EDCE-Net: Edge Detection and Connectivity Enhancement Network for Retinal Vessel Segmentation
Notice bibliographique
Résumé
Utilizing deep learning methods for retinal vessel segmentation is crucial for aiding ophthalmologists in diagnosing fundus diseases clinically.However, existing deep learning models often fail to achieve ideal performance when facing complex scenarios such as multidirectional vascular endings and overlapping intersections in the retina.In order to improve the detection rate of retinal blood vessels and ensure high connectivity, this paper proposes a new method EDCE-Net, which combines the directional information and scale differences of retinal blood vessels for the first time.Specifically, by designing an edge detection module (EDM) to assist the model in extracting vascular details and directional information at different scales, and integrating them into the depth feature map, it ensures the restoration of lost edge information while maintaining the correctness of the global topology.Additionally, this paper designs a connectivity enhancement module (CEM) based on multiscale coordinate attention to effectively assist the model in establishing long-range spatial dependencies in spatial directions, accurately capturing and locating crossing and overlapping vessel structures, so as to improve the connectivity of vessel segmentation.Finally, we employ multiple auxiliary loss functions to provide hierarchical supervision for the model, fully considering the impact of various levels of feature maps on the segmentation outcomes, thereby enhancing the robustness of the model.EDCE-Net was validated on four public datasets: DRIVE, CHASE_DB1, STARE, and DCA1, achieving AUC values of 98.79%, 98.76%, 98.06%, and 99.08%, respectively, which are the highest compared to several existing advanced methods.JI reached 70.15%, 68.84%, 70.52%, and 68.37% on these datasets, respectively, representing improvements of 2.51%, 3.58%, 2.06%, and 5.3% compared to the baseline, highlighting the potential of the proposed method in aiding retinal disease diagnosis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».