进行形态学图像处理技术进行处理,提升结果的可视化效果;最后,在OCT2017 和杜克大学数据集上对模型进行了验证.实验结果表明,与Swin-Unet相比,所提出的方法在OCT2017 数据集上dice相似系数、交并比、召回率和精确率分别提升了 3%、2%、2%和 3%,在杜克大学数据集上分别提升了 5%、4%、6%和 5%,改进后的Swin-Unet模型可以提升对DME分割的精度,为医生提供更为可靠的诊断依据.
基金项目
山西省自然科学基金面上项目(201801D121147)
NETL
NSTL
维普
万方数据