超广角OCT图像眼底脉络膜层METransUNet分割网络模型OA

现有眼底脉络膜层分割模型是以传统OCT图像为训练对象,应用于超广角OCT图像分割时易产生伪影及边缘振荡,同时存在边缘特征提取与全局建模能力不足等问题。为了提高超广角OCT图像的分割精度,聚焦超广角OCT眼底图像,基于TransUNet构建一种多尺度、边缘增强型METransUNet脉络膜层分割模型。该模型在跳跃连接中引入边缘增强模块EEM,强化超广角OCT特征图的边缘和纹理表达,并于解码器中融合了注意力融合模块AIM,充分利用多尺度特征信息。在自建的D-choroid数据集下进行实验,结果表明,在该数据集下METransUNet模型的ACC值为0.9930,Dice值为0.9114,IOU值为0.8372,证明该模型可为超广角OCT下脉络膜相关眼病智能辅助诊断提供有效技术支撑。最后,搭建了一套采集、推理、结果输出一体化的超广角OCT影像分析系统,以完成模型工程化架构设计,可推动模型临床应用。