基于多级深度网络的前节OCT房角闭合检测
计算机视觉与模式识别
2019-02-12 v1
摘要
不可逆的视力损伤通常由原发性闭角型青光眼引起，这可以通过前节光学相干断层扫描(Anterior Segment Optical Coherence Tomography, AS-OCT)进行检测。本文提出了一种基于深度学习的自动化系统，用于AS-OCT图像中的房角闭合检测。该系统从训练数据中学习判别性表示，以捕捉手工特征无法建模的细微视觉线索。为构建此学习过程，本文提出了一种多级深度网络(Multi-Level Deep Network, MLDN)，该网络基于临床先验利用三个特定的AS-OCT区域：全局前节结构、局部虹膜区域和前房角(anterior chamber angle, ACA)图像块。在本方法中，设计了一个基于滑动窗口的检测器来定位ACA区域，将ACA检测视为一个回归任务。随后，应用三个并行子网络分别提取全局图像及临床相关局部区域的AS-OCT表示。最后，将这些子网络提取的深度特征拼接至一个全连接层，以预测房角闭合检测结果。实验表明，在两个临床AS-OCT数据集上，该系统的性能优于以往的检测方法及其他深度学习系统。
引用
@article{arxiv.1902.03585,
title = {Angle-Closure Detection in Anterior Segment OCT based on Multi-Level Deep Network},
author = {Huazhu Fu and Yanwu Xu and Stephen Lin and Damon Wing Kee Wong and Mani Baskaran and Meenakshi Mahesh and Tin Aung and Jiang Liu},
journal= {arXiv preprint arXiv:1902.03585},
year = {2019}
}
备注
9 pages, accepted by IEEE Transactions on Cybernetics