緑内障評価のためのOCT画像における2.5Dクロススライス特徴融合モジュールを用いた網膜層セグメンテーション

要旨: 緑内障の正確な診断とモニタリングのためには、OCT画像における信頼性の高い網膜層セグメンテーションが不可欠です。しかし、既存の2Dセグメンテーション手法では、隣接するBスキャン間の文脈情報が欠けているため、スライス間での不整合がしばしば生じます。3Dセグメンテーション手法はスライス間の文脈を捉える点で優れていますが、高価な計算資源が必要です。これらの制約に対処するために、本研究では、U-Net-likeアーキテクチャに新しいクロススライス特徴融合（CFF）モジュールを組み込んだ2.5Dセグメンテーションの枠組みを提案します。CFFモジュールはスライス間の特徴を融合し、文脈情報を効果的に捉えることで、スライス間で一貫した境界検出を可能にし、ノイズの多い領域での頑健性を向上させます。この枠組みは、臨床データセットと公開されているDUKE DMEデータセットの両方で検証されました。CFFモジュールを含まない他のセグメンテーション手法と比較して、提案手法は平均絶対距離で8.56%の減少、二乗平均平方根誤差で13.92%の減少を達成し、セグメンテーション精度と頑健性の向上を示しました。全体として、提案する2.5Dの枠組みは、文脈に対する認識と計算効率のバランスをとり、自動化された緑内障評価および潜在的な臨床応用に向けて、解剖学的に信頼できる網膜層の輪郭描写を可能にします。