В статье рассматривается многослойная обработка и проблема размытых краев при сегментации изображений мейбомиевых желез. Разработан сквозной алгоритм многозернистой сегментации. На этапе кодирования используется архитектура кодировщика TransUNet, эффективно извлекающая общие признаки области век и железы; на этапе декодирования применяется двойной путь декодирования с разными ветвями декодера для различных признаков век и железы. Для области железы разработан модуль слияния многоуровневых признаков и добавлен механизм внимательности каналов в переходных соединениях. Эти оптимизации улучшили точность краев, чёткость текстур и контуры формы, эффективно решая проблемы размытости краев и слипшихся желез. Для области века применяется стандартная структура декодера для предсказания сегментации. По результатам экспериментов с современными методами сегментации предложенный алгоритм показал высокую среднюю точность сегментации верхних и нижних мейбомиевых желез, особенно по ключевым метрикам среднего пересечения и коэффициента сходства Dice — 79,9% и 76,5%, что на 3,2% и 5,3% выше, чем у TransUNet. Алгоритм точно сегментирует целевые области изображений мейбомиевых желез и может служить основой для辅助诊断功能障碍的依据.

Сегментация изображений мейбомиевых желез;Многозернистая сегментация;CNN;Transformer;Обработка медицинских изображений