基于眼底图像的视网膜动脉/静脉联合分割与分类
计算机视觉与模式识别
2019-03-05 v1
摘要
目的 从眼底图像中自动分割动脉/静脉 (A/V) 是追踪包括视网膜病变和心血管病变在内的许多病理中发生的血管变化所必需的。量化血管变化的临床指标之一是动静脉比 (AVR)，它表示动脉与静脉直径之比。该指标在很大程度上取决于血管分割及分为动脉和静脉的分类精度。本文提出一种结合深度学习和图传播的快速新颖的语义 A/V 分割方法。方法 提出一种卷积神经网络 (CNN) 联合分割血管并将其分类为动脉和静脉。初始 CNN 标记通过视网膜血管系统的图表示进行传播，其节点定义为血管分支，边由连接分支对的代价加权。为高效传播标签，将该图简化为其最小生成树。结果 该方法对血管分割的准确率达 94.8%。在 CT-DRIVE 数据库上，A/V 分类的特异度为 92.9%，灵敏度为 93.7%，优于最先进的特异度和灵敏度（均为 91.7%）。结论 结果表明，我们的方法在公共数据集上的 A/V 分类优于以往领先工作，且迄今为止速度最快。意义 使用我们的自动 A/V 分割方法在整个眼底图像上计算的全局 AVR，比仅在视盘周围计算的标准局部 AVR 能更好地追踪与糖尿病视网膜病变相关的血管变化。
引用
@article{arxiv.1903.01330,
title = {Joint segmentation and classification of retinal arteries/veins from fundus images},
author = {Fantin Girard and Conrad Kavalec and Farida Cheriet},
journal= {arXiv preprint arXiv:1903.01330},
year = {2019}
}
备注
Preprint accepted in Artificial Intelligence in Medicine