Polar-Net:一种用于OCTA图像中阿尔茨海默病检测的临床友好模型
图像与视频处理
2023-11-13 v1 计算机视觉与模式识别
摘要
光学相干断层扫描血管成像(OCTA)是一种通过成像视网膜微血管来检测阿尔茨海默病(AD)的有前景的工具。眼科医生通常使用基于区域的分析(如ETDRS网格)来研究OCTA图像生物标志物并理解其与AD的关联。然而,现有研究使用了通用深度计算机视觉方法,在提供可解释结果和利用临床先验知识方面存在挑战。为应对这些挑战,我们提出了一种称为Polar-Net的新型深度学习框架。我们的方法将OCTA图像从笛卡尔坐标映射到极坐标,从而可使用近似扇形卷积并实现临床实践中常用的基于ETDRS网格的区域分析方法。此外,Polar-Net将各扇形区域的临床先验信息融入训练过程,进一步提升了性能。另外,我们的框架自适应获取相应视网膜区域的重要性,帮助研究人员和临床医生理解模型检测AD的决策过程并评估其与临床观察的一致性。通过在私有和公共数据集上的评估,我们证明了Polar-Net优于现有最先进(state-of-the-art)方法,并为视网膜血管变化与AD的关联提供了更有价值的病理证据。此外,我们还展示了框架中引入的两个创新模块对提升整体性能具有显著影响。
引用
@article{arxiv.2311.06009,
title = {Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images},
author = {Shouyue Liu and Jinkui Hao and Yanwu Xu and Huazhu Fu and Xinyu Guo and Jiang Liu and Yalin Zheng and Yonghuai Liu and Jiong Zhang and Yitian Zhao},
journal= {arXiv preprint arXiv:2311.06009},
year = {2023}
}
备注
Accepted by MICCAI2023