Opto-UNet：用于光学相干断层扫描中静脉曲张分割的优化 UNet
图像与视频处理
2023-03-22 v2 计算机视觉与模式识别
机器学习
摘要
人体静脉负责将血液从身体各部分输送回心脏。人体静脉功能异常可能由若干静脉疾病引起。静脉曲张即这样一种疾病，其中可发生血液回流，常因静脉结构改变导致静脉压升高或血流受限。为检查静脉曲张的功能特征，研究静脉的物理与生物力学特性至关重要。本工作提出一种分割模型 Opto-UNet，用于分割静脉壁结构。采用光学相干断层扫描系统获取静脉曲张图像。由于提取的静脉形状不均，因此需要恰当的分割方法以分割静脉壁。Opto-UNet 模型基于 U-Net 架构，其中在架构中集成了一个新模块，采用空洞可分离卷积提取空间大范围与可分离特征图以获得先进性能。此外，深度可分离卷积通过优化参数数量显著降低了网络复杂度。该模型使用 854 万参数实现了 0.9830 的准确率、0.8425 的灵敏度与 0.9980 的特异度。这些结果表明，该模型在降低复杂度的同时能充分分割静脉曲张壁而不损害分割质量。
引用
@article{arxiv.2302.14808,
title = {Opto-UNet: Optimized UNet for Segmentation of Varicose Veins in Optical Coherence Tomography},
author = {Maryam Viqar and Violeta Madjarova and Vipul Baghel and Elena Stoykova},
journal= {arXiv preprint arXiv:2302.14808},
year = {2023}
}