AOSLO-net：一种基于深度学习的自适应光学扫描激光眼底镜图像视网膜微动脉瘤自动分割方法
图像与视频处理
2021-06-29 v2 计算机视觉与模式识别
机器学习
摘要
微动脉瘤(MAs)是糖尿病视网膜病变(DR)的最早征象之一，DR是糖尿病的常见并发症，可导致视力受损和失明。自适应光学扫描激光眼底镜(AOSLO)提供分辨率低至2 的实时视网膜图像，从而允许检测单个MAs的形态，这可能是决定MA病理并影响DR进展的潜在标志物。与针对眼底照片上MA数量评估开发的众多自动模型相反，目前尚无用于AOSLO照片自动分析的高通量图像方案。为应对这一紧迫需求，我们引入AOSLO-net，一种具有定制训练策略的深度神经网络框架，用于从AOSLO图像中自动分割MAs。我们使用87张DR AOSLO图像评估了AOSLO-net的性能，结果表明所提模型在准确率和成本上均优于最先进的分割模型，并能够实现正确的MA形态分类。
引用
@article{arxiv.2106.02800,
title = {AOSLO-net: A deep learning-based method for automatic segmentation of retinal microaneurysms from adaptive optics scanning laser ophthalmoscope images},
author = {Qian Zhang and Konstantina Sampani and Mengjia Xu and Shengze Cai and Yixiang Deng and He Li and Jennifer K. Sun and George Em Karniadakis},
journal= {arXiv preprint arXiv:2106.02800},
year = {2021}
}