FourierNet: Shape-preserving network for henle's fiber layer segmentation in optical coherence tomography images

Dış nükleer tabaka (DNT) ve dış pleksiform tabaka (DPT) arasındaki dış retinada bulunan bir tabaka olan Henle lifi tabakası (HLT), düzgün doğrusal fotoreseptör aksonlarından ve Müller hücre çıkıntılarından oluşur. Öte yandan, standart optik koherans tomografi (OKT) görüntülerinde bu tabaka genellikle DNT tabakasına dahil edilir. Bunun nedeni, OKT görüntülerinde HLT konturlarının algılanmasındaki zorluktur. Görüntüleme ışınları altında gösterdiği yansıma farklılığından ötürü HLT konturlarını belirlemek için yöneltmeli OKT'ye ihtiyaç duyulur. Bu ise ek görüntüleme gerektiren bir süreçtir. Bu tez, FourierNet adını verdiğimiz bir şekil koruyan ağ modelini sunarak bu soruna çözüm önerir. Bu model, HLT bölütlemesinde yöneltmeli OKT görüntüleri kullanılarak ulaşılacak hedef performansı, standart OKT görüntüleri ile başarır. FourierNet, ağ eğitme sürecinde HLT şekil bilgisini kullanan yeni bir kademeli ağ tasarımıdır. Bu tasarım, HLT konturları üzerinde Fourier tanımlayıcıları hesaplayarak ve bu tanımlayıcıları öğrenmek için ek bir regresyon işi tanımlayarak, şekil bilgisinin ifade edilmesini önerir. FourierNet, HLT bölütlemesini regresyon ve sınıflandırma işlerinin eşzamanlı öğrenimi olarak formüle eder. Bu işlerde, şekil bilgisini kodlamak için girdi görüntüsünden Fourier tanımlayıcılar tahmin edilir ve bu tanımlayıcılar girdi görüntüsü ile birlikte HLT bölütleme haritasını oluşturmak için kullanılır. Otuz OKT taramasındaki toplam 1470 OKT görüntüsü üzerinde yapılan deneyler, HLT şeklinin Fourier tanımlayıcılar ile nicelleştirilmesinin ve bunların bölütleme ana işi ile birlikte eş zamanlı olarak öğrenilmesinin önemli ölçüde daha iyi sonuçlar verdiğini göstermiştir. Bu bulgular, yöneltmeli OKT görüntülerine olan ihtiyacı azaltarak HLT bölütlemesini kolaylaştıran şekil koruyan bir ağ tasarlamanın verimliliğini göstermektedir.