Dieser Artikel beschäftigt sich mit der mehrstufigen Verarbeitung und dem Problem verschwommener Ränder bei der Segmentierung von Meibomschen Drüsenbildern. Es wurde ein End-to-End-Mehrkorn-Segmentierungsalgorithmus entwickelt. In der Kodierungsphase wird die TransUNet-Encoder-Architektur verwendet, die effizient gemeinsame Merkmale der Lid- und Drüsenregion extrahieren kann; in der Dekodierungsphase werden doppelte Dekodierungspfade mit unterschiedlichen Dekoderzweigen für die verschiedenen Merkmale der Lid- und Drüsenregion eingesetzt. Für die Drüsenregion wurde ein Multiskalen-Merkmalsfusionsmodul entwickelt und ein Kanalkonzentrationsmechanismus in die Sprungverbindungen integriert. Diese Optimierungen erhöhen die Kantengenauigkeit, die Texturklarheit und die Formkontur, wodurch Probleme mit verschwommenen Kanten und Drüsenzusammenhang effektiv gelöst werden. Für die Lidregion wird eine Standard-Dekoder-Struktur zur Segmentierungsvorhersage verwendet. Durch experimentellen Vergleich mit aktuellen fortschrittlichen Segmentierungsmethoden zeigt der vorgeschlagene Algorithmus hervorragende Durchschnittsgenauigkeiten der oberen und unteren Meibomschen Drüsen, insbesondere bei den Schlüsselkennzahlen des durchschnittlichen Intersection over Union und des Dice-Ähnlichkeitskoeffizienten mit 79,9 % bzw. 76,5 %, was einer Steigerung gegenüber TransUNet von 3,2 % bzw. 5,3 % entspricht. Der Algorithmus kann die Zielregion der Meibomschen Drüsenbilder präzise segmentieren und bietet eine Grundlage für die unterstützende Diagnose von Funktionsstörungen der Meibomschen Drüsen.

Segmentierung von Meibomschen Drüsenbildern;Mehrkorn-Segmentierung;CNN;Transformer;Medizinische Bildverarbeitung