基于双向 ConvLSTM 的 M-Net 用于眼底图像视杯与视盘分割
图像与视频处理
2021-04-09 v1 计算机视觉与模式识别
机器学习
摘要
青光眼是一种严重的眼部疾病，已知其会损害视神经纤维，导致视杯增大，可能造成永久性视力丧失。青光眼是仅次于白内障的致盲第二大原因，但青光眼更为危险，因其不可治愈。早期诊断与治疗有助于减缓青光眼的进展及其损害。对于青光眼检测，杯盘比（CDR）提供重要信息。CDR 严重依赖于视杯与视盘区域的准确分割。本文中，我们提出了一种改进的 M-Net，结合双向卷积长短期记忆（LSTM），基于联合视杯与视盘分割。所提网络将编码器与解码器特征同双向 LSTM 相结合。我们提出的模型分割视杯与视盘区域，据此可观察杯盘比中的异常。所提模型在 REFUGE2 数据上测试，取得视盘 dice 分数 0.92，视杯与视盘区域分割准确率 98.99%。
引用
@article{arxiv.2104.03549,
title = {M-Net with Bidirectional ConvLSTM for Cup and Disc Segmentation in Fundus Images},
author = {Maleeha Khalid Khan and Syed Muhammad Anwar},
journal= {arXiv preprint arXiv:2104.03549},
year = {2021}
}