基于词袋法的 OCT 图像中微动脉瘤自动检测
图像与视频处理
2022-05-11 v1 计算机视觉与模式识别
摘要
由糖尿病引发的糖尿病视网膜病变（DR）因视网膜血管改变而发生，并导致视觉损伤。微动脉瘤（MAs）是 DR 的早期临床征象，其及时诊断有助于在 DR 发展早期阶段检出。已观察到在患 DR 的眼中，MAs 较外视网膜层更常见于内视网膜层。光学相干断层扫描（OCT）是一种提供视网膜横截面视图的非侵入性成像技术，近年来已被用于诊断多种眼疾。因此，本文尝试利用 OCT 图像从视网膜正常区域中识别含 MA 的区域。该工作使用收集自 20 名 DR 患者 FA 与 OCT 图像的数据集完成。为此，首先对荧光素血管造影（FA）与 OCT 图像进行配准。随后分离 MA 与正常区域，并采用基于加速稳健特征（SURF）描述子的词袋（BOF）方法提取各区域特征。最后，使用多层感知机网络执行分类过程。在准确率、灵敏度、特异度与精确率各项指标上，所得结果分别为 96.33%、97.33%、95.4% 与 95.28%。利用 OCT 图像自动检测 MAs 是一个新思路，作为该领域的初步研究，所获结果令人鼓舞。
引用
@article{arxiv.2205.04695,
title = {Automatic Detection of Microaneurysms in OCT Images Using Bag of Features},
author = {Elahe Sadat Kazemi Nasab and Ramin Almasi and Bijan Shoushtarian and Ehsan Golkar and Hossein Rabbani},
journal= {arXiv preprint arXiv:2205.04695},
year = {2022}
}