摘要

眼底摄影在临床实践中常用于记录年龄相关性黄斑变性（AMD）、青光眼和糖尿病视网膜病变（DR）等视网膜退行性疾病的存在和严重程度，其中黄斑中心凹和视盘（OD）是重要的视网膜标志。然而，在视网膜退行过程中，病灶、玻璃膜疣和其他视网膜异常的出现极大地复杂化了自动标志检测和分割。本文提出了一种改进的U-Net架构——HBA-U-Net，该网络通过层次瓶颈注意力机制增强了U-Net主干。该网络包含一个新颖的瓶颈注意力模块，该模块结合并优化了自注意力、通道注意力和相对位置注意力，以突出可能对退行性视网膜中黄斑中心凹和视盘分割至关重要的视网膜异常。HBA-U-Net在不同数据集和眼部条件下的黄斑中心凹检测中取得了最先进的结果（ADAM：欧氏距离（ED）25.4像素，REFUGE：32.5像素，IDRiD：32.1像素），在AMD的视盘分割中也表现优异（ADAM：Dice系数（DC）0.947），并且在DR的视盘检测中表现出色（IDRiD：欧氏距离20.5像素）。我们的研究结果表明，HBA-U-Net可能非常适合在多种视网膜退行性疾病存在的情况下进行标志检测。