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。