基于位置编码 CNN 的视盘与视杯分割及眼底图像青光眼筛查增强方法
计算机视觉与模式识别
2018-09-17 v1
摘要
在本稿件中，我们提出一种利用卷积神经网络（CNN）集成从眼底图像进行鲁棒青光眼筛查的方法。该流程包括首先从眼底图像分割视盘与视杯，然后提取以视盘为中心的图块，随后输入分类网络以区分图像为患病或健康。在分割网络中，除图像外，我们利用空间坐标（X 和 Y）空间以更好地学习感兴趣的结构。分类网络由 DenseNet201 与 ResNet18 组成，二者均在大规模自然图像集上进行了预训练。在 REFUGE 验证数据（n=400）上，分割网络对视盘与视杯的 dice 系数分别达到 0.88 与 0.64。对于区分青光眼图像与健康图像的任务，观测到 ROC 曲线下面积为 0.85。
引用
@article{arxiv.1809.05216,
title = {Enhanced Optic Disk and Cup Segmentation with Glaucoma Screening from Fundus Images using Position encoded CNNs},
author = {Vismay Agrawal and Avinash Kori and Varghese Alex and Ganapathy Krishnamurthi},
journal= {arXiv preprint arXiv:1809.05216},
year = {2018}
}
备注
8 pages