基于 2.5D 跨切片特征融合模块的 OCT 图像视网膜层分割用于青光眼评估
计算机视觉与模式识别
2026-03-26 v1
摘要
为了实现对青光眼的准确诊断与监测，可靠的 OCT 图像视网膜层分割至关重要。然而，现有的 2D 分割方法常因缺乏相邻 B 扫描之间上下文信息而导致切片间不一致。3D 分割方法在捕获切片间上下文方面更优，但需要昂贵的计算资源。为此，本文提出一种 2.5D 分割框架，将一种新颖的跨切片特征融合 (Cross-slice Feature Fusion, CFF) 模块集成到类似 U-Net 的架构中。CFF 模块融合跨切片特征，有效捕获上下文信息，从而实现跨切片一致的边界检测并在噪声区域提升鲁棒性。该框架在临床数据集和公开可用的 DUKE DME 数据集上均通过验证。与不含 CFF 模块的其他分割方法相比，所提方法实现了平均绝对距离降低 8.56% 和均方根误差降低 13.92%，显示出 improved 分割精度和鲁棒性。总体而言，所提 2.5D 框架在上下文感知与计算效率之间取得了平衡，为自动化青光眼评估及潜在的临床应用实现了解剖学可靠的视网膜层描绘。
引用
@article{arxiv.2603.24115,
title = {Retinal Layer Segmentation in OCT Images With 2.5D Cross-slice Feature Fusion Module for Glaucoma Assessment},
author = {Hyunwoo Kim and Heesuk Kim and Wungrak Choi and Jae-Sang Hyun},
journal= {arXiv preprint arXiv:2603.24115},
year = {2026}
}