利用卷积神经网络在 AS-OCT 图像上识别原发性闭角
计算机视觉与模式识别
2019-10-24 v1
摘要
原发性闭角性疾病（PACD）是一种严重的视网膜疾病，可能导致不可逆的视力丧失。临床上，在前段光学相干断层扫描（AS-OCT）上准确识别闭角并定位巩膜突位置对 PACD 的诊断至关重要。然而，手动勾画可能存在准确率低、效率差的问题。本文中，我们提出了一种高效准确的端到端架构，用于闭角分类和巩膜突定位。具体而言，我们利用改进的 ResNet152 作为骨干网络以提高闭角识别的准确率。对于巩膜突定位，我们采用 EfficientNet 作为编码器，因其强大的特征提取潜力。通过结合跳跃连接模块和金字塔池化模块，网络能够从多个维度和尺度收集特征图中的语义线索。随后，我们提出一种新颖的关键点配准损失来约束模型对巩膜突区域的强度和位置的关注。我们在闭角青光眼评估（AGE）挑战数据集上进行了大量实验来评估我们的方法。结果表明，我们提出的架构在测试集的分类任务中排名第一，并在巩膜突定位任务中达到 12.00 像素的平均欧氏距离误差。
引用
@article{arxiv.1910.10414,
title = {Identification of primary angle-closure on AS-OCT images with Convolutional Neural Networks},
author = {Chenglang Yuan and Cheng Bian and Hongjian Kang and Shu Liang and Kai Ma and Yefeng Zheng},
journal= {arXiv preprint arXiv:1910.10414},
year = {2019}
}
备注
The third place in angle-closure glaucoma evaluation (AGE) Challenge, MICCAI 2019