基于深度学习的三维人体皮肤汗腺分割及其对温度变化的三维形态响应
图像与视频处理
2025-08-01 v1 人工智能
光学
摘要
皮肤作为热量交换的主要调节器，依赖汗腺进行调节。汗腺形态变化在various病理条件和临床诊断中发挥关键作用。当前观察汗腺形态的方法受限于其二维、体外且不可逆的本质，凸显了实时、非侵入性、可量化技术的紧迫需求。我们提出了一种新型三维（3D）基于转换器的多目标分割框架，集成滑动窗口方法、联合空间-通道注意力机制以及浅层与深层之间的结构异构性。我们提出的网络可从通过光学相干断层扫描（OCT）获取的皮肤体积数据中实现精确的3D汗腺分割。首次实现了汗腺3D形态随温度变化的细微变化的可视化和量化。我们的方法为正常汗腺形态建立了基准，提供了一种实时、非侵入性的工具，用于量化3D结构参数。这一能力使得研究个体变异性和病理性变更在皮肤结构方面成为可能，推动了皮肤科学研究和临床应用的发展，包括热调节和汗臭治疗。
引用
@article{arxiv.2504.17255,
title = {3D Deep-learning-based Segmentation of Human Skin Sweat Glands and Their 3D Morphological Response to Temperature Variations},
author = {Shaoyu Pei and Renxiong Wu and Hao Zheng and Lang Qin and Shuaichen Lin and Yuxing Gan and Wenjing Huang and Zhixuan Wang and Mohan Qin and Yong Liu and Guangming Ni},
journal= {arXiv preprint arXiv:2504.17255},
year = {2025}
}