FunduSAM：用于增强视网膜盘和盘凹分割的专用深度学习模型
计算机视觉与模式识别
2025-02-11 v1 信息检索
摘要
Segment Anything Model (SAM) 因其在各种领域中的强大泛化能力而广受欢迎，作为通用图像分割方法。然而，当应用于视网膜盘 (OD) 和视盘 (OC) 分割任务时，SAM 因视网膜图像中复杂结构、低对比度和模糊边界的问题，表现不佳。为克服这些挑战，本文引入了 FunduSAM 模型，通过在 SAM 中嵌入多个适配器，构建一个专为 OD 和 OC 分割设计的深度网络。FunduSAM 在编码器之后将适配器嵌入到每个转换器块中进行参数微调 (Parameter-Efficient Fine-Tuning, PEFT)。它通过设计卷积块注意力模块 (Convolutional Block Attention Module, CBAM)，增强 SAM 的特征提取能力，解决边界模糊和对比度低的问题。鉴于 OD 和 OC 分割的独特需求，采用极坐标变换将原始视网膜 OD 图像转换为更适合训练和评估 FunduSAM 的格式。采用联合损失函数，以保持 OD 和 OC 之间的结构关联，实现精确分割。在由 1,200 张视网膜图像组成的 REFUGE 数据集上进行的大量实验表明，FunduSAM 的性能优于五种主流方法。
引用
@article{arxiv.2502.06220,
title = {FunduSAM: A Specialized Deep Learning Model for Enhanced Optic Disc and Cup Segmentation in Fundus Images},
author = {Jinchen Yu and Yongwei Nie and Fei Qi and Wenxiong Liao and Hongmin Cai},
journal= {arXiv preprint arXiv:2502.06220},
year = {2025}
}