用于眼底图像青光眼筛查的视盘感知集成网络
计算机视觉与模式识别
2018-05-22 v1
摘要
青光眼是一种导致不可逆视力丧失的慢性眼病。现有多数自动筛查方法先分割主要结构,再计算临床测量值以检测和筛查青光眼。然而,这些基于测量的方法严重依赖分割精度,且忽略了各种视觉特征。本文引入深度学习技术以获取额外的图像相关信息,并直接从眼底图像筛查青光眼。具体地,提出一种用于自动青光眼筛查的新型视盘感知集成网络(Disc-aware Ensemble Network, DENet),其融合了全局眼底图像与局部视盘区域的深度层次上下文。分别将不同层级与模块的四个深度流视为全局图像流、分割引导网络、局部视盘区域流和视盘极坐标变换流。最终,不同流的输出概率被融合作为最终筛查结果。在两个青光眼数据集(SCES与新SINDI数据集)上的实验表明,我们的方法优于其他最先进算法。
引用
@article{arxiv.1805.07549,
title = {Disc-aware Ensemble Network for Glaucoma Screening from Fundus Image},
author = {Huazhu Fu and Jun Cheng and Yanwu Xu and Changqing Zhang and Damon Wing Kee Wong and Jiang Liu and Xiaochun Cao},
journal= {arXiv preprint arXiv:1805.07549},
year = {2018}
}
备注
Project homepage: https://hzfu.github.io/proj_glaucoma_fundus.html , and Accepted by IEEE Transactions on Medical Imaging