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

Choroidalyzer 是一个开源工具，专注于脉络膜的高效分割和参数提取。

研究中应用了 DeepGPET 方法，旨在实现全自动脉络膜分割，减少手动干预。

采用基于空间殖民化的仿真方法，提升了 OCTA 图像的合成速度和真实性。

提出了 ReLayNet 结构，用于视网膜层和液态物质的端到端分割，验证了其有效性。

构建了一个包含 918 个 OCTA 图像的新数据集，通过半自动注释提高了注释速度。

提出了一种轻量级网络，通过多尺度特征提取实现了更好的分割效果，参数显著减少。

研究了中间年龄相关性黄斑变性 (AMD) 的分类，使用 VGG16 架构实现高准确性。

提出了一种基于卷积神经网络的半监督学习方法，自动识别视网膜疾病，效果良好。

开发了基于贝叶斯深度学习的视网膜层分割和不确定性量化方法，提供像素级不确定性度量。