基于双态标签的光学相干层析成像图像弱监督脉络膜血管分割
Abstract
全监督深度学习能够在光学相干层析成像（OCT）图像中实现高精度脉络膜血管分割，但其性能在很大程度上依赖于训练数据准备过程中费时费力的人工标注。提出一种基于双态标签的弱监督学习网络（TSL-WSNet），通过构建包含动态混合伪标签监督的双分支网络，利用双态弱标签进行训练，实现脉络膜血管的精确分割。双态弱标签是通过具有不同窗口参数的经典Niblack局部阈值法生成的。实验结果表明，TSL-WSNet的平均Dice系数为（0.798±0.033），平均豪斯多夫距离（HD）为（9.629±3.488），与全监督方法性能相当。此外，弱标签生成过程显著快于人工标注。与全监督方法相比，TSL-WSNet能够快速、高效地分割脉络膜血管，且性能损失较小，为脉络膜疾病研究和临床提供了一种低成本、易于实施的工具。
Fields of Study & Subjects
Retinal Imaging and Analysis
Medical Image Segmentation Techniques
Advanced Neural Network Applications
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 2
- Pages
- 0237003–0237003
- Publication date
- 1 January 2026
- Language
- EN