基于深度学习高度图重建的彩色眼底图像黄斑分析
图像与视频处理
2020-12-29 v1 计算机视觉与模式识别
摘要
基于视网膜图像的医学诊断通常需要对三维结构有清晰的了解，但由于所采集图像的二维性质，我们无法推断该信息。然而，通过利用三维重建方法，我们可以恢复眼底图像上黄斑区域的高度信息，这有助于黄斑疾病的诊断和筛查。近期的方法已利用阴影信息进行高度图预测，但由于忽略了相邻像素间的依赖关系且仅利用了阴影信息，其输出并不准确。此外，其他方法依赖于获取不止一张视网膜图像，这在实际应用中难以实现。本文受条件生成对抗网络和深度监督网络成功的启发，提出了一种新颖的生成器架构，通过渐进式细化和深度监督来增强输出的细节和质量，从而重建彩色眼底图像上黄斑的高度信息。在我们自己的数据集上进行的比较表明，所提出的方法在此特定任务上优于所有图像转换和医学图像转换领域的现有方法。此外，感知研究也表明，所提出的方法可以为眼科医生的诊断提供补充信息。
引用
@article{arxiv.2012.14140,
title = {Analysis of Macula on Color Fundus Images Using Heightmap Reconstruction Through Deep Learning},
author = {Peyman Tahghighi and Reza A. Zoroofi and Sare Safi and Alireza Ramezani},
journal= {arXiv preprint arXiv:2012.14140},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:2009.01601