帖子
勛章
關(guān)注
任務(wù)
上海光機(jī)所在光學(xué)相干斷層掃描技術(shù)研究上取得進(jìn)展 近期，中科院上海光機(jī)所高端光電裝備部研究團(tuán)隊(duì)在醫(yī)學(xué)圖像處理領(lǐng)域取得重要突破。相關(guān)研究成果以“TranSegNet: Hybrid CNN-Vision Transformers Encoder for Retina Segmentation of Optical Coherence Tomography”為題發(fā)表于LIFE-BASEL。 OCT技術(shù)憑借非侵入、高分辨的優(yōu)勢(shì)，成為眼科疾病檢測(cè)的“金標(biāo)準(zhǔn)”。然而，視網(wǎng)膜層及病灶的精準(zhǔn)分割面臨巨大挑戰(zhàn)：圖像噪點(diǎn)、血管陰影、病理結(jié)構(gòu)形態(tài)差異等均可能影響傳統(tǒng)算法性能。手動(dòng)標(biāo)注依賴(lài)專(zhuān)家經(jīng)驗(yàn)，耗時(shí)長(zhǎng)且主觀(guān)性強(qiáng)。既往基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的模型雖取得進(jìn)展，但局部感受野限制導(dǎo)致全局特征建模不足。 TranSegNet通過(guò)深度融合卷積神經(jīng)網(wǎng)絡(luò)（CNN）與Vision Transformer（ViT）的優(yōu)勢(shì)，構(gòu)建了獨(dú)特的混合編碼架構(gòu)。以輕量化的改進(jìn)型U-Net骨干網(wǎng)絡(luò)為基礎(chǔ)，其通過(guò)多尺度分層卷積精準(zhǔn)捕獲局部視網(wǎng)膜紋理特征，同時(shí)引入全局注意力機(jī)制，利用輕量化ViT模塊中的多頭卷積注意力層，突破傳統(tǒng)CNN的局部感受野限制，有效建模視網(wǎng)膜層間復(fù)雜的長(zhǎng)程空間依賴(lài)關(guān)系。通過(guò)端到端輕量化設(shè)計(jì)，模型在不依賴(lài)預(yù)訓(xùn)練的前提下，以56%的參數(shù)量縮減與每秒15幀的實(shí)時(shí)處理速度（NVIDIA RTX3070），實(shí)現(xiàn)視網(wǎng)膜層邊界分割誤差降低至5.29微米，并在黃斑積液等不規(guī)則病灶識(shí)別中表現(xiàn)出超越主流模型的魯棒性，為臨床高精度自動(dòng)診斷提供了高效、可靠的解決方案。  圖1.數(shù)據(jù)集A（a-c）和數(shù)據(jù)集B（d-f）的視網(wǎng)膜OCT圖像及標(biāo)注說(shuō)明  圖2.（a）TranSegNet整體網(wǎng)絡(luò)結(jié)構(gòu) （b）Transformer層結(jié)構(gòu)設(shè)計(jì) 該模型已成功應(yīng)用于實(shí)驗(yàn)室自建SD-OCT系統(tǒng)及美國(guó)杜克大學(xué)公開(kāi)數(shù)據(jù)集，可精準(zhǔn)分割視網(wǎng)膜8層結(jié)構(gòu)及積液區(qū)域，生成定量化厚度圖譜，為早期青光眼、糖尿病視網(wǎng)膜病變的篩查提供自動(dòng)化工具。研究團(tuán)隊(duì)表示，TranSegNet的輕量化特性適配邊緣計(jì)算設(shè)備，未來(lái)將結(jié)合移動(dòng)OCT設(shè)備實(shí)現(xiàn)基層醫(yī)療場(chǎng)景的快速診斷。 相關(guān)鏈接：https://doi.org/10.3390/life13040976 |
