基于知识注入深度学习的OCT脉络膜自动分割与可视化
图像与视频处理
2020-09-09 v2
摘要
脉络膜为外层视网膜提供氧气和营养，因此与多种眼病的病理相关。光学相干断层扫描(OCT)在活体可视化和量化脉络膜方面具有优势。(1) OCT中脉络膜下边界（脉络膜-巩膜界面）模糊，导致自动分割困难且不精确。(2) 脉络膜的可视化受到来自内视网膜浅层的血管阴影的阻碍。本文中，我们提出将医学与成像先验知识与深度学习结合以解决这两个问题。我们提出一种生物标志物注入的全局到局部网络用于脉络膜分割。它利用临床中的主要生物标志物脉络膜厚度作为约束以提高分割精度。我们还在脉络膜分割中设计了全局到局部策略：全局模块用于同时分割所有视网膜与脉络膜层以抑制过拟合并提供全局结构信息，随后局部模块利用生物标志物注入细化分割。为消除视网膜血管阴影，我们提出一个流程：首先利用解剖与OCT成像知识通过其于视网膜色素上皮层上的投影定位阴影，随后用边到纹理生成对抗修复网络预测阴影位置的脉络膜血管内容。实验表明我们的方法在分割与阴影消除任务上均优于现有方法。我们进一步将所提方法应用于一项临床前瞻性研究，通过检测与眼压升高相关的脉络膜结构与血管变化来理解青光眼病理。
引用
@article{arxiv.2002.04712,
title = {Automatic Segmentation and Visualization of Choroid in OCT with Knowledge Infused Deep Learning},
author = {Huihong Zhang and Jianlong Yang and Kang Zhou and Fei Li and Yan Hu and Yitian Zhao and Ce Zheng and Xiulan Zhang and Jiang Liu},
journal= {arXiv preprint arXiv:2002.04712},
year = {2020}
}
备注
14 pages. This version has been accepted for publication in the IEEE Journal of Biomedical and Health Informatics (J-BHI)