基于对抗网络的单目视网膜深度估计与视盘视杯联合分割
图像与视频处理
2020-07-16 v1 计算机视觉与模式识别
机器学习
摘要
视盘评估是青光眼评估的重要参数之一，通常涉及深度估计及随后的视盘与视杯边界提取。深度通常从光学相干断层扫描（OCT）等成像模态显式获取，而从单张 RGB 图像估计深度极具挑战性。为此，我们提出一种使用对抗网络从单张图像预测深度图的新方法。所提出的深度估计技术在 INSPIRE-stereo 数据集中的独立视网膜图像上训练和评估。在五折交叉验证中我们获得了 0.92 的极高平均相关系数，优于当前最优方法。随后我们将该深度估计过程作为视盘与视杯联合分割的代理任务。
引用
@article{arxiv.2007.07502,
title = {Monocular Retinal Depth Estimation and Joint Optic Disc and Cup Segmentation using Adversarial Networks},
author = {Sharath M Shankaranarayana and Keerthi Ram and Kaushik Mitra and Mohanasankar Sivaprakasam},
journal= {arXiv preprint arXiv:2007.07502},
year = {2020}
}