Key points are not available for this paper at this time.
전자 기기 사용 증가로 인한 안과 질환의 발생 증가가 망막 홍채 이미지에서 시신경원반(OD) 및 시신경컵(OC)의 이상을 정확하게 검출할 필요성을 강조합니다. 이것은 녹내장 및 당뇨병성 망막병증과 같은 상태의 조기 진단에 매우 중요합니다. 이 중요한 문제를 해결하기 위해 수정된 주의 기반 잔여 U-Net 아키텍처를 활용한 새로운 접근 방식을 제시합니다. Drishti-GS, REFUGE, RIM-ONE-R3와 같은 다양한 데이터셋을 포함한 포괄적인 실험을 통해 모델의 다양한 시나리오에 대한 적응력을 입증합니다. 시신경컵의 경우 87.77% 및 93.48%, 시신경원반의 경우 95.09% 및 97.48%의 교차 비율(IoU) 및 다이스 계수(DC)를 달성하며 commendable한 성능 지표가 관찰됩니다. 이 결과는 제안된 방법론의 다재다능성과 효과성을 강조하며, 탁월한 분할 성능을 달성합니다. 따라서 이 연구는 망막 홍채 이미지 분할의 중요한 발전을 나타내며 조기 진단을 향상시키고 더 효과적인 안구 건강 관리에 기여합니다.
Alam 외 (목요일), 이 질문을 연구하였습니다.