LIFE:一种可泛化的三维OCT-A血管分割自学习流程
图像与视频处理
2021-07-12 v1 计算机视觉与模式识别
摘要
光学相干断层扫描(OCT)是一种广泛用于眼科的非侵入性成像技术。它可扩展为OCT血管成像(OCT-A),以更高对比度揭示视网膜血管系统。近期深度学习算法取得了有前景的血管分割结果;然而,由于缺乏人工标注的训练数据,三维视网膜血管分割仍十分困难。我们提出一种仅由名为局部强度融合(LIF)的自合成模态监督的基于学习的方法。LIF是直接从输入OCT-A计算得到的毛细血管增强体数据。我们随后构建局部强度融合编码器(LIFE),将给定OCT-A体数据及其LIF对应体数据映射到共享潜空间。LIFE的潜空间与输入数据维度相同,并包含两种模态共有的特征。通过对该潜空间二值化,我们得到体数据血管分割。我们的方法在一个人眼黄斑OCT-A和三个带人工标注的斑马鱼OCT-A体数据上进行了评估,在人眼数据上取得0.7736的Dice分数,在斑马鱼数据上取得0.8594 ± 0.0275的Dice分数,较现有无监督算法有显著提升。
引用
@article{arxiv.2107.04282,
title = {LIFE: A Generalizable Autodidactic Pipeline for 3D OCT-A Vessel Segmentation},
author = {Dewei Hu and Can Cui and Hao Li and Kathleen E. Larson and Yuankai K. Tao and Ipek Oguz},
journal= {arXiv preprint arXiv:2107.04282},
year = {2021}
}
备注
Accepted by International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) 2021