领域知识辅助的OCT视网膜图像囊肿分割
计算机视觉与模式识别
2016-12-09 v1
摘要
三维成像模态因其在突出亚视网膜层结构方面的有效性，在视网膜成像中正变得日益流行且重要。OCT便是这样一种模态，在分析亚视网膜层中的囊样结构方面具有重要意义。OCT所获图像的信噪比（SNR）较低，因此从OCT中自动且准确地确定囊样结构是一项具有挑战性的任务。我们提出了一种在3D OCT体数据中检测/分割囊肿的自动化方法。所提方法受生物学启发且快速，并借助关于囊样结构的领域知识辅助。学习了一种集成学习方法——随机森林（Random forests）用于将检测区域分类为囊肿区域。该方法在统一框架中实现检测与分割。我们相信，经进一步改进的所提方法可成为一个更鲁棒方法的有前景的起点。该方法在训练集上验证，取得了0.3893的平均Dice系数，标准差为0.2987。
引用
@article{arxiv.1612.02675,
title = {Domain knowledge assisted cyst segmentation in OCT retinal images},
author = {Karthik Gopinath and Jayanthi Sivaswamy},
journal= {arXiv preprint arXiv:1612.02675},
year = {2016}
}
备注
The paper was accepted as an oral presentation in MICCAI-2015 OPTIMA Cyst Segmentation Challenge