تفکیک عروق شبکیه در تصاویر فوندوس در شرایط افت کیفیت ناشی از آب مروارید با بهره گیری از شبیه سازی آگاه از میدان دید و یادگیری عمیق

تفکیک خودکار عروق شبکیه یکی از مولفه های اساسی در سامانه های کمک تشخیصی مبتنی بر تصاویر فوندوس شبکیه به شمار می رود. با این حال، وجود آب مروارید در بخش قابل توجهی از تصاویر بالینی موجب افت کیفیت تصویر شده و دقت روش های متداول تفکیک عروق را با چالش مواجه می سازد. در این پژوهش، تمرکز اصلی بر ارائه یک چارچوب مرحله ای، کنترل شده و آگاه از میدان دید برای بررسی پایداری الگوریتم های تفکیک عروق شبکیه در حضور افت کیفیت ناشی از آب مروارید است. در گام نخست، اثرات فیزیکی آب مروارید شامل تاری، تضعیف تمایز، نویز و پراکندگی نور به صورت کنترل شده و محدود به ناحیه میدان دید شبیه سازی شده و نسخه هایی از تصاویر با سطوح مختلف شدت تخریب تولید می گردند. سپس، چند معماری شاخص تفکیک عروق بر روی پایگاه داده مرجع FIVES آموزش داده شده و مدل های برتر بر اساس معیار های Dice،IoU و Accuracy انتخاب می شوند. در ادامه، عملکرد این مدل ها در مواجهه با افزایش تدریجی شدت آب مروارید بر روی نسخه های شبیه سازی شده FIVES و همچنین به صورت مکمل بر روی نسخه های شبیه سازی شده پایگاه داده کلاسیک DRIVE ارزیابی می گردد. نتایج کمی و کیفی نشان می دهند که با افزایش شدت آب مروارید، معیارهای هم پوشانی نظیر Dice و IoU به صورت تدریجی کاهش می یابند؛ امری که موجب تضعیف رویت پذیری عروق باریک و کاهش تفکیک پذیری عروق از بافت زمینه شبکیه می گردد. با این حال، در چارچوب ارزیابی تعریف شده، ترکیب UNet با رمزگذار EfficientNet-B۳ شیب افت عملکرد ملایم تری نسبت به سایر معماری ها نشان می دهد و در سطوح بالاتر تخریب نیز حفظ ساختار کلی شبکه عروقی را تا حد قابل قبولی ممکن می سازد.

کلیدواژه ها:

تفکیک عروق شبکیه ، تصاویر شبکیه (RF) ، آب مروارید (CA) ، یادگیری عمیق ، Unet ، شبیه سازی افت کیفیت تصویر