一种具有显著结构先验的深度视网膜图像质量评估网络
计算机视觉与模式识别
2021-01-01 v1
摘要
视网膜图像质量评估是视网膜疾病诊断的重要前提。其目标是识别出能够清晰明确地呈现吸引眼科医生注意的解剖结构和病灶的视网膜图像，同时剔除质量不佳的眼底图像。受此启发，我们模拟眼科医生评估视网膜图像质量的方式，提出了一种称为 SalStructuIQA 的方法。首先，提出两种用于自动视网膜质量评估的显著结构。一种是大尺寸显著结构，包括视盘区域和大尺寸渗出物。另一种是微小尺寸显著结构，主要包括血管。然后我们将提出的两种显著结构先验与深度卷积神经网络（CNN）相结合，以将 CNN 的注意力转移到显著结构上。据此，我们开发了两种 CNN 架构：双分支 SalStructIQA 和单分支 SalStructIQA。双分支 SalStructIQA 包含两个 CNN 分支，其中一个由大尺寸显著结构引导，另一个由微小尺寸显著结构引导。单分支 SalStructIQA 包含一个 CNN 分支，由大尺寸和微小尺寸显著结构的拼接所引导。在 Eye-Quality 数据集上的实验结果表明，我们提出的双分支 SalStructIQA 在视网膜图像质量评估上优于当前最优（state-of-the-art）方法，而单分支 SalStructIQA 与当前最优的深度视网膜图像质量评估方法相比更加轻量，且仍取得了具有竞争力的性能。
引用
@article{arxiv.2012.15575,
title = {A Deep Retinal Image Quality Assessment Network with Salient Structure Priors},
author = {Ziwen Xu and beiji Zou and Qing Liu},
journal= {arXiv preprint arXiv:2012.15575},
year = {2021}
}