学习互促局部-全局U-net用于眼底图像中高分辨率视网膜病变分割
计算机视觉与模式识别
2019-01-21 v1
摘要
糖尿病视网膜病变是糖尿病最重要的并发症。视网膜病变的早期诊断有助于避免视力丧失或失明。由于高分辨率和小的病变区域，应用现有方法（如U-Net）在眼底照片上进行分割非常具有挑战性。虽然对输入图像进行下采样可以简化问题，但会丢失细节信息。进行补丁级分析有助于实现精细尺度分割，但由于缺乏上下文信息，通常会导致误解。在本文中，我们提出了一种高效的网络，将两者结合起来，不仅关注局部细节，而且充分利用上下文感知。这是通过集成全局级U-net和补丁级U-net的解码器部分来实现的。两个流被联合优化，确保它们相互增强。实验结果表明，我们的新框架显著优于现有的基于补丁和基于全局的方法，特别是当病变区域分散且尺度较小时。
引用
@article{arxiv.1901.06047,
title = {Learning Mutually Local-global U-nets For High-resolution Retinal Lesion Segmentation in Fundus Images},
author = {Zizheng Yan and Xiaoguang Han and Changmiao Wang and Yuda Qiu and Zixiang Xiong and Shuguang Cui},
journal= {arXiv preprint arXiv:1901.06047},
year = {2019}
}
备注
4 pages, Accepted by ISBI 2019