OCTAMamba: A State-Space Model Approach for Precision OCTA Vasculature Segmentation

要約

光干渉断層撮影血管造影 (OCTA) は、網膜血管構造を視覚化し、糖尿病性網膜症や緑内障などの眼疾患を診断するための重要な画像技術です。
ただし、OCTA 血管構造の正確なセグメンテーションは、マルチスケールの血管構造と、画質の悪さや目の病変によるノイズのため、依然として困難です。
この研究では、OCTA の血管系を正確にセグメント化するように設計された、Mamba アーキテクチャに基づく新しい U 字型ネットワークである OCTAMamba を提案しました。
OCTAMamba は、局所特徴抽出のための Quad Stream Efficient Mining Embedding モジュール、マルチスケール血管構造をキャプチャするためのマルチスケール拡張非対称畳み込みモジュール、およびノイズをフィルタリングしてターゲット領域を強調表示するための集中特徴再キャリブレーション モジュールを統合しています。
私たちの方法は、線形の複雑さを維持しながら効率的なグローバルモデリングと局所特徴抽出を実現し、低計算の医療アプリケーションに適しています。
OCTA 3M、OCTA 6M、および ROSSA データセットに関する広範な実験により、OCTAMamba が最先端の手法を上回るパフォーマンスを示し、効率的な OCTA セグメンテーションのための新しいリファレンスを提供することが実証されました。
コードは https://github.com/zs1314/OCTAMamba で入手できます。

要約(オリジナル)

Optical Coherence Tomography Angiography (OCTA) is a crucial imaging technique for visualizing retinal vasculature and diagnosing eye diseases such as diabetic retinopathy and glaucoma. However, precise segmentation of OCTA vasculature remains challenging due to the multi-scale vessel structures and noise from poor image quality and eye lesions. In this study, we proposed OCTAMamba, a novel U-shaped network based on the Mamba architecture, designed to segment vasculature in OCTA accurately. OCTAMamba integrates a Quad Stream Efficient Mining Embedding Module for local feature extraction, a Multi-Scale Dilated Asymmetric Convolution Module to capture multi-scale vasculature, and a Focused Feature Recalibration Module to filter noise and highlight target areas. Our method achieves efficient global modeling and local feature extraction while maintaining linear complexity, making it suitable for low-computation medical applications. Extensive experiments on the OCTA 3M, OCTA 6M, and ROSSA datasets demonstrated that OCTAMamba outperforms state-of-the-art methods, providing a new reference for efficient OCTA segmentation. Code is available at https://github.com/zs1314/OCTAMamba

arxiv情報

提供元, 利用サービス

arxiv.jp, Google