بخش بندی ناهنجاریهای شبکیه در تصاویر OCT با استفاده از معماری U-Net با سازوکار توجه در اتصالات پرشی و بهره گیری از ساختار Inception

بخش بندی ناهنجاریهای شبکیه مانند تجمع مایعات بین لایه ها نقش مهمی در تشخیص بیماری های تهدیدکننده بینایی دارد. در این مقاله روشی مبتنی بر معماری U-Net با سازوکار توجه و جایگزینی ساختار Inception برای لایه های کانولوشن ارائه شده است. ساختار Inception با استفاده از کرنل های مختلف، همزمان امکان استخراج ویژگی های ریز و درشت را فراهم می کند. این روش بر روی مجموعه داده DUKE آزمایش شد و با کسب ضریب دایس میانگین، ۰.۸۵۳ عملکرد برتری نسبت به مدل های دیگر نشان داد.

Keywords:

بخش بندی , U-Net , OCT , یادگیری عمیق , ساختار Inception