结合解剖学先验与不确定性量化的 AMD 视网膜 OCT 中 Bruch 膜分割
图像与视频处理
2022-11-01 v2 计算机视觉与模式识别
摘要
在光学相干断层扫描（OCT）上进行 Bruch 膜（BM）分割是诊断和随访年龄相关性黄斑变性（AMD）的关键步骤，而 AMD 是发达国家致盲的主要原因之一。目前已存在自动化的 BM 分割方法，但它们通常不考虑结果在解剖学上的一致性，也不提供关于预测置信度的反馈。这些因素限制了此类系统在真实世界场景中的适用性。考虑到这一点，我们提出了一种用于 AMD 患者自动化 BM 分割的端到端深度学习方法。我们训练了一个 Attention U-Net 来输出 BM 位置的概率密度函数，同时兼顾了该表面的自然曲率。除了表面位置外，该方法还估计了分割输出的逐 A-scan 不确定性度量。随后，使用薄板样条（TPS）对具有高不确定性的 A-scan 进行插值。我们在包含涵盖所有三个 AMD 阶段的 138 名患者的内部数据集上通过消融实验测试了该方法，并实现了 4.10 um 的平均绝对定位误差。此外，将所提分割方法与最先进的方法进行了比较，在来自不同患者队列和 OCT 设备的外部公开可用数据集上表现出优越的性能，展示了强大的泛化能力。
引用
@article{arxiv.2210.14799,
title = {Segmentation of Bruch's Membrane in retinal OCT with AMD using anatomical priors and uncertainty quantification},
author = {Botond Fazekas and Dmitrii Lachinov and Guilherme Aresta and Julia Mai and Ursula Schmidt-Erfurth and Hrvoje Bogunovic},
journal= {arXiv preprint arXiv:2210.14799},
year = {2022}
}