从单目视频映射眼表及其在干眼症分级中的应用
计算机视觉与模式识别
2022-09-27 v2 人工智能
摘要
干眼症(DED)患病率为5%至50%，是眼科就诊的主要原因之一。DED的诊断与量化通常依赖通过裂隙灯检查的眼表分析。然而，评估具有主观性且不可复现。为改进诊断，我们提议：1）利用检查期间采集的视频记录追踪三维眼表；2）利用配准帧对严重程度分级。我们的配准方法使用无监督图像到深度学习。这些方法从光影中学习深度并基于深度图估计位姿。然而，DED检查面临未解决的挑战，包括移动光源、透明眼组织等。为克服这些并估计自运动，我们实现了具有多重损失的联合CNN架构，融入已知先验信息，即通过语义分割与球面拟合得到的眼睛形状。所实现的追踪误差优于当前最优方法，在我们的测试集上平均欧氏距离低至图像宽度的0.48%。该配准通过0.20的AUC差异改善了DED严重程度分类。所提方法是首个利用单目视频监督解决DED诊断的方法。
引用
@article{arxiv.2209.00886,
title = {Mapping the ocular surface from monocular videos with an application to dry eye disease grading},
author = {Ikram Brahim and Mathieu Lamard and Anas-Alexis Benyoussef and Pierre-Henri Conze and Béatrice Cochener and Divi Cornec and Gwenolé Quellec},
journal= {arXiv preprint arXiv:2209.00886},
year = {2022}
}
备注
Accepted MICCAI-OMIA pre-print