基于RAU-net的视网膜OCT图像快速自动分层研究

• 作者: 曾兴晖 许祥丛 李晓 王茗祎 钟俊平 熊红莲
• 来源期刊: 华南师范大学学报（自然科学版）
• 关键词: 视网膜层分割 残差块 注意力门 U-net 图像搜索
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 物理学与光学工程|Physics & Optical Engineering
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP751
• 语种: 中文
• DOI: 10.6054/j.jscnun.2021019

摘要

利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块结构和注意力门结构,残差块结构在构建更深的网络、获取高级特征的同时,有效避免了梯度消失和梯度爆炸问题,注意力门结构突出了模型对视网膜图像重要特征的学习.由模型预测后得到的分割结果获取9条边界的感兴趣区域,然后运用图像搜索对分层图像进行边界优化,得到精确的视网膜分层图像.结果表明:该RAU-net算法与手动分层的误差约为1像素,且完成1帧OCT视网膜图像的分层只需要4 s.通过RAU-net与图像搜索相结合的方法为视网膜疾病的临床诊断和治疗提供了快速准确的定量分析方法.