Oct, 2023

SAM-OCTA: OCTA 图像分割的 Segment-Anything 促进方法

PDF
TL;DR通过低秩适应技术和相应的提示点生成策略使 SAM-OCTA 方法在光学相干断层扫描血管造影 (OCTA) 数据集上实现了先进的分割性能，其中讨论了提示点对于视网膜血管、黄斑无血管区、毛细血管、动脉和静脉分割任务的效果和适用性，并成功解决了以往工作中未很好解决的局部血管分割和动脉静脉分割问题。
optical coherence tomography angiographysegmentationlow-rank adaptation techniqueprompt point generation strategiesstate-of-the-art segmentation performance metrics
发现论文，激发创造
  • SAM-OCTA：基于 Foundation Model 的 OCTA 图像分割任务的微调策略

    采用低秩适应技术进行基础模型微调并提出相应的提示点生成策略，以处理 OCTA 数据集上的各种分割任务。该方法命名为 SAM-OCTA，并在公开可用的 OCTA-500 数据集上进行了实验。在实现最先进的性能度量的同时，该方法实现了局部血管分割和有效的动脉 - 静脉分割，这在先前的工作中尚未很好解决。

    Sep, 2023

  • 一种准确高效的用于 OCTA 血管分割的神经网络和一个新数据集

    本研究提出了一种准确高效的神经网络，用于光相干断层扫描血管成像（OCTA）中视网膜血管的分割，通过在完整分辨率卷积网络中应用改进的循环 ConvNeXt 模块实现了与其他 SOTA 方法相当的准确性，且具有更少的参数和更快的推理速度（比 U-Net 轻 110 倍且快 1.3 倍），非常适合工业应用，同时构建了一个包含 918 个 OCTA 图像及其相应血管注释的新数据集，该数据集通过 Segment Anything Model（SAM）的协助进行半自动注释，极大地提高了注释速度，研究代码和数据集可从给出的 URL 获取。

    Sep, 2023

  • 使用模拟光学相干断层扫描血管造影技术进行详细视网膜血管分割，无需人工注释

    采用基于空间殖民化的仿真方法和三个对比适应管道，以更快、更真实地合成 OCTA，表现出优异的性能，能更好地补足深度学习方法不足。

    Jun, 2023

  • 光学相干断层扫描血管造影（OCTA）血管分割的多任务学习

    本文提出了一种基于多任务学习的新型 OCTA 分割方法 (OCTA-MTL)，利用图像到 DT（距离变换）分支和自适应损失组合策略，该方法在 ROSE-2 数据集上表现出卓越的分割性能，相对于两种基线方法：单任务分割方法和使用固定损失组合的多任务分割方法。

    Nov, 2023

  • 可学习的眼科 SAM

    我们提出一种基于学习的提示层（称为 “Learnable Ophthalmology Segment Anything”），用于多目标分割，可适用于眼科多模式图像的分割，只需在训练时训练提示层，通过实验表明该方法在众多公共数据集上都较有效。

    Apr, 2023

  • ROSE: 一种视网膜 OCT 血管造影血管分割数据集和新模型

    提出了一种基于 OCT-A 的血管分割网络 SCF-Net，并在 ROSE 数据集上进行了全面的评估，结果表明相对于传统方法和其他深度学习方法，SCF-Net 在 OCT-A 中具有更好的血管分割性能。

    Jul, 2020

  • SAMedOCT：针对视网膜 OCT 图像的 Segment Anything 模型（SAM）的调整

    通过对大规模的 OCT 数据集进行综合评估，本研究探索了基于 Prompt 的 Segment Anything Model（SAM）在视网膜 OCT 扫描中的应用。我们展示了 SAM 在视网膜 OCT 扫描中作为一个强大的分割模型的效力，尽管在某些情况下仍然落后于其他成熟方法。研究结果突出了 SAM 的适应性和韧性，并展示了它作为视网膜 OCT 图像分析中有价值的工具，并为该领域的进一步发展铺平了道路。

    Aug, 2023

  • SAMAug：点提示增强分段模型

    本篇文章介绍了 SAMAug，这是一种新颖的视觉点增强方法，用于增强交互式图像分割性能。SAMAug 通过生成增强点提示提供更多信息以提高 SAM 的信息提取能力，从而提高交互式计算机视觉的性能。

    Jul, 2023

  • 窗口移动的蛇形模型：学习自适应血管模式用于 OCTA 分割

    使用 Swin-Transformer 和可变形卷积的 SSW-OCTA 模型，成功分割了光学相干断层扫描血管造影图像中富有复杂形状的视网膜结构，并在 OCTA-500 数据集上达到了最先进的性能水平。

    Apr, 2024

  • 基于深度学习的单次扫描光学相干断层扫描血管造影图像提取

    本研究提出一种利用一次重复 OCT 扫描生成 OCTA 图像的血管提取流程，基于卷积投影利用更好地学习图像块之间的空间关系的 Vasculature Extraction Transformer（VET）实现。与使用四次重复 OCT 扫描的 SV-OCTA 及 ED-OCTA 获得的 OCTA 图像相比，VET 提取的 OCTA 图像展现出中等的质量和更高的图像对比度，同时将所需数据采集时间从大约 8 秒缩短到了大约 2 秒。根据视觉观察，VET 在使用具有挑战性的颈部和面部 OCTA 数据的区域中优于 SV 和 ED 算法。该研究表明，VET 具有从快速一次重复的 OCT 扫描中提取血管图像的能力，从而有助于对患者进行准确的诊断。

    Apr, 2023