一种用于视网膜血管分割的精炼均衡生成对抗网络
图像与视频处理
2019-12-19 v2 计算机视觉与模式识别
摘要
目的：识别视网膜血管异常对眼科疾病和心血管事件的早期诊断至关重要。然而，分割结果受隐匿血管影响很大，尤其在低对比度背景和病灶区域。本工作中，我们提出一种端到端的合成神经网络，包含对称均衡生成对抗网络(SEGAN)、多尺度特征精炼块(MSFRB)和注意力机制(AM)，以提升血管分割性能。方法：所提网络具备强大的多尺度表示能力以提取细节信息。首先，SEGAN 构建对称对抗架构，迫使生成器产生具有局部细节的更真实图像。其次，设计 MSFRB 以防止高分辨率特征被掩盖，从而更好地融合多尺度特征。最后，采用 AM 促使网络聚焦于判别性特征。结果：在公开数据集 DRIVE、STARE、CHASEDB1 和 HRF 上，我们对网络进行定量评估并与 SOTA 工作比较。消融实验表明 SEGAN、MSFRB 和 AM 均对理想性能有贡献。结论：所提网络优于成熟方法，并在隐匿血管分割中有效发挥作用，在灵敏度、G-Mean、精确率和 F1-Score 上取得最高分，同时在其他指标上保持顶尖水平。意义：可观的性能和计算效率为临床视网膜血管分割应用提供了巨大潜力。同时，该网络可用于提取其他生物医学问题中的细节信息。
引用
@article{arxiv.1909.11936,
title = {A Refined Equilibrium Generative Adversarial Network for Retinal Vessel Segmentation},
author = {Yukun Zhou and Zailiang Chen and Hailan Shen and Xianxian Zheng and Rongchang Zhao and Xuanchu Duan},
journal= {arXiv preprint arXiv:1909.11936},
year = {2019}
}
备注
12 pages, 8 figures, and 9 tables