Page 472 - 《软件学报》2024年第6期

3048 软件学报 2024 年第 35 卷第 6 期

(a) Original image (b) DCNN-GS segmentation (c) MCNN-GS segmentation

(d) U-Net-GS segmentation (e) Manual segmentation (f) AGR-Net-GS segmentation
图 9 在数据集 2 上与已有方法的分割效果的比较

专家标注

ARG-Net-GS

(b) 数据集 2
(a) 数据集 1
图 10 数据集 1 和数据集 2 中视网膜病变病例的分割结果图

4 总 结

针对 OCT 视网膜层边界分割问题, 本文提出了一种新颖的“由粗到细”的基于注意力全局残差网络和图搜索
的分割方法. 该方法包括基于端到端深度神经网络的粗分割和基于图搜索的细分割两个阶段. 具体地, 首先设计了
一个全局特征模块并将其嵌入残差网络中以获取全局特征信息. 其次, 在主干网络中融入注意力机制捕获 OCT 图
像中的目标信息. 最后, 采用图搜索方法去除网络粗分割结果其中的孤立区域和填充孔洞, 得到更精细的分割结
果. 实验结果表明本文方法在两个主流的公开数据集上都取得了最佳的分割效果, 数值结果和视觉效果均优于目
前的 OCT 视网膜层边界分割方法.

References:
[1] Fercher AF, Hitzenberger C, Juchem M. Measurement of intraocular optical distances using partially coherent laser light. Journal of
Modern Optics, 1991, 38(7): 1327–1333. [doi: 10.1080/09500349114551491]
[2] Li M, Landahl S, East AR, Verboven P, Terry LA. Optical coherence tomography—A review of the opportunities and challenges for
postharvest quality evaluation. Postharvest Biology and Technology, 2019, 150: 9–18. [doi: 10.1016/j.postharvbio.2018.12.005]
[3] Tearney GJ, Brezinski ME, Bouma BE, Boppart SA, Pitris C, Southern JF, Fujimoto JG. in vivo endoscopic optical biopsy with optical
coherence tomography. Science, 1997, 276(5321): 2037–2039. [doi: 10.1126/science.276.5321.2037]