رفتن به محتوای اصلی
x

بخش بندی لایه های شبکیه تصاویر OCT با استفاده از روش یادگیری واژه‌نامه

بخش بندی لایه های شبکیه تصاویر OCT با استفاده از روش یادگیری واژه‌نامه

دکتر حسین ربانی

2400203

چکیده

تصاویر توموگرافی انسجام نوری (OCT) نقش حیاتی در تشخیص بیماری‌های شبکیه ایفا می‌کنند. این مطالعه استفاده از اتمها در بخش بندی تصاویر OCT را مورد بررسی قرار می دهد و مدیریت پایه های سازنده تصویر با روشهایی خطی همچون یادگیری دیکشنری و غیرخطی یادگیری عمیق به منظور بخش بندی تصاویر OCT را مورد بررسی قرار می دهد. بدین منظور با استفاده از انتخاب پایه های مناسب تصاویر OCT به بخش‌های کارتونی و بافتی تقسیم می شود و لایه های اصلی شبکیه تفکیک می شود. همچنین با استفاده از معماری Trans-U-Net و Transformerها و توابع زیان سفارشی بخش بندی کیست‌های شبکیه در تصاویر OCT   نیز انجام می گیرد. کمترین خطای بخش بندی لایه ها مربوط به لایهOSL  بوده و استفاده از Trans-U-Net با توابع زیان سفارشی منجر به دقت بالایی در بخش بندی کیست‌ها گردید (ضریب Dice برابر با 95.52 برای داده‌های اولیه و 92.79 برای داده‌های نویزی).  بر این اساس می توان نتیجه‌گیری کرد که روشهای مبتنی بر یادگیری دیکشنری و یادگیری عمیق با استفاده از مدیریت پایه‌ها و تبدیل‌ها می‌تواند به بخش بندی دقیق لایه‌ها و کیست‌های شبکیه در تصاویر OCT کمک کنند.