《Expert Systems with Applications》：Dual Opti-TransNet: transformer-based optic disc and optic cup segmentation for reliable cup-to-disc ratio estimation in glaucoma screening
编辑推荐：
精准的视杯视盘分割对于青光眼诊断至关重要，但现有方法存在泛化性差、计算复杂及无法有效融合局部与全局特征等问题。本研究提出Dual Opti-TransNet框架，通过Faster R-CNN提取ROI并增强红绿通道特征，结合Hierarchical Multiscale（HM）和Local-Global（LG）双Transformer捕获多尺度特征，再经自注意力融合模块与Swin Transformer解码器优化，在REFUGE2、Drishti-GS和SMDG-19数据集上实现Dice系数0.9812（视盘）和0.9802（视杯），有效提升青光眼筛查的自动化水平。
阿努苏亚·苏布拉马尼（Anusuya Subramani）| 马苏杜·巴努·努尔丁·穆罕默德·穆斯塔法（Masoodhu Banu Noordheen Mohammad Mustafa）
印度泰米尔纳德邦金奈Vel Tech Rangarajan Dr. Sagunthala科学技术研究院电子与通信工程系
摘要
对视盘（optic disc）和视杯（optic cup）进行准确的分割对于可靠地估算杯盘比（cup-to-disc ratio）至关重要，而杯盘比是青光眼评估的重要结构指标。然而，现有的分割方法通常存在泛化能力差、计算复杂度高以及捕捉局部和全局上下文信息能力有限的问题。为了解决这些挑战，本研究提出了一种新颖的双Opti-TransNet框架，用于视网膜眼底图像中精确地分割视盘和视杯。该方法采用Faster Region-Based Convolutional Neural Network（Faster R-CNN）进行有效的感兴趣区域（ROI）提取，随后通过增强红色和绿色通道来改善解剖特征的表现。编码器整合了分层多尺度（HM Transformer）和局部-全局（LG Transformer）变换器，以捕捉互补的多尺度、局部和全局特征。基于自注意力的融合模块将这些特征结合起来，而基于Swin Transformer的解码器通过保留长距离依赖性和空间细节来细化分割结果。使用不同类型的青光眼数据进行实验评估表明，该机制在视盘和视杯分割上的Dice系数分别达到了0.9812和0.9802，从而为青光眼诊断提供了准确的杯盘比估计。
引言
青光眼是一种严重的 eye disease，会导致不可逆的视力丧失（Yuan等人，2025年）。青光眼主要分为开角型青光眼和闭角型青光眼两种类型。用于青光眼诊断的方法包括光学相干断层扫描（OCT）、眼底摄影、扫描激光偏振测量（SLP）和海德堡视网膜断层扫描（Tulsani等人，2021年）。其中，OCT和眼底摄影是最常用的诊断方法。世界卫生组织（WHO）指出，2020年受青光眼影响的人数为7600万，预计到2040年这一数字将上升至1.118亿（CA等人，2025年）。青光眼最初表现出的结构变化通常包括视盘（OD）和视杯（OC）的形态改变。准确分割这些结构对于估算杯盘比（CDR）至关重要，因为这是青光眼筛查的重要组成部分。然而，由于视杯边界不明确、结构被遮挡以及眼底图像照明差异较大，分割视盘和视杯是一项具有挑战性的任务。因此，开发有效的视盘和视杯分割方法在青光眼筛查中起着关键作用。
青光眼会导致视神经损伤；早期诊断有助于减缓疾病进展并减少视野恶化。杯盘比（CDR）参数有助于及时进行青光眼筛查。准确分割视盘和视杯对于获得有效的CDR值至关重要，从而帮助医疗专业人员准确及时地检测青光眼。因此，精确的视盘和视杯分割在青光眼诊断中起着重要作用（Yu等人，2025年）。对精确分割视盘和视杯的需求非常迫切，因为这可以通过准确估算CDR来提高青光眼诊断的准确性（Liu等人，2025年）。尽管如此，视盘和视杯的分割仍然具有挑战性，因为血管形状不规则且存在重叠。目前，视盘和视杯通常是通过手动方法检测的，但手动分割不仅复杂度较高，还容易出错，并且在复杂情况下效果不佳（Li等人，2023年）。因此，需要一种先进且自动化的方法来准确分割视盘和视杯，从而有效检测青光眼。
研究空白与目标
在视盘和视杯分割过程中，传统的自动化方法受到对比度低、光照变化和病理伪影的限制。此外，现有的图像处理模型普遍存在鲁棒性差和泛化能力低的问题，导致分割精度不高（Yan等人，2024年）。为了解决传统模型面临的所有挑战，需要一种先进且鲁棒的分割机制，以获得更好的分割结果。基于人工智能（AI）的方法
基于CNN和特征学习的方法用于视盘/视杯分割
早期的深度学习方法主要依赖卷积神经网络（CNN）从眼底图像中提取空间特征。Kim等人（2022年）提出了MAPNet，该方法利用多尺度平均池化和集成解码来提高分割精度。同样，He等人（2024年）引入了MBU-Net，该模型结合了掩膜边界域适应机制，以增强在不同数据分布下的分割鲁棒性。提出的方法
本研究采用了双Opti-TransNet机制，该机制能够有效分割视盘和视杯。提出的框架工作流程如图1所示。本研究使用了Retinal Fundus Glaucoma Challenge 2nd Edition（REFUGE2）数据集、Drishti-GS ? RETINA DATASET FOR ONH SEGMENTATION（Drishti-GS）数据集以及Standardized Multi-Channel Dataset for Glaucoma（SMDG-19）数据集。Faster R-CNN方法被用于感兴趣区域（ROI）的提取。同时进行了数据增强处理。实验设置
双Opti-TransNet框架运行在配备六块NVIDIA GeForce RTX 3090 GPU的系统上，该系统拥有24 GB内存，使用基于Linux操作系统的Python平台，配备Intel Xeon Silver 4210R CPU（2.4 GHz）和50 GB可用存储空间。双Opti-TransNet框架使用PyTorch深度学习框架实现。在多GPU训练中，采用了数据并行处理技术，将输入数据分批处理并在六块GPU上同时进行。结论
本研究提出了一种先进的双Opti-TransNet框架，能够提供准确的视盘和视杯分割结果。该框架使用了REFUGE2、Drishti-GS和SMDG-19数据集来收集眼底图像。研究设计了Faster R-CNN来提取感兴趣区域特征，并进行了红色和绿色通道的提取。提出的双Opti-TransNet在编码器部分引入了两种新的变换器：HM Transformer和LG Transformer。
声明
伦理声明：无。
资金支持：不适用。
人类和动物权利：本文未包含任何作者进行的涉及人类或动物的研究。
知情同意：不适用。
参与同意：不适用。
出版同意：不适用。
未引用的参考文献
Chowdhury等人，2025年；Kumar和Kumar，2025年；Liu等人，2025年；Tang等人，2025年；Zhao和Wang，2025年。CRediT作者贡献声明
阿努苏亚·苏布拉马尼（Anusuya Subramani）：概念设计、方法论、撰写——原始草案。马苏杜·巴努·努尔丁·穆罕默德·穆斯塔法（Masoodhu Banu Noordheen Mohammad Mustafa）：软件开发、数据管理。
利益冲突声明
作者声明他们没有已知的可能会影响本文研究工作的财务利益或个人关系。
