基于级联膨胀卷积神经网络的视网膜小动脉与小静脉自动分割与分类
计算机视觉与模式识别
2018-12-04 v1
摘要
视网膜血管的变化是许多血管及系统性疾病（如糖尿病和高血压）的早期征兆。视网膜小动脉与小静脉的不同表现构成衡量疾病严重程度的一项重要指标。因此，准确分类小动脉与小静脉十分必要。本工作中，我们提出一种新颖的深度卷积神经网络架构，用于在视网膜眼底图像上分割并分类小动脉与小静脉。该网络以原始彩色眼底图像为输入，以多类标签为输出。我们采用编码-解码结构(Unet)作为所提模型的骨干网络。为提升分类精度，我们在骨干网络之上开发了耦合InceptionV4模块与级联膨胀卷积(CDCs)的特殊编码路径。该模型因而能够从多尺度感受野提取并融合高层语义特征。所提方法在DRIVE数据集上以0.955 0.002的精度优于先前最先进方法。
引用
@article{arxiv.1812.00137,
title = {Automated segmentaiton and classification of arterioles and venules using Cascading Dilated Convolutional Neural Networks},
author = {Meng Li and Yan Zhang and Haicheng She and Jinqiong Zhou and Jia Jia and Danmei He and Li Zhang},
journal= {arXiv preprint arXiv:1812.00137},
year = {2018}
}