融合CNN与Transformer的视网膜OCT图像积液分割方法OA

针对积液区域尺寸小、形状异质、细节模糊等问题,文中将卷积神经网络(Convolutional Neural Networks,CNN)和Transformer相融合,提出了一种创新的多分支分割网络。该网络包括全卷积路径、Transformer路径和CNN-Transformer融合路径3个关键路径。全卷积路径用于捕获病变区域的细节特征,Transformer路径提取了具有长范围依赖的多尺度非局部特征信息。融合路径同时利用了CNN和Transformer的优势弥补其他分支的不足之处,通过预测头整合3个分支的特征生成最终的分割图。在Kermany数据集、UMN数据集和DUKE数据集上针对视网膜内积液和视网膜下积液进行了视网膜积液分割性能测试。实验结果表明,所提方法的Dice系数为86.63%,交并比为77.02%,灵敏度为89.47%,精确度为85.51%,证明了其有效性,为视网膜积液自动分割问题提供了一种可行的解决方案。