基于正常解剖先验和注意力门控的Prior-AttUNet用于视网膜OCT流体分割
计算机视觉与模式识别
2025-12-29 v1
摘要
准确分割黄斑水肿——视网膜疾病如年龄相关性黄斌变性和糖尿病性黄斌水肿的标志性病理特征——对于临床诊断和管理至关重要。为克服在光学相干断层扫描（OCT）图像中分割流体区域的挑战——尤其是边界模糊和跨设备异质性——本研究引入Prior-AttUNet，一种集成生成解剖先验的分割模型。该框架采用混合双路径体系结构，将生成先验路径与分割网络集成。变分自编码器提供多尺度规范解剖先验，而分割主干集成密集连接块和空间金字塔池化模块以捕获更丰富的上下文信息。此外，本研究提出一种新型三重注意力机制，由解剖先验引导，在解码阶段动态调制特征重要性，显著增强边界描绘。评估于公开的RETOUCH基准数据集，Prior-AttUNet在三个OCT成像设备（Cirrus、Spectralis和Topcon）上实现优异性能，分别达到93.93%、95.18%和93.47%的平均Dice相似系数。该模型保持低计算成本（0.37 TFLOPs），在分割精度与推理效率之间实现有效平衡。这些结果表明其作为自动化临床分析工具的潜力巨大。
引用
@article{arxiv.2512.21693,
title = {Prior-AttUNet: Retinal OCT Fluid Segmentation Based on Normal Anatomical Priors and Attention Gating},
author = {Li Yang and Yuting Liu},
journal= {arXiv preprint arXiv:2512.21693},
year = {2025}
}