用于 AS-OCT 组织分割的宏-微弱监督框架
计算机视觉与模式识别
2020-07-21 v1
摘要
原发性闭角青光眼（PACG）是亚洲人群不可逆失明的主要病因。PACG 的早期检测至关重要，以便及时提供治疗并最大限度减少视力丧失。在临床实践中，PACG 通过前段光学相干断层扫描（AS-OCT）分析角膜与虹膜间的房角进行诊断。深度学习技术的快速发展为构建快速、准确分割角膜与虹膜组织的计算机辅助系统提供了可行性。然而，深度学习方法在医学影像领域的应用仍受限于完全标注样本不足。本文提出一种新颖框架，通过使用弱标注图像（多数）与完全标注图像（少数）的组合，对 AS-OCT 图像中的目标组织进行准确分割。所提框架由两个模型组成，彼此提供可靠引导。此外，采用不确定性引导策略以提升引导的准确性与稳定性。在公开 AGE 数据集上的详尽实验表明，所提框架优于当前最优的半监督/弱监督方法，并与全监督方法性能相当。因此，所提方法被证明能有效利用弱标注图像中所含信息，并具备实质性减轻标注工作量的能力。
引用
@article{arxiv.2007.10007,
title = {A Macro-Micro Weakly-supervised Framework for AS-OCT Tissue Segmentation},
author = {Munan Ning and Cheng Bian and Donghuan Lu and Hong-Yu Zhou and Shuang Yu and Chenglang Yuan and Yang Guo and Yaohua Wang and Kai Ma and Yefeng Zheng},
journal= {arXiv preprint arXiv:2007.10007},
year = {2020}
}
备注
MICCAI 2020