用于糖尿病视网膜病变彩色眼底图像中解剖结构与病灶语义分割的全卷积神经网络
计算机视觉与模式识别
2019-02-11 v1
摘要
糖尿病视网膜病变（DR）是糖尿病性眼病最常见的形式。视网膜病变可影响所有糖尿病患者，若不加治疗会变得尤为危险，增加失明风险。其可治愈成功率完全取决于早期阶段诊断。自动化计算机辅助疾病诊断工具的开发有助于以更广覆盖和合理成本更快检测症状。本文提出一种利用深度全卷积神经网络进行语义分割，对眼底图像中视网膜病灶与视盘自动分割的方法。该可训练分割流程由一个编码器网络、相应的解码器网络以及随后的逐像素分类组成，以从背景中分割微动脉瘤、出血、硬性渗出、软性渗出、视盘。网络训练采用二值交叉熵准则并以 Sigmoid 作为最后一层，而在额外阶段使用 SoftMax 层以增强单类响应。所提方法的性能使用灵敏度、阳性预测值（PPV）和准确度作为度量进行评估。此外，利用分割输出图对视盘位置进行定位。
引用
@article{arxiv.1902.03122,
title = {Fully Convolutional Neural Network for Semantic Segmentation of Anatomical Structure and Pathologies in Colour Fundus Images Associated with Diabetic Retinopathy},
author = {Oindrila Saha and Rachana Sathish and Debdoot Sheet},
journal= {arXiv preprint arXiv:1902.03122},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1511.00561 by other authors