基于混合二维-三维网络同步对齐与表面回归的视网膜OCT图像三维连贯层分割
图像与视频处理
2022-03-07 v1 计算机视觉与模式识别
摘要
视网膜层的自动表面分割在光学相干断层扫描（OCT）分析中具有重要性且富有挑战性。近年来，许多基于深度学习的方法被开发用于此任务并取得了显著性能。然而，由于OCT数据的B扫描之间存在较大的空间间隔和潜在错位，现有方法均基于单个B扫描的二维分割，可能丢失跨B扫描的连续性信息。此外，视网膜层的三维表面能够提供更丰富的诊断信息，这在定量图像分析中至关重要。本研究提出一种基于混合二维-三维卷积神经网络（CNNs）的新框架，从OCT中获取连续的视网膜层三维表面。单个B扫描的二维特征由包含二维卷积的编码器提取。这些二维特征随后通过两个由空间变换器模块耦合的三维解码器用于生成对齐位移场和层分割。整个框架以端到端方式训练。据我们所知，这是首个基于CNNs在体OCT图像中尝试三维视网膜层分割的研究。在公开数据集上的实验表明，我们的框架在层分割精度和跨B扫描三维连续性方面均优于最先进的二维方法，从而比以往工作提供更多的临床价值。
引用
@article{arxiv.2203.02390,
title = {Simultaneous Alignment and Surface Regression Using Hybrid 2D-3D Networks for 3D Coherent Layer Segmentation of Retina OCT Images},
author = {Hong Liu and Dong Wei and Donghuan Lu and Yuexiang Li and Kai Ma and Liansheng Wang and Yefeng Zheng},
journal= {arXiv preprint arXiv:2203.02390},
year = {2022}
}
备注
Presented at MICCAI 2021