Devido ao baixo contraste entre a coroide e a esclera, e à presença de limites inferiores difusos na coroide que dificultam a delimitação, propôs-se a rede automática de segmentação da coroide TransGLnet integrada com mecanismo de atenção. Um módulo de atenção global (Global Attention Module, GAM) foi introduzido na camada convolucional, aplicando multiplicação matricial entre características para estabelecer interações não lineares entre múltiplas características em várias posições espaciais globais, extraindo características globais sem o uso de muitos parâmetros; um módulo de atenção local (Local Attention Module, LAM) foi introduzido entre a camada convolucional e o codificador Transformer para explorar características locais usando mapas de características em escala 1/4, onde a regra de movimentação dos elementos nos mapas de características mantém a posição dos elementos na linha e reordena os elementos na coluna do maior para o menor. A fusão dos dois módulos permite à rede considerar eficazmente características globais e locais. Os resultados experimentais mostram que o valor Dice da rede TransGLnet é 0,91, a precisão é 0,98, o índice médio de interseção sobre união é 0,89, o valor F1 é 0,90 e a distância de Hausdorff é 6,56. Em comparação com métodos existentes de segmentação automática da coroide, este método apresenta melhorias em todos os indicadores de desempenho. A rede automática de segmentação da coroide TransGLnet possui boa estabilidade e pode ser usada como referência clínica.

processamento de imagens médicas; segmentação automática da coroide; TransUnet; atenção global; atenção local