基于实例分割神经网络的人眼视网膜图像鲁棒半自动血管追踪
图像与视频处理
2024-02-16 v1 人工智能
计算机视觉与模式识别
摘要
血管系统的形态与层级对于支持代谢的灌注至关重要。在人眼视网膜这一能量需求最高的器官之一中，视网膜循环通过从视神经头 (ONH) 发出并重新汇合的复杂血管网络滋养整个内层视网膜。因此，追踪从 ONH 贯穿血管树的血管分支可以阐明血管层级并允许详细的形态量化，但这仍然是一项具有挑战性的任务。在此，我们提出了一种新颖的方法，利用实例分割神经网络 (InSegNN) 在人眼眼底图像上实现鲁棒的半自动血管追踪算法。与语义分割不同，InSegNN 能够单独分离并标记不同的血管树，从而实现对每棵血管树及其分支的完整追踪。我们内置了三种策略以提高鲁棒性和准确性：时序学习、空间多重采样和动态概率图。我们实现了 83% 的特异性，并且在对称最佳 Dice 系数 (SBD) 上相比文献结果提升了 50%，性能优于基线 U-net。我们展示了从眼底图像追踪单个血管树的能力，同时保留了血管层级信息。InSegNN 为后续分析与视网膜疾病相关的血管形态铺平了道路。
引用
@article{arxiv.2402.10055,
title = {Robust semi-automatic vessel tracing in the human retinal image by an instance segmentation neural network},
author = {Siyi Chen and Amir H. Kashani and Ji Yi},
journal= {arXiv preprint arXiv:2402.10055},
year = {2024}
}