深度学习实现从单次 OCT 体数据提取毛细血管级血管造影图像
医学物理
2019-10-15 v2 图像与视频处理
摘要
光学相干断层扫描血管造影（OCTA）在眼科领域引起了广泛关注。然而，其数据采集耗时较长，因为它基于时间去相关原理，因此需要多次重复的体数据 OCT 扫描。本文中，我们开发了一种深度学习算法，将中央凹注意力机制与残差神经网络相结合，能够直接从单次 OCT 扫描中提取毛细血管级血管造影图像。内界膜和外界膜层的分割结果以及中央 mm 中央凹视场被用于该中央凹注意力机制。因此，在网络的训练过程中，大视网膜血管和脉络膜血管对毛细血管提取的影响可被最小化。结果表明，所提算法比现有使用 U-Net 架构的工作能更好地可视化中央凹无血管区周围的毛细血管。
引用
@article{arxiv.1906.07091,
title = {Deep learning enables extraction of capillary-level angiograms from single OCT volume},
author = {Jianlong Yang and Peng Liu and Lixin Duan and Yan Hu and Jiang Liu},
journal= {arXiv preprint arXiv:1906.07091},
year = {2019}
}
备注
Accepted for oral presentation at SPIE BiOS 2020