有限训练数据下用于 OCTA 血管分割的解耦表征学习

基于摘要分析。该研究面向光学相干断层扫描血管成像（OCTA）的视网膜血管分割，针对人工标注成本高、对比度相关伪影随扫描仪变化的问题，提出从成对 OCTA 扫描中解耦解剖结构成分与局部对比度成分，以支持有限标注条件下的血管分割。 核心机制是将局部对比度因素从解剖结构表征中分离，再以解剖结构成分作为分割模型的输入。按作者描述，该策略使模型只需部分训练图像具有人工标注即可学习分割。其方法价值在于尝试把结构信息与成像外观变化分开处理，而不是直接依赖原始图像中的对比度线索。该方法依赖成对扫描，但配对方式、采集条件、配准要求、解耦约束及训练流程在摘要中未展开。 作者报告该方法在 OCTA 血管分割上达到当时的 state-of-the-art 表现；摘要未提供数据集、样本量、标注比例、划分协议、指标数值或对照基线，因此尚不能判断优势幅度，也不能确认其是否在跨扫描仪测试中得到验证。实验协议、消融及统计信息尚未验证。 该论文的主要研究对象是视网膜影像分割，并非 EEG 或 BCI。现有材料不足以建立其成对图像解耦机制与神经信号任务之间的具体对应关系，不据此推断 BCI 有效性。