Khái niệm cốt lõi
Das vorgeschlagene RRWNet-Rahmenwerk nutzt einen rekursiven Ansatz, um Segmentierungskarten von Netzhautarterien und -venen iterativ zu verfeinern und dabei systematische Klassifizierungsfehler zu korrigieren.
Tóm tắt
Die Studie präsentiert ein neuartiges End-to-End-Deep-Learning-Rahmenwerk namens RRWNet zur Segmentierung und Klassifizierung von Netzhautarterien und -venen. Das Rahmenwerk besteht aus zwei spezialisierten Teilnetzen: einem Basis-Teilnetz, das erste Segmentierungskarten erstellt, und einem rekursiven Verfeinerungsteilnetz, das diese Karten iterativ verfeinert, um systematische Klassifizierungsfehler zu korrigieren.
Die Evaluierung auf drei öffentlichen Datensätzen zeigt, dass RRWNet den aktuellen Stand der Technik übertrifft, indem es topologisch konsistentere Segmentierungskarten mit weniger offensichtlichen Klassifizierungsfehlern erzeugt. Darüber hinaus erweist sich das rekursive Verfeinerungsteilnetz als effektive Nachbearbeitungstechnik, die die Klassifizierungsgenauigkeit und topologische Konsistenz von Segmentierungskarten anderer Methoden deutlich verbessert.
Thống kê
Die Verteilung der Pixel auf die verschiedenen Klassen in den Datensätzen beträgt:
RITE: Hintergrund 87,52%, Gefäße 12,48% (davon 5,19% Arterien, 6,37% Venen, 0,32% Kreuzungen, 0,60% unsicher)
LES-AV: Hintergrund 90,50%, Gefäße 9,50% (davon 4,28% Arterien, 4,81% Venen, 0,14% Kreuzungen, 0,27% unsicher)
HRF: Hintergrund 89,88%, Gefäße 10,12% (davon 4,49% Arterien, 5,19% Venen, 0,26% Kreuzungen, 0,18% unsicher)
Trích dẫn
Keine relevanten Zitate identifiziert.