用于自动化青光眼筛查中语义分割的动态区域提议网络
计算机视觉与模式识别
2021-05-25 v1 机器学习
图像与视频处理
摘要
通过眼底图像筛查诊断青光眼可由视杯与视盘直径比（CDR）确定，这需要分割杯和盘区域。在本文中，我们提出两种新颖方法，即参数共享分支网络（PSBN）和基于弱感兴趣区域模型的分割（WRoIM），以识别视盘和视杯边界。与先前方法不同，所提方法通过单一神经网络架构端到端训练，并使用动态裁剪而非手动或传统基于计算机视觉的裁剪。我们能够以更少的网络参数实现与最先进方法相似的性能。我们的实验包括在公开可用的 Drishti-GS1 和 RIM-ONE v3 数据集上与不同已知最佳方法的比较。使用 个参数，我们的方法在 Drishti-GS1 数据上实现了视盘/视杯分割的 Dice 分数 0.96/0.89，而现有最先进方法使用 个参数实现 Dice 分数 0.97/0.89。
引用
@article{arxiv.2105.11364,
title = {Dynamic region proposal networks for semantic segmentation in automated glaucoma screening},
author = {Shivam Shah and Nikhil Kasukurthi and Harshit Pande},
journal= {arXiv preprint arXiv:2105.11364},
year = {2021}
}