利用DSE-Unet自动分割角膜内皮细胞

眼角膜内皮细胞的形态结构信息对于诊断角膜的健康状况至关重要,但由于角膜内皮细胞数量庞大,人工提取细胞边界任务繁琐、耗时,本文基于深度学习技术开发了一种自动分割角膜内皮细胞的算法.该方法在Unet网络架构上引入了密集连接层和注意力模块,用来提取角膜细胞多尺度的特征信息,并将注意力集中在最有效的特征中,达到提升网络分割细胞性能的目的.此外,本文采用标注细胞中心的方法来辅助网络准确地分割细胞形态和结构.利用网上公开的Alizarine角膜细胞显微图像数据集来评估该模型,得到准确率、精确度、灵敏度、特异性和骰子系数分别为 91.88％、82.07％、78.20％、95.49％和 80.09％.结果表明,该方法能自动、准确地分割角膜内皮细胞,可应用于临床医生诊断角膜疾病.