HDB-Net: red jerárquica de doble rama para la segmentación de capas retinianas en imágenes OCT enfermas

La segmentación de capas retinianas mediante tomografía de coherencia óptica (OCT) es un procedimiento crítico del proceso oftálmico moderno, que puede usarse para el diagnóstico y tratamiento de enfermedades como el edema macular diabético (DME) y la esclerosis múltiple (EM). Debido a las dificultades de la baja calidad de las imágenes OCT, la morfología intermedia retiniana altamente similar y la presencia, forma y tamaño inciertos de las lesiones, los algoritmos existentes no funcionan bien. En este trabajo, diseñamos una red HDB-Net para la segmentación de capas retinianas en imágenes OCT enfermas, que resuelve este problema combinando características globales y detalladas. Primero, la red propuesta utiliza un transformador Swin y Res50 como una red estructural paralela, combinada con la estructura piramidal en UperNet, para extraer contexto global y agregar información multiescala de las imágenes. En segundo lugar, se diseña un módulo de agregación de características (FAM) para extraer información de contexto global del transformador Swin y la información de características locales de ResNet mediante la introducción de un mecanismo de atención mixta. Finalmente, se utiliza el módulo de conciencia de borde y mejora de características (BA-FEM) para extraer la información del contorno de la capa retiniana y el orden topológico de las características de baja resolución de la capa superficial. Nuestro enfoque ha sido validado en dos conjuntos de datos públicos, y los puntajes de Dice fueron del 87.61% y 92.44, respectivamente, superando a otras tecnologías de vanguardia.