将多类分割作为多任务学习用于视网膜光学相干断层扫描中的玻璃膜疣分割
图像与视频处理
2019-07-25 v2 计算机视觉与模式识别
摘要
视网膜光学相干断层扫描（OCT）中玻璃膜疣的自动分割对于理解年龄相关性黄斑变性（AMD）的风险和进展具有重要意义。该任务通常通过分割定义玻璃膜疣的顶/底解剖界面来完成，即视网膜色素上皮外边界（OBRPE）和Bruch膜（BM）。在本文中，我们提出了一种新颖的多解码器架构，将玻璃膜疣分割作为一个多任务问题来处理。我们没有训练一个用于OBRPE/BM分割的多类模型，而是为每个目标类使用一个解码器，并使用一个额外的解码器针对层间区域。我们还在每个类特定分支与附加解码器之间引入连接，以增强此代理任务的正则化效果。我们在私有/公共数据集上验证了我们的方法，分别包含166个早期/中期AMD Spectralis，以及200个AMD和对照Bioptigen OCT体积。我们的方法在层和玻璃膜疣分割评估中始终优于多个基线。
引用
@article{arxiv.1906.07679,
title = {Multiclass segmentation as multitask learning for drusen segmentation in retinal optical coherence tomography},
author = {Rhona Asgari and José Ignacio Orlando and Sebastian Waldstein and Ferdinand Schlanitz and Magdalena Baratsits and Ursula Schmidt-Erfurth and Hrvoje Bogunović},
journal= {arXiv preprint arXiv:1906.07679},
year = {2019}
}
备注
Accepted for publication in MICCAI 2019