Reliable morphological characterization for plus disease classification

doi:10.1016/j.patrec.2026.09.017

Reliable morphological characterization for plus disease classification

2026-09-01

0

PRE

AI

J

Jie Zhong

陈元园 (Yuanyuan Chen) *

Y

Yi, Zhang

DOI：10.1016/j.patrec.2026.09.017

原文链接

原文求助

摘要

En 中文

早产儿视网膜病变.plus疾病的准确分类对筛查至关重要。然而，现有的端到端模型缺乏可解释性和临床可信度，而基于分割的量化方法在形态特征提取过程中常表现出不稳定性。为解决这些局限性，我们提出了MAF-Net，一种形态感知融合网络，将几何先验引入分类流程。通过利用有向目标检测定位并量化单峰弯曲血管段，随后将这些表示映射为曲率加权的高斯热图，所提方法无需密集的像素级血管分割，并提高了形态量化的鲁棒性。双流架构融合了这些显式结构表示与原始图像上下文。实验结果表明，MAF-Net在内部数据集上达到92.00%的准确率，在外部评估中达到88.22%的准确率。这些发现表明，所提几何融合框架促进了形态量化，增强了可解释性，并表现出鲁棒性。

Keyword:

Retinopathy of prematurity

Plus disease

Tortuosity

Oriented object detection

Morphological quantification

Reliable morphological characterization for plus disease classification

摘要

期刊

机构

引用论文