用于病理OCT扫描中感光细胞层分割的放大目标损失方法
图像与视频处理
2019-10-22 v2 计算机视觉与模式识别
摘要
在病理场景下,分割视网膜光学相干断层扫描(OCT)中的感光细胞层等解剖结构具有挑战性。使用标准损失函数训练的监督深度学习模型通常只能从训练集中表征最常见的疾病表现,导致在处理未见病变时性能次优且泛化能力差。在本文中,我们提出通过增强目标损失函数框架来克服这一限制。我们引入了一种新颖的放大目标损失,基于大多数具有挑战性的疾病表现通常位于输入图像中心区域的观察,显式惩罚该区域内的误差。我们使用包含黄斑疾病患者OCT扫描的数据集对方法进行了实验验证。我们观察到与使用仅标准损失的模型相比性能有所提升。我们提出的损失函数有力支持了分割模型在高度病理场景下更好地区分感光细胞。
引用
@article{arxiv.1908.00764,
title = {An amplified-target loss approach for photoreceptor layer segmentation in pathological OCT scans},
author = {José Ignacio Orlando and Anna Breger and Hrvoje Bogunović and Sophie Riedl and Bianca S. Gerendas and Martin Ehler and Ursula Schmidt-Erfurth},
journal= {arXiv preprint arXiv:1908.00764},
year = {2019}
}
备注
Accepted for publication at MICCAI-OMIA 2019