基于AS-OCT序列的开角-窄角-粘连性前房角分类
计算机视觉与模式识别
2020-06-11 v1
摘要
前房角(ACA)分类是眼前节光学相干断层扫描(AS-OCT)中诊断闭角型青光眼的关键步骤。现有的自动化分析方法聚焦于2D AS-OCT切片中的二分类系统(即开角或闭角)。然而,临床诊断需要更具区分度的ACA三分类系统(即开角、窄角或粘连性房角),以惠及希望更好理解闭角型青光眼各类型进展谱的临床医生。为此,我们提出了一种新颖的序列多尺度聚合深度网络(SMA-Net),用于基于AS-OCT序列的开角-窄角-粘连性ACA分类。在我们的方法中,采用多尺度判别聚合(MSDA)模块在切片层级学习多尺度表示,同时引入ConvLSTM在序列层级研究这些表示的时间动态。最后,使用多级损失函数结合基于切片和基于序列的损失。所提方法在两个AS-OCT数据集上进行了评估。实验结果表明,所提方法在适用性、有效性和准确性上优于现有的SOTA方法。我们认为本工作是首次尝试利用AS-OCT序列将ACA分类为开角、窄角或粘连类型的分级。
引用
@article{arxiv.2006.05367,
title = {Open-Narrow-Synechiae Anterior Chamber Angle Classification in AS-OCT Sequences},
author = {Huaying Hao and Huazhu Fu and Yanwu Xu and Jianlong Yang and Fei Li and Xiulan Zhang and Jiang Liu and Yitian Zhao},
journal= {arXiv preprint arXiv:2006.05367},
year = {2020}
}
备注
Accepted to MICCAI 2020