基于深度学习的早产儿视网膜病变早期分期检测
图像与视频处理
2021-09-06 v1
摘要
早产儿视网膜病变（ROP）是一种纤维血管增生性疾病，影响早产儿发育中的周边视网膜血管。ROP 在 1 期和 2 期可早期检测，其特征是具有宽度的分界线与脊，将血管化视网膜与周边视网膜分开。由于图像对比度低，从新生儿视网膜图像中检测分界线/脊是一项复杂任务。本文聚焦于使用卷积神经网络（CNN）检测脊——ROP 诊断中的重要标志。我们的贡献在于使用基于 CNN 的模型 Mask R-CNN 进行分界线/脊检测，使临床医生能更好地检测 ROP 2 期。所提系统应用图像增强的预处理步骤以克服图像质量差的问题。在本研究中，我们使用标注的新生儿图像，并探索利用 CNN 在这些图像中定位脊。我们使用了来自 KIDROP 项目的 45 名婴儿的 220 张图像的数据集。系统在 175 张带有脊区域真值分割的视网膜图像上训练，在 45 张图像上测试，达到 0.88 的检测准确率，表明通过图像归一化预处理的深度学习检测可实现早期 ROP 的稳健检测。
引用
@article{arxiv.2109.01442,
title = {Early Detection of Retinopathy of Prematurity stage using Deep Learning approach},
author = {Supriti Mulay and Keerthi Ram and Mohanasankar Sivaprakasam and Anand Vinekar},
journal= {arXiv preprint arXiv:2109.01442},
year = {2021}
}
备注
Accepted in SPIE Medical Imaging 2019