光学相干断层扫描图像中高反射灶的全自动分割
计算机视觉与模式识别
2018-05-10 v1 机器学习
摘要
在视网膜成像数据中自动检测与疾病相关的实体对于疾病与治疗的监测具有重要意义。它使得对大量数据进行定量评估并相应研究疾病特征成为可能。高反射灶（HRF）的存在与多种视网膜疾病的进展相关。在频域光学相干断层扫描（SD-OCT）中手动识别 HRF 容易出错且繁琐。我们提出一种全自动机器学习方法，用于在 SD-OCT 扫描中分割 HRF。在标注的视网膜 OCT 图像上的评估表明，残差 U-Net 能够以高精度分割 HRF。由于我们的数据集包含来自不同视网膜疾病的数据，包括年龄相关性黄斑变性、糖尿病性黄斑水肿和视网膜静脉阻塞，尽管已知其不同的病理生理起源，该算法仍可安全地应用于所有这些疾病。
引用
@article{arxiv.1805.03278,
title = {Fully Automated Segmentation of Hyperreflective Foci in Optical Coherence Tomography Images},
author = {Thomas Schlegl and Hrvoje Bogunovic and Sophie Klimscha and Philipp Seeböck and Amir Sadeghipour and Bianca Gerendas and Sebastian M. Waldstein and Georg Langs and Ursula Schmidt-Erfurth},
journal= {arXiv preprint arXiv:1805.03278},
year = {2018}
}