使用全卷积神经网络与全连接 CRFs 进行光学相干断层扫描图像的囊样黄斑水肿分割
计算机视觉与模式识别
2017-09-18 v1
摘要
在本文中，我们提出了一种利用全卷积神经网络（FCN）和全连接条件随机场（dense CRFs）对视网膜光学相干断层扫描（OCT）图像中的囊样黄斑水肿（CME）进行分割的新方法。作为第一步，该框架训练 FCN 模型以从表现出 CME 的 OCT 图像的视网膜层中提取特征，然后使用训练好的模型分割 CME 区域。此后，使用 dense CRFs 根据水肿外观对分割结果进行细化。我们使用来自 10 名糖尿病性黄斑水肿（DME）患者的 OCT 图像对该框架进行了训练和测试。我们的实验结果表明，液体和实质性黄斑水肿区域的分割与边界具有良好的贴合度。相对于真实标签，实现了 （Dice 系数）的分割准确度，与先前使用基于核回归方法的现有技术（）相比表现良好。我们的方法具有通用性，我们相信它可以很容易地被改造用于检测其他黄斑缺陷。
引用
@article{arxiv.1709.05324,
title = {Cystoid macular edema segmentation of Optical Coherence Tomography images using fully convolutional neural networks and fully connected CRFs},
author = {Fangliang Bai and Manuel J. Marques and Stuart J. Gibson},
journal= {arXiv preprint arXiv:1709.05324},
year = {2017}
}