用于鲁棒黄斑定位的 Bilateral-ViT
图像与视频处理
2022-03-07 v2 计算机视觉与模式识别
摘要
黄斑是视网膜的重要解剖标志。检测黄斑的位置对于许多视网膜疾病的分析至关重要。然而，鲁棒黄斑定位仍是一个具有挑战性的问题，因为黄斑区域往往显得模糊，且视网膜疾病可能进一步掩盖其外观。本文提出一种新颖的 Vision Transformer (ViT) 方法，整合黄斑区域内外的信息以实现鲁棒黄斑定位。我们提出的网络名为 Bilateral-Vision-Transformer (Bilateral-ViT)，由两个网络分支组成：一个基于 transformer 的主网络分支用于整合整个眼底图像的全局上下文，以及一个血管分支用于显式地融入血管结构。来自两个网络分支的编码特征随后通过定制的多尺度特征融合 (Multi-scale Feature Fusion, MFF) 模块进行合并。我们的综合实验表明，所提方法对病变图像显著更具鲁棒性，并在 Messidor 和 PALM 数据集上确立了新的最优性能 (state of the art)。
引用
@article{arxiv.2110.09860,
title = {Bilateral-ViT for Robust Fovea Localization},
author = {Sifan Song and Kang Dang and Qinji Yu and Zilong Wang and Frans Coenen and Jionglong Su and Xiaowei Ding},
journal= {arXiv preprint arXiv:2110.09860},
year = {2022}
}
备注
This work has been accepted for oral presentation by ISBI2022