眼底图像中的自动病灶分割与病理性近视分类
图像与视频处理
2020-02-18 v1 机器学习
机器学习
摘要
在本文中，我们提出了用于诊断病理性近视（PM）以及检测视网膜结构与病灶（如视盘（OD）、中央凹、萎缩和脱离）的算法。所有这些任务均在来自 PM 患者的眼底图像上执行，并且是参与病理性近视挑战赛（PALM）的要求。该挑战赛作为半日挑战赛组织，是 IEEE 国际生物医学成像研讨会在意大利威尼斯举办的卫星活动。我们的方法针对每项任务应用不同的深度学习技术。所有任务均使用 Xception 作为基线模型应用迁移学习。此外，视盘分割算法流程中使用了 YOLO 架构的一些关键思想。我们已根据挑战赛规则，在 AUC-ROC、F1 分数、平均 Dice 分数和平均欧氏距离方面评估了模型的性能。对于初期任务，我们的方法已显示出令人满意的结果。
引用
@article{arxiv.2002.06382,
title = {Automatic lesion segmentation and Pathological Myopia classification in fundus images},
author = {Cefas Rodrigues Freire and Julio Cesar da Costa Moura and Daniele Montenegro da Silva Barros and Ricardo Alexsandro de Medeiros Valentim},
journal= {arXiv preprint arXiv:2002.06382},
year = {2020}
}
备注
ISBI 2019 PALM Challenge Report