LUNet: التعلم العميق لتقسيم الشرايين والوريدات في صور قاع العين ذات الدقة العالية

الشبكية هي الجزء الوحيد من جسم الإنسان الذي يمكن الوصول إلى الأوعية الدموية فيه بطريقة غير غازية باستخدام تقنيات التصوير مثل صور قاع العين الرقمية (DFI). قد تتغير التوزيع المكاني للميكروأوعية الشبكية مع أمراض القلب والأوعية الدموية، ولذلك يمكن اعتبار العيون نافذة على قلوبنا. تعتبر عملية تجزئة الشعيرات الدموية الشبكية (A/V) بواسطة الحاسوب ضرورية لتحليل الميكروأوعية بشكل آلي. باستخدام التعلم النشط، أنشأنا مجموعة بيانات جديدة من صور قاع العين الرقمية تحتوي على 240 تجزئة يدوية للشعيرات الدموية الشبكية تم تنفيذها بواسطة خمسة عشر طالبًا طبيًا وتم مراجعتها بواسطة طبيب عيون، وطورنا LUNet، وهي هندسة تعلم عميق جديدة لمهمة تجزئة الشعيرات الدموية الشبكية بدقة عالية. تشتمل هندسة LUNet على كتلة تفتيح ثنائية الهدف منها تعزيز مجال الاستقبال للنموذج وتقليل عدد معلماته. بالإضافة إلى ذلك، تحتوي LUNet على ذيل طويل يعمل بدقة عالية لتحسين التجزئة. تقوم دالة الخسارة المخصصة بتعزيز استمرارية الأوعية الدموية. أظهرت LUNet أنها تتفوق بشكل كبير على خوارزميتين رائدتين في التجزئة في مجموعة الاختبار المحلية وكذلك في أربع مجموعات اختبار خارجية تحاكي الانحرافات التوزيعية عبر الأعراق والمرضى الذين يعانون من أمراض متعددة والمراجعين. سنجعل المجموعة الجديدة من البيانات متاحة للجميع (بعد النشر).