利用对抗学习改进糖尿病视网膜病变病灶分割
图像与视频处理
2020-07-29 v1 计算机视觉与模式识别
摘要
糖尿病视网膜病变(DR)是劳动年龄成人失明的主要原因。DR病灶在眼底图像中难以识别，自动DR检测系统具有很高的临床价值。在公开可用的DR标注数据集中，印度糖尿病视网膜病变图像数据集(IDRiD)提供了带有四种不同病灶像素级标注的视网膜眼底图像：微动脉瘤、出血、软性渗出物和硬性渗出物。我们利用HEDNet边缘检测器在该数据集上解决语义分割任务，进而提出一种通过将HEDNet嵌入条件生成对抗网络(cGAN)中实现DR病灶像素级分割的端到端系统。我们设计了一种将对抗损失加到分割损失上的损失函数。实验表明，加入对抗损失较基线提升了病灶分割性能。
引用
@article{arxiv.2007.13854,
title = {Improving Lesion Segmentation for Diabetic Retinopathy using Adversarial Learning},
author = {Qiqi Xiao and Jiaxu Zou and Muqiao Yang and Alex Gaudio and Kris Kitani and Asim Smailagic and Pedro Costa and Min Xu},
journal= {arXiv preprint arXiv:2007.13854},
year = {2020}
}
备注
Accepted to International Conference on Image Analysis and Recognition, ICIAR 2019. Published at https://doi.org/10.1007/978-3-030-27272-2_29 Code: https://github.com/zoujx96/DR-segmentation