基于 3D-LeNet 的眼底组织的顺应性分类预测
摘要
膜的生物力学特性与病理性近视的进展密切相关，因此研究其顺应性对近视风险预测具有重要意义。本文提出了一种基于
nnU-Net 与 3D-LeNet 的眼底组织顺应性分类方法。首先，使用 nnU-Net 对眼底组织 OCT 图像进行分割，提取有效应变
和主应变等生物力学指标，继而通过 3D-LeNet 模型实现对眼底组织顺应性的分类。研究结果表明，该方法在分割和分类
任务中均表现出色，AUC 值达到 0.8 以上，为近视进展预测提供了新的技术支持。该研究为眼科领域中眼底组织生物力学
特性的研究与应用提供了有效手段。
关键词
全文:
PDF参考
[1] Verhoeven, V. J., et al. (2023). “The global burden of
myopia: Trends and implications for the future.” Ophthalmology,
130(5), 491-499.
[2] Chua, W. H., et al. (2016). “The role of scleral
biomechanics in myopia p`rogression.” Progress in Retinal and
Eye Research, 51, 1-21.
[3] Li, T., et al. (2024). “AI-driven models for predicting
myopia progression: A systematic review.” Journal of Medical
Imaging and Health Informatics, 14(2), 102-115.
[4] 朱晓东，李伟，王小明（2020）。”基于改进的
非局部均值算法的 OCT 图像降噪研究。”《光学学报》，
40(5)，1234-1240.
[5] Dong, Z., et al. (2022). “Deep Learning for Biomedical
Image Segmentation: A Survey.” IEEE Transactions on Medical
Imaging, 41(1), 21-36.
[6] 刘洋，张华，陈静（2019）。”OCT 图像处理技
术的研究进展。”《激光与光电子学进展》，56(3)，456-
462.
[7] Isensee, F., Becker, H., Maier-Hein, K.H., et al. (2019).
nnU-Net: Self-adapting Framework for U-Net-Based Medical
Image Segmentation. arXiv preprint arXiv:1904.01121.
[8] 王磊，李强，张伟（2021）。”基于数字图像相关
技术的三维应变场测量及其应用研究。”《材料科学与工程
学报》，39(4)，789-795.
[9] 陈刚，赵云，孙鹏（2022）。”三维应变场在生物
材料中的应用研究。”《实验力学》，58(2)，345-352.
[10] Baker, R. M., et al. (2018). “Mechanical Properties of
Biological Tissues: A Review.” Journal of Biomechanics, 74, 1-12.
[11] Wang, Y., et al. (2020). “3D Convolutional Neural
Networks for Medical Image Analysis: A Review.” Medical Image
Analysis, 62, 101612.
(4 摘要 Views, 3 PDF Downloads)
Refbacks
- 当前没有refback。