论文标题:IPN-V2 and OCTA-500: Methodology and Dataset for Retinal Image Segmentation 论文链接:https://arxiv.org/abs/2012.07261 代码链接:https://github.com/chaosallen/IPNV2_pytorch 作者单位:南京理工大学, 南京医科大学第一附属医院
本文提出视网膜血管新网络:IPN-V2,性能优于UNet 3+等网络,并提出了一个新的多模态数据集,称为OCTA-500,超过360K图像,约为80GB,据称这是目前最大的OCTA数据集。代码和数据集现已开源!
光学相干断层扫描血管造影(OCTA)是一种新颖的成像方式,可实现微米级分辨率来呈现视网膜血管的三维结构。在我们以前的工作中,提出了一种3D到2D图像投影网络(IPN),用于OCTA图像中的视网膜血管(RV)和小凹性无血管区(FAZ)分割。其优点之一是分割结果直接来自原始volumes,而无需使用任何投影图像和视网膜层分割。在这项工作中,我们提出了图像投影网络V2(IPN-V2),通过添加平面感知器来扩展IPN,以增强水平方向的感知器能力。我们还提出IPN-V2+,作为IPN-V2的补充,通过引入全局再训练过程来克服“棋盘效应”。此外,我们提出了一个新的多模态数据集,称为OCTA-500。它包含500个主题,具有两种视场(FOV)类型,包括OCT和OCTA卷,六种类型的投影,四种类型的文本标签和两种类型的像素级标签。数据集包含超过360K图像,大小约为80GB。据我们所知,它是目前最大的OCTA数据集,具有丰富的信息。最后,我们对OCTA-500数据集上IPN-V2的性能进行了彻底的评估。实验结果表明,我们提出的IPN-V2在RV分割和FAZ分割方面比IPN和其他深度学习方法表现更好。
内容中包含的图片若涉及版权问题,请及时与我们联系删除
评论
沙发等你来抢