轻量级视网膜层分割带全局推理

自动化视网膜层分割医学图像（如光学相干断层扫描（OCT）图像）是诊断眼科疾病的重要工具。然而，由于图像中呈现出的低对比度和血流噪声，实现准确分割仍具挑战性。此外，算法应具备轻量级，以便于在实际临床应用中部署。因此，设计一种高性能的轻量级网络用于视网膜层分割备受期待。本文提出了用于视网膜层分割的LightReSeg，可应用于OCT图像。具体而言，我们的方法遵循编码器-解码器结构，其中编码器部分采用多尺度特征提取和Transformer模块，以充分利用所有尺度上特征图的语义信息，并使特征具备更好的全局推理能力；而解码器部分，我们设计了多尺度非对称注意力（MAA）模块，用于保留每个编码器尺度上的语义信息。实验表明，我们的方法在我们收集的数据集以及两个公开数据集上，相较于当前最先进的方法TransUnet（参数数为1.057亿），仅使用330万参数即可实现更好的分割性能。