AV-Net：用于光学相干断层扫描血管成像中全自动动静脉分类的深度学习
图像与视频处理
2020-06-09 v1 定量方法
摘要
本研究旨在展示用于光学相干断层扫描血管成像（OCTA）中自动化动静脉（AV）分类的深度学习。AV-Net 是一种基于改进 U 形 CNN 架构的全卷积网络（FCN），它结合 enface OCT 与 OCTA 来区分动脉和静脉。在多模态训练过程中，enface OCT 作为近红外眼底图像提供血管强度剖面，而 OCTA 包含血流强度和血管几何特征。还集成了迁移学习过程，以弥补 OCTA 这一相对较新成像模态可用数据集规模的限制。通过提供 86.75% 的平均准确率，AV-Net 有望成为一个全自动平台，以促进 OCTA 中差异化 AV 分析的临床部署。
引用
@article{arxiv.2006.03742,
title = {AV-Net: Deep learning for fully automated artery-vein classification in optical coherence tomography angiography},
author = {Minhaj Alam and David Le and Taeyoon Son and Jennifer I. Lim and Xincheng Yao},
journal= {arXiv preprint arXiv:2006.03742},
year = {2020}
}