BriefGPT - AI 论文速递
·
具有分辨率不可知的自注意机制的领域特定增强改善光学相干断层扫描图像中的脉络膜分割
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种准确高效的神经网络，用于光相干断层扫描血管成像（OCTA）中视网膜血管的分割。该网络具有更少的参数和更快的推理速度，适合工业应用。研究还构建了一个包含918个OCTA图像及其相应血管注释的新数据集，通过半自动注释极大地提高了注释速度。
🎯
关键要点
- 本研究提出了一种用于OCTA中视网膜血管分割的神经网络。
- 该网络通过改进的循环ConvNeXt模块实现了与其他SOTA方法相当的准确性。
- 网络具有更少的参数和更快的推理速度，比U-Net轻110倍且快1.3倍。
- 该网络非常适合工业应用。
- 研究构建了一个包含918个OCTA图像及其相应血管注释的新数据集。
- 数据集通过Segment Anything Model（SAM）进行半自动注释，提高了注释速度。
- 研究代码和数据集可从给出的URL获取。
🏷️
标签
➡️
