粗读Image Projection Network: 3D to 2D Image Segmentation in OCTA Images

        一个专门针对3D的OCTA图像的分割方法。OCTA详细介绍见左边链接，大致结构如下。整个扫描得到的结果是3D的，其中白色突起是血管，分割任务主要是筛选出中间深黑色部分（整个眼底因为是弧形，所以用立方体截取后有四个翘起来的角，连接上下两个角，连线中间偏下一点有一小块黑色区域颜色更深，那就是分割目标），即没有血管的部分。

        在OCTA图像中，这块区域有个特点，就是竖直一致性，即没血管的这一块区域是在整个Z轴上都没血管。基于这一点，作者提出可以想办法竖直压缩整个图像，将3D图像中丰富的信息压缩到2D图像上。

          上图便是网络的架构。原始图像为400*400*640，压缩后得到400*400的单通道图像，直接作为分割结果。整个网络架构就是执行了5次PLM模块，而PLM又是由三个3维卷积层和一个作者提出的单向池化（Unidirectional Pooling）组成的。

        

        其实从结构那张图（图二）就可看出单向池化的原理，但还是贴上作者画的对比图更直观。左边的为传统的最大池化，就是找出一个区域的最大值。此时，这6*6个像素点一般为分布在xoy平面上。而右边的为本文方法，只关注一定范围内z轴上的局部最大值，作为压缩后的值。这样一来，图像X和Y轴方向上的大小不变，只有Z轴方向上变矮，达到了压缩的效果。

        最后结果也显示，这种方法效果不错。但碍于这种方法利用了竖直一致性，所以能直接适用的3D场景有限。