一种用于荧光素血管造影中视网膜血管检测的新型深度学习流水线
计算机视觉与模式识别
2020-05-12 v2
摘要
尽管深度学习的最新进展显著推动了彩色眼底（CF）图像中血管检测的最先进水平，但由于缺乏带标注的真实数据集，荧光素血管造影（FA）中血管检测的成功受到阻碍。我们提出一种利用深度神经网络检测FA图像中视网膜血管的新型流水线，其通过结合两个关键组件——跨模态迁移与人机协同学习——来减少生成标注真实数据所需的精力。跨模态迁移利用同步采集的CF与眼底FA图像。首先用预训练神经网络从CF图像中检测出二值血管图，随后通过基于鲁棒参数化倒角对齐至用无监督技术获得的初步FA血管检测结果，将其与FA图像进行几何配准并迁移。以迁移所得的血管作为深度学习的初始真实标注，人机协同方法通过在深度学习与标注之间迭代，逐步提升真实标注的质量。该方法在减少人工标注精力的同时提升了参与度。我们强调了所提方法的若干重要考量，并在三个数据集上验证了性能。实验结果表明，所提流水线显著减少了标注工作量，且所得深度学习方法以明显优势超越已有的FA血管检测方法。我们引入了一个新公开数据集RECOVERY-FA19，其包含高分辨率超广角图像与精确标注的真实二值血管图。
引用
@article{arxiv.1907.02946,
title = {A Novel Deep Learning Pipeline for Retinal Vessel Detection in Fluorescein Angiography},
author = {Li Ding and Mohammad H. Bawany and Ajay E. Kuriyan and Rajeev S. Ramchandran and Charles C. Wykoff and Gaurav Sharma},
journal= {arXiv preprint arXiv:1907.02946},
year = {2020}
}
备注
A paper based on this pre-print has been published (after revisions) in IEEE Trans. Image Processing. See the first footnote on front page of the article for details