MPG-Net：用于OCT图像中视网膜层分割的多预测引导网络
图像与视频处理
2020-09-30 v1 计算机视觉与模式识别
机器学习
摘要
光学相干断层扫描（OCT）是一种常用的提取高分辨率视网膜信息的方法。此外，对自动化视网膜层分割的需求日益增长，以促进视网膜疾病诊断。本文中，我们提出一种新颖的多预测引导注意力网络（MPG-Net）用于OCT图像中的自动化视网膜层分割。所提方法包含两大主要步骤，以增强U形全卷积网络（FCN）的判别力以实现可靠自动化分割。首先，在编码器中利用自适应重加权特征通道的特征精炼模块，以捕获更具信息量的特征并丢弃无关区域中的信息。此外，我们提出多预测引导注意力机制，提供像素级语义预测引导，以更好地在各尺度上恢复分割掩码。该机制将深度监督转化为有监督注意力，能够引导中间层间具有更多语义信息的特征聚合。在公开可用的Duke OCT数据集上的实验证实了所提方法的有效性，以及相对于其他最先进方法的性能提升。
引用
@article{arxiv.2009.13634,
title = {MPG-Net: Multi-Prediction Guided Network for Segmentation of Retinal Layers in OCT Images},
author = {Zeyu Fu and Yang Sun and Xiangyu Zhang and Scott Stainton and Shaun Barney and Jeffry Hogg and William Innes and Satnam Dlay},
journal= {arXiv preprint arXiv:2009.13634},
year = {2020}
}
备注
EUSIPCO2020