OMSN and FAROS: OCTA Microstructure Segmentation Network and Fully Annotated Retinal OCTA Segmentation Dataset

要約

効率的なセグメンテーション方法と完全にラベル付けされたデータセットの欠如により、網膜血管網 (RVN) や中心窩無血管帯 (FAZ) などの光コヒーレンストモグラフィー血管造影 (OCTA) 微細構造の包括的な評価が制限されます。これらは、眼科および系統的疾患の評価に大きな価値があります。
.
ここでは、エンコーダー/デコーダー ベースのアーキテクチャとマルチスケール スキップ接続および分割注意ベースの残差ネットワーク ResNeSt を組み合わせることにより、革新的な OCTA 微細構造セグメンテーション ネットワーク (OMSN) を紹介し、より良いモデルを促進しながら OCTA 微細構造機能に特に注意を払います。
収束と機能表現。
提案された OMSN は、RVN または FAZ セグメンテーションで優れたシングル/マルチタスク パフォーマンスを実現します。
特に、マルチタスク モデルの評価指標は、同じデータセットのシングル タスク モデルよりも優れています。
これに基づいて、完全に注釈が付けられた網膜 OCTA セグメンテーション (FAROS) データセットが半自動的に構築され、ピクセル レベルで完全にラベル付けされた OCTA データセットの空席が埋められます。
FAROS で再トレーニングされた OMSN マルチタスク セグメンテーション モデルは、RVN と FAZ の同時セグメンテーションの優れた精度をさらに証明します。

要約(オリジナル)

The lack of efficient segmentation methods and fully-labeled datasets limits the comprehensive assessment of optical coherence tomography angiography (OCTA) microstructures like retinal vessel network (RVN) and foveal avascular zone (FAZ), which are of great value in ophthalmic and systematic diseases evaluation. Here, we introduce an innovative OCTA microstructure segmentation network (OMSN) by combining an encoder-decoder-based architecture with multi-scale skip connections and the split-attention-based residual network ResNeSt, paying specific attention to OCTA microstructural features while facilitating better model convergence and feature representations. The proposed OMSN achieves excellent single/multi-task performances for RVN or/and FAZ segmentation. Especially, the evaluation metrics on multi-task models outperform single-task models on the same dataset. On this basis, a fully annotated retinal OCTA segmentation (FAROS) dataset is constructed semi-automatically, filling the vacancy of a pixel-level fully-labeled OCTA dataset. OMSN multi-task segmentation model retrained with FAROS further certifies its outstanding accuracy for simultaneous RVN and FAZ segmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google