通过SEC-UNet精准分割糖尿病视网膜病变眼底OCT图像脉络膜层（英文）

作者：许祥丛; 陈俊彦; 王雪花; 李睿; 熊红莲; 王茗祎; 钟俊平; 谭海曙; 郑毅旭; 熊柯; 韩定安

来源：生物化学与生物物理进展, 2022, 49(12): 2450-2457.

DOI：10.16476/j.pibb.2021.0333

• 糖尿病视网膜病变
• 脉络膜分割
• 光学相干层析成像
• 挤压激励连接UNet

目的 糖尿病视网膜病变(DR)是糖尿病的严重并发症，可导致患者视力下降甚至失明。脉络膜的早期检查在DR诊断中起着至关重要的作用。然而，由于DR患者的光学相干层析成像(OCT)中存在脉络膜和巩膜边界模糊、视网膜病变阴影等问题，导致大多数现有算法无法精准分割脉络膜层。本文目的在于提高DR患者OCT图像中脉络膜层分割的精准度。方法 本文提出了一种结合挤压激励连接(SEC)模块和UNet的网络，简称SEC-UNet，不仅增强Unet的局部细节目标关注能力，且能跳出局部最优来增强整体表达能力。结果 SEC-UNet模型的ROC曲线下面积(AUC)达到0.993 0，优于传统UNet模型和SE-UNet模型。这表明SEC-UNet能够获得准确、完整的脉络膜层分割结果。统计分析脉络膜参数变化发现，与正常眼相比，87.1%的DR患者脉络膜中央凹1 mm内体积增加，这证明了DR很可能导致脉络膜增厚。结论 该技术有望成为一种新的辅助诊断工具，帮助医生研究脉络膜在糖尿病眼病的预防、发病机制和预后中的作用。

• 单位
  南方医科大学南方医院; 自动化学院; 佛山科学技术学院