论文简介：
从Bruch膜（EZ-BM）区域自动分割中心性浆液性脉络膜视网膜病变（CSC）及其相关的椭球体区域，对于早期诊断和治疗视网膜病变以防止视力丧失非常重要。然而，CSC病变位置和形状的巨大变化，以及EZ-BM区域与其周围区域的低对比度，使得分割任务具有挑战性。为了应对这些挑战，本文提出了一种新的并行类神经P系统，称为深度集成类神经（DEN）P系统，它结合了脉冲神经P系统（SN P系统）和深度卷积神经网络（CNN）的优点，可以更准确、高效地分割CSC病变和相关EZ-BM区域。DEN P系统建立了三个具有新规则和神经元架构的模块，这些模块在神经元中以端到端的形式实现。具体而言，本文提出了一个集成的◣全卷积网络来训练多个经过不同的初始化后的全卷积网络，以获得有效的¤特征。得益于DEN P系统的并行性，全卷积网络在不同的神经元中同时进行。为了实现有效的分类，本文提出了一个具有三种不同损失函数的多损失模块，以缓解DEN P系统陷入单一损失函数的问题。不同的神经元也并行地执行不同的损失函数。为了进一步提高性能，本文引入了粗-细补偿模块来校正检测结果。作为一种并行计算范式，DEN P系统ぷ耗时较少，在1280张图像上以0.04秒的时间完成CSC病变和EZ-BM区域的分◣割，平均DSC分别为0.93±0.04和0.95±0.02。此外，消融性实验表明，所提出的模块对于有效的特征学习至关重要。
图 A1、A2：原始OCT图像；B1、B2：EZ-BM区域的注意图；C1、C2：无CSC区域的EZ-BM的注意图；D1、D2：CSC病变的注意图；红色箭头表示异常外丛状层导致的分类错误；绿⌒ 色箭头表示OCT图像中不同区域对比度低导致的分类错误。E、F和G是B、C和D的标签。
期刊简介：
期刊：Information Fusion，顶级期刊，中科院SCI 1区，影响因子：12.975
作者简介:
薛洁，女，博士，副教授，博士生导师，东岳学者，山东师范大学首批科研创新团队负责人，获评卓越五导研究生导学团队，主要从事新型生物启发式计算模型、人工智能算法的研究及其『在医学图像管理中的△应用，特别是针对脑肿瘤、眼底病变、胰腺癌的临床问题研究。先后提出了单纯复形膜系统等多种新型并行式计算模型，对传统计算模型进行了扩展，补充了后摩尔时代计算框架，设计了基于新型计算模型的机器学习算法，同时，将算法结合临床需求取得了一系》列研究成果，为AI辅助的个体化精准医学提供理论和实践支持。以第一作者、通讯作者在相关领域发表SCI论文35篇，包括IEEE Transactions on Cybernetics，Information Fusion，Medical Image Analysis，Neuro-Oncology，Knowledge-based Systems，Applied Soft Computing，Expert Systems with Applications等。主持国∮家自然科学基金3项（面上1项、青年1项、应急管理1项），山东省自然科学基金1项，中国博♂士后面上项目1项。
参考文献
[1]Jie Xue*, Zhuo Wang, Xiyu Liu, Shuo Yan, Yuan Wang, Wen Fan, Songtao Yuan , Sijie Niu, Dengwang Li, Deep Ensemble Neural-like P Systems for Segmentation of Central Serous Chorioretinopathy Lesion, Information Fusion, v 65, 2021:84-94.
邮箱：xxxx@sdnu.edu.cn 电话：0531-86180509 地址：济南市长清区大学科技园大学路1号 邮编：250358 版权所有 © 山东师范大学商学院 鲁ICP备11011431号
抖音扫描二维码 关注学院官方抖音 获取最新动态
微信扫描二维码 关注学院官方微信 获取最新动态
