यह शोधपत्र ऑप्टिकल कोहेरेंस टोमोग्राफी (OCT) छवियों में रेटिना परत विभाजन के लिए एक बेहतर सेगनेट-आधारित गहन शिक्षण ढाँचे का प्रस्ताव करता है, जो ग्लूकोमा, डायबिटिक रेटिनोपैथी और उम्र से संबंधित मैकुलर डिजनरेशन जैसी बीमारियों के निदान के लिए आवश्यक है। मौजूदा गहन शिक्षण मॉडलों की सीमाओं को दूर करने के लिए, जिनमें व्याख्या की कमी है और समय लेने वाले और अत्यधिक परिवर्तनशील मैनुअल विभाजन की आवश्यकता होती है, हम शोरयुक्त OCT छवियों से फ़ीचर निष्कर्षण को बढ़ाने के लिए एक संशोधित पूलिंग रणनीति सहित संरचनात्मक नवाचारों का उपयोग करते हैं। इसके अलावा, हम श्रेणीबद्ध क्रॉस-एन्ट्रॉपी हानि और डाइस हानि को मिलाकर एक हाइब्रिड हानि फ़ंक्शन का उपयोग करके प्रदर्शन में सुधार करते हैं। इसके अलावा, हम ग्रैड-सीएएम को एकीकृत करते हैं, जो मॉडल निर्णयों की दृश्य व्याख्या प्रदान करता है, जिससे नैदानिक सत्यापन संभव होता है। ड्यूक OCT डेटासेट पर प्रशिक्षण और सत्यापन से 95.77% की सत्यापन सटीकता, 0.9446 का डाइस गुणांक और 0.8951 का जैकार्ड हस्तक्षेप सूचकांक (IoU) प्राप्त हुआ। हालाँकि मॉडल को पतले किनारों के साथ संघर्ष करना पड़ा, लेकिन इसने अधिकांश परतों में अच्छा प्रदर्शन किया। ग्रैड-सीएएम विज़ुअलाइज़ेशन ने शारीरिक रूप से प्रासंगिक क्षेत्रों को उजागर किया, विभाजन परिणामों को नैदानिक बायोमार्करों के साथ संरेखित किया और पारदर्शिता को बढ़ाया। हम एक उच्च-प्रदर्शन सेगनेट-आधारित ढाँचा प्रस्तुत करते हैं जो संरचनात्मक परिशोधन, अनुकूलित हाइब्रिड हानि और व्याख्यात्मक एआई के संयोजन द्वारा सटीकता और व्याख्यात्मकता के बीच की खाई को पाटता है। यह दृष्टिकोण ओसीटी विश्लेषण को मानकीकृत करने, नैदानिक दक्षता में सुधार करने और एआई-आधारित नेत्र चिकित्सा उपकरणों में नैदानिक विश्वास बढ़ाने की शक्तिशाली क्षमता प्रदान करता है।
