在本文中,我们设计了一种基于生成的对抗网络(GAN)的解决方案,用于视网膜层的光学相干断层扫描(OCT)扫描的超分辨率和分割。 OCT已被确定为成像的一种非侵入性和廉价的模态,可发现潜在的生物标志物,以诊断和进展神经退行性疾病,例如阿尔茨海默氏病(AD)。当前的假设假设在OCT扫描中可分析的视网膜层的厚度可能是有效的生物标志物。作为逻辑第一步,这项工作集中在视网膜层分割的挑战性任务以及超级分辨率的挑战性任务上,以提高清晰度和准确性。我们提出了一个基于GAN的细分模型,并评估合并流行网络,即U-NET和RESNET,在GAN体系结构中,并具有其他转置卷积和子像素卷积的块,以通过将OCT图像从低分辨率提高到高分辨率到高分辨率的任务。四个因素。我们还将骰子损失纳入了额外的重建损失项,以提高该联合优化任务的性能。我们的最佳模型配置从经验上实现了0.867的骰子系数,MIOU为0.765。
translated by 谷歌翻译