Comparación de modelos de deep-learning de segmentación de las capas de la retina a partir de tomografía por coherencia óptica

Abstract

Este trabajo compara las arquitecturas nnU-Net, MGU-Net y SDLayer-Net en la segmentación de las capas de la retina en imágenes de Tomografía por Coherencia Óptica. Se propone una normalización anatómica centrada en la fóvea con el objetivo de mejorar la capacidad de generalización, así como una nueva metodología de evaluación basada en las violaciones topológicas de la disposición de las capas.