EdgeFormerNet++：一种混合注意力引导的Transformer网络，用于在OCT图像中实现精确的视网膜层分割

《IEEE Latin America Transactions》：EdgeFormerNet++: A Hybrid Attention-Guided Transformer Network for Accurate Retinal Layer Segmentation in OCT Images

　　

摘要：

在光学断层扫描（OCT）中，准确地进行视网膜层分割对于早期检测和监测视网膜及神经退行性疾病至关重要。然而，由于视网膜结构较为薄且对比度较低，同时在不同类别的场景中各层紧密排列，这一任务仍然具有挑战性。我们提出了EdgeFormerNet++这一混合框架，该框架结合了基于Res2Net的多尺度编码技术、轻量级的Transformer层用于全局上下文理解，以及双重注意力机制（CBAM和scSE）以实现空间-通道的重新校准，并通过边缘注意力模块来精细化层边界。该模型在两个公开数据集（NR206和MGU）上进行了验证，这两个数据集涵盖了黄斑区和视网膜周边区域，分别取得了92.34%和83.28%的精确度分数（Dice分数）。定性和定量结果均表明，EdgeFormerNet++能够准确区分复杂的视网膜结构，从而支持其在自动化OCT分析和计算机辅助诊断中的应用。