眼底病灶分割网络

不规则病灶精确分割

自适应特征精炼与通道级卷积，专门捕捉CNV和CNP病灶不规则的形态细节，在两种关键OCT和FFA数据上均稳定超越主流模型。

Sun, Hao · 高恩婷 · 李泳成 · 向德辉 · Lu, Fan · 朱伟芳 · 石霏 · 聂宝清 · Xinjian, Chen · Zhang, Lei · Cai, Jing · 彭铎 · Tao, Peng

Medical Physics 2026

参数信息

Dice系数
82.50 %
IoU
71.66 %
Dice系数
74.43 %
IoU
60.80 %

技术优势

精准捕捉不规则病灶

AFRU模块选择性强调信息性特征，OCCU模块捕捉不规则病灶的细微结构，针对病灶形态多变问题专门设计。

性能显著超越现有模型

在CNV和CNP数据集上，RFENet的Dice和IoU均优于UNet++、Swin-UNet、SelfReg-UNet、DAEFormer和Mamba-UNet等模型，且多数对比具有统计学显著性。

即插即用

源代码已在GitHub上公开，可直接用于复现和进一步研究，便于集成到现有分析流程。

应用场景