RV-GAN: تجزئة الهياكل الوعائية الشبكية في صور الشبكية باستخدام شبكة توليدية مزدوجة المقياس جديدة

تلعب التقسيم عالي الوضوح للهياكل الشريانية الكبيرة والصغيرة في الشبكية دورًا محوريًا في تحديد الأمراض التنكسية للشبكية، ومع ذلك يظل هذا التحدي مشكلة صعبة. نظرًا لفقدان التفاصيل التفكيكية المتتالية خلال مرحلة الترميز، بالإضافة إلى عدم إمكانية استرجاع هذه المعلومات المفقودة أثناء مرحلة التفكيك، فإن النماذج القائمة على الترميز التلقائي (autoencoding) محدودة في قدرتها على استخراج الهياكل الشريانية الدقيقة في الشبكية. نقترح نموذج RV-GAN، وهو معمارية توليدية متعددة المقاييس جديدة، لتحسين دقة تقسيم الأوعية الدموية في الشبكية وتخفيف هذه المشكلة. تعتمد المعمارية المقترحة على استخدام مُولّدَين ومحارِبَين متعددي المقاييس يقومان بعملية الترميز التلقائي، بهدف تحسين تحديد المواقع وتقسيم الأوعية الدقيقة. ولتجنب فقدان الدقة الذي تعاني منه الأنظمة التقليدية القائمة على GAN في التقسيم، نُقدّم خسارة جديدة تُعرف بـ "خسارة التوافق المميز بالوزن". وتُضمن هذه الخسارة تضمين الميزات المستمدة من وحدة التفكيك في المحارب (discriminator)، وتحدد أولوية هذه الميزات مقارنةً بالميزات المستمدة من وحدة الترميز. وبفعل هذا التكامل، وبالنظر إلى أن وحدة التفكيك في المحارب تحاول التمييز بين الصور الحقيقية والصورية على مستوى البكسل، يتم الحفاظ بشكل أفضل على البنية الشريانية الكبيرة والصغيرة. وبدمج خسارة إعادة البناء مع خسارة التوافق المميز بالوزن، تحقق المعمارية المقترحة قيمة مساحة تحت المنحنى (AUC) تبلغ 0.9887 و0.9914 و0.9887 في التقسيم البكسي للشرايين في الشبكية، وذلك على ثلاث مجموعات بيانات عامة متاحة للعامة، وهي DRIVE وCHASE-DB1 وSTARE على التوالي. بالإضافة إلى ذلك، يتفوق RV-GAN على النماذج الأخرى في معيارين إضافيين ذوي صلة، وهما متوسط معامل التقاطع على الاتحاد (Mean-IOU) ومقاييس التشابه الهيكلي (SSIM).