FunduSegmenter：利用 RETFound 基础模型实现视网膜底图中视盘与视杯的联合分割
计算机视觉与模式识别
2026-05-21 v3 人工智能
机器学习
摘要
目的：本研究首次将 RETFound 应用于视盘（OD）和视杯（OC）的联合分割。RETFound 是为眼底相机和光学相干断层扫描图像开发的著名基础模型，已在疾病诊断中显示出良好的性能。方法：我们提出 FunduSegmenter，一种将一系列新模块与 RETFound 集成的模型，包括 Pre-adapter、Decoder、Post-adapter、带有卷积块注意力模块和视觉转换器块适配器的跳过连接。该模型在专有数据集 GoDARTS 以及四个公开数据集 IDRiD、Drishti-GS、RIM-ONE-r3 和 REFUGE 上进行了内部验证、外部验证和域泛化实验。结果：在内部验证中，平均 Dice 相似系数达到 90.51%，优于所有基线方法，其中 nnU-Net 为 82.91%，DUNet 为 89.17%，TransUNet 为 87.91%。在所有外部验证实验中，平均结果约比最佳基线高出约 3%，该模型在域泛化实验中也表现出竞争力。结论：本研究探索了 RETFound 在眼底图中实现 OD 和 OC 分割的潜在潜在表示。FunduSegmenter 总体上优于最先进的基线方法。该提出的模块是通用的，可扩展到微调其他基础模型。翻译相关性：该模型在分布内和分布外数据上表现出强大的稳定性和泛化能力，为从准确的视网膜坐标到生物标志物发现等自动化任务提供了稳定的 OD 和 OC 分割。这是一个重要的步骤。代码和训练好的权重可在 https://github.com/JusticeZzy/FunduSegmenter 获取。
引用
@article{arxiv.2508.11354,
title = {FunduSegmenter: Leveraging the RETFound Foundation Model for Joint Optic Disc and Optic Cup Segmentation in Retinal Fundus Images},
author = {Zhenyi Zhao and Muthu Rama Krishnan Mookiah and Emanuele Trucco},
journal= {arXiv preprint arXiv:2508.11354},
year = {2026}
}