DUNet: شبكة قابلة للتشويه لتمييز الأوعية الشبكية

يقوم التقطيع الآلي للأوعية الشبكية في صور قاع العين بدور مهم في تشخيص بعض الأمراض مثل السكري وارتفاع ضغط الدم. في هذه الورقة، نقترح شبكة Deformable U-Net (DUNet)، والتي تستغل خصائص الأوعية الشبكية المحلية باستخدام هندسة على شكل حرف U، بطريقة من النهاية إلى النهاية للتقسيم الوعائي الشبكي. مستوحاة من شبكات التلافيف المتغيرة التي تم تقديمها مؤخرًا، ندمج التلفيف المتغير في الشبكة المقترحة. يتم تصميم DUNet مع مشغلي زيادة الحجم لزيادة دقة الإخراج، بهدف استخراج المعلومات السياقية وتمكين التوطين الدقيق من خلال الجمع بين الخرائط المميزة ذات المستوى المنخفض والخرائط المميزة ذات المستوى العالي. بالإضافة إلى ذلك، تلتقط DUNet الأوعية الشبكية بأشكال وأحجام متنوعة عن طريق ضبط المجالات المستقبلة بشكل متكيف وفقًا لأحجام وأشكال الأوعية. تم استخدام ثلاثة مجموعات بيانات عامة هي DRIVE وSTARE وCHASE_DB1 لتدريب واختبار نموذجنا. توفر دراستنا مقارنات تفصيلية بين الشبكة المقترحة والشبكة العصبية المتغيرة، وكذلك U-Net. تظهر النتائج أن DUNet تتمكن من استخراج أوعية أكثر تفصيلاً وأنها تحقق أداءً رائدًا في تقسيم الأوعية الشبكية بمعدل دقة عالمي يبلغ 0.9697/0.9722/0.9724 ومعدل AUC يبلغ 0.9856/0.9868/0.9863 على DRIVE وSTARE وCHASE_DB1 على التوالي. علاوة على ذلك، لإظهار قدرة DUNet على التعميم، استخدمنا مجموعة بيانات أخرى تتضمن مجموعة WIDE ومجموعة بيانات اصطناعية ذات أساليب متنوعة تُسمى SYNTHE، لتحليل ومعايرة النتائج بشكل كمي وكيفي بالمقارنة مع طرق أخرى. تشير النتائج إلى أن DUNet تتفوق على أفضل التقنيات الحالية في هذا المجال.