基于大规模 CNN 特征的糖尿病视网膜病变图像微小病灶检测
计算机视觉与模式识别
2019-11-21 v1 机器学习
多媒体
摘要
糖尿病视网膜病变（DR）是一种影响眼睛的糖尿病并发症。DR 是工作年龄人群失明的主要原因，据估计全球每年有 300 至 400 万糖尿病患者因 DR 失明。早期诊断是缓解该问题的有效途径。我们研究的最终目标是开发新颖的机器学习技术来分析眼底相机生成的 DR 图像，以实现 DR 自动诊断。本文中，我们聚焦于识别 DR 眼底图像上的小病灶。我们分析所得结果包含病灶类别及其在图像中的精确位置，可用于辅助确定 DR 严重程度（由 DR 分期指示）。不同于自然图像的传统目标检测，眼底图像的病灶检测具有独特挑战。具体而言，相较于眼底图像原始分辨率，病灶实例的尺寸通常极小，难以被检测。我们仔细分析了病灶与图像尺度关系，并提出大尺寸特征金字塔网络（LFPN）以保留更多图像细节用于微小病灶实例检测。我们的方法包含一种有效的区域提议策略以提高灵敏度。实验结果表明，我们所提方法优于原始特征金字塔网络（FPN）方法与 Faster RCNN。
引用
@article{arxiv.1911.08588,
title = {Mini Lesions Detection on Diabetic Retinopathy Images via Large Scale CNN Features},
author = {Qilei Chen and Xinzi Sun and Ning Zhang and Yu Cao and Benyuan Liu},
journal= {arXiv preprint arXiv:1911.08588},
year = {2019}
}
备注
diabetic retinopathy, mini lesion detection, FPN