基于改进 U-Net 卷积神经网络的青光眼检测视盘与视杯分割方法
计算机视觉与模式识别
2018-05-01 v1 机器学习
摘要
青光眼是全球第二大失明原因，2010 年全球报告了约 6000 万例。如果未能及时诊断，青光眼会对视神经造成不可逆损伤，导致失明。视神经乳头检查涉及杯盘比的测量，被认为是该疾病最具价值的结构诊断方法之一。杯盘比的估计需要在眼底图像上分割视盘和视杯，这可以通过现代计算机视觉算法来执行。本工作提出了一种用于自动视盘和视杯分割的通用方法，该方法基于深度学习，即 U-Net 卷积神经网络的改进。我们的实验包括在公开可用的数据库 DRIONS-DB、RIM-ONE v.3、DRISHTI-GS 上与最知名的方法进行比较。对于视盘和视杯分割，我们的方法达到了与当前 SOTA 方法相当的质量，并在预测时间方面优于它们。
引用
@article{arxiv.1704.00979,
title = {Optic Disc and Cup Segmentation Methods for Glaucoma Detection with Modification of U-Net Convolutional Neural Network},
author = {Artem Sevastopolsky},
journal= {arXiv preprint arXiv:1704.00979},
year = {2018}
}
备注
accepted for publication in "Pattern Recognition and Image Analysis: Advances in Mathematical Theory and Applications" journal, ISSN 1054-6618