用于眼底图像中视网膜血管检测的深度卷积神经网络集成
机器学习
2016-03-16 v1 计算机视觉与模式识别
机器学习
摘要
由于视网膜病理损伤导致的视力障碍，可通过使用眼底彩色成像的定期筛查在很大程度上预防。然而，大规模筛查的挑战在于无法详尽检测对疾病诊断至关重要的细小血管。在这项工作中，我们提出了一个使用深度和集成学习的计算成像框架，用于可靠地检测眼底彩色图像中的血管。训练一个深度卷积神经网络集成来分割彩色眼底图像的血管和非血管区域。在推断期间，集成中各个ConvNets的响应被平均以形成最终分割。在DRIVE数据库的实验评估中，我们实现了血管检测目标，最大平均准确率为94.7\%，ROC曲线下面积为0.9283。
引用
@article{arxiv.1603.04833,
title = {Ensemble of Deep Convolutional Neural Networks for Learning to Detect Retinal Vessels in Fundus Images},
author = {Debapriya Maji and Anirban Santara and Pabitra Mitra and Debdoot Sheet},
journal= {arXiv preprint arXiv:1603.04833},
year = {2016}
}