基于卷积神经网络的翼状胬肉病灶分割研究

目的：通过深度卷积神经网络方法对翼状胬肉病灶进行精准分割。

方法：在PSPNet模型结构的基础上构建Phase-fusion PSPNet网络结构用于翼状胬肉病灶的分割,该网络在金字塔池化模块后接入阶段上采样模块,以分阶段增大为原则逐步上采样,减少信息丢失,适合于边缘模糊的分割任务。将南京医科大学附属眼科医院提供的翼状胬肉眼表图像517张分为训练集(330张)、验证集(37张)、测试集(150张),其中训练集和验证集图像用于训练,测试集图像仅用于测试。比较翼状胬肉病灶智能分割和专家标注的结果。

结果：构建Phase-fusion PSPNet网络结构针对测试数据集的翼状胬肉病灶分割单类平均交并比(MIOU)和平均像素精确度(MPA)分别为86.31%和91.91%; 翼状胬肉单类交并比(IOU)和像素精确度(PA)分别为77.64%和86.10%。

结论：卷积神经网络可以实现翼状胬肉病灶的精准分割,有助于为医生进行进一步疾病诊断和手术建议提供重要参考,同时实现翼状胬肉智能诊断的可视化。