以数据为中心的人工智能方法改进 OCT 面内图像的视盘分割与定位
图像与视频处理
2022-08-09 v1 计算机视觉与模式识别
机器学习
摘要
视网膜成像数据中解剖结构的自动检测与定位在许多方面都具有意义。本工作遵循以数据为中心的方法，优化视网膜光学相干断层扫描面内图像的视盘检测与定位的分类器训练。我们考察由领域知识驱动的空间复杂度降低对所得视盘分割与定位性能的影响。我们提出一种机器学习方法，用于在 3D 宽场扫频源光学相干断层扫描的 2D 面内投影中分割视盘，从而实现大量数据的自动评估。在人工标注的视网膜 2D 面内图像上的评估表明，当底层的像素级二分类任务通过领域知识进行空间松弛时，标准 U-Net 的训练可产出改进的视盘分割与定位性能。
引用
@article{arxiv.2208.03868,
title = {Data-centric AI approach to improve optic nerve head segmentation and localization in OCT en face images},
author = {Thomas Schlegl and Heiko Stino and Michael Niederleithner and Andreas Pollreisz and Ursula Schmidt-Erfurth and Wolfgang Drexler and Rainer A. Leitgeb and Tilman Schmoll},
journal= {arXiv preprint arXiv:2208.03868},
year = {2022}
}
备注
12 pages, 2 figures