基于 GAN 的 Optical Coherence Tomography 扫描中视网膜层超分辨率与分割
图像与视频处理
2022-06-29 v1 计算机视觉与模式识别
摘要
在本文中，我们设计了一种基于生成对抗网络（GAN）的解决方案，用于光学相干断层扫描（OCT）中视网膜层的超分辨率与分割。OCT 已被确定为一种非侵入且廉价的成像方式，用于发现神经退行性疾病（如阿尔茨海默病（AD））诊断和进展判定的潜在生物标志物。当前的假设认为，可在 OCT 扫描中分析的视网膜层厚度可以是有效的生物标志物。作为合乎逻辑的第一步，本工作集中于视网膜层分割这一挑战性任务，以及为提高清晰度和准确性的超分辨率。我们提出了一种基于 GAN 的分割模型，并评估在 GAN 架构中引入流行网络（即 U-Net 和 ResNet）以及额外的转置卷积和子像素卷积块，以将 OCT 图像从低分辨率按四倍因子放大到高分辨率。我们还引入 Dice 损失作为额外的重建损失项，以改善该联合优化任务的性能。我们的最佳模型配置在经验上实现了 0.867 的 Dice 系数和 0.765 的 mIOU。
引用
@article{arxiv.2206.13740,
title = {GAN-based Super-Resolution and Segmentation of Retinal Layers in Optical coherence tomography Scans},
author = {Paria Jeihouni and Omid Dehzangi and Annahita Amireskandari and Ali Rezai and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2206.13740},
year = {2022}
}
备注
5 pages,7 figures