基于 OCTA 的血管感知深度学习 AMD 检测
计算机视觉与模式识别
2026-03-10 v1
摘要
年龄相关性黄斑变性 (AMD) 由早期微血管改变引起，可通过光学相干层析血管造影 (OCTA) 无创捕获，但大多数深度学习 (DL) 模型依赖全局特征，未充分利用临床有意义的血管生物标志物。我们引入外部乘性注意力框架，融合来自动脉、静脉和毛细血管的血管特异扭曲图和血管衰竭图。这类生物标志物由血管分割生成，并在多个空间尺度上平滑，以突出血管重塑和毛细血管稀疏化的连贯模式。扭曲反映与受损自调节功能相关的血管几何异常，而衰竭图捕捉于结构性视网膜损伤之前的局部灌注缺失。这些图与 OCTA 投影融合，以引导深度分类器聚焦于生理学相关区域。动脉扭曲提供了最一致的判别价值，而毛细血管衰竭图在基于密度的变体中表现最佳，尤其在较大的平滑尺度下。我们的方法提供了与已知 AMD 病理学一致的可解释性洞察。
引用
@article{arxiv.2603.06735,
title = {Vessel-Aware Deep Learning for OCTA-Based Detection of AMD},
author = {Margalit G. Mitzner and Moinak Bhattacharya and Zhilin Zou and Chao Chen and Prateek Prasanna},
journal= {arXiv preprint arXiv:2603.06735},
year = {2026}
}