面向视网膜血管分割的基于块的生成对抗网络
图像与视频处理
2019-12-24 v1 计算机视觉与模式识别
摘要
视网膜血管被认为是眼科和糖尿病视网膜病变的可靠诊断生物标志物。监测和诊断完全依赖于专家对细和粗视网膜血管的分析，近来已通过各种人工智能技术实现。现有的深度学习方法试图使用为细和粗血管同等优化的重要性的统一损失函数来分割视网膜血管。由于细和粗血管的厚度可变、分布偏斜以及空间特征差异，统一损失函数对粗血管的识别影响更大，导致弱分割。为解决此问题，提出了一种条件式基于块的生成对抗网络，其利用以样本数据为条件的生成器网络和基于块的判别器网络，并带有额外的损失函数以学习细和粗血管。在公开可用的STARE和DRIVE数据集上进行的实验表明，所提模型优于SOTA方法。
引用
@article{arxiv.1912.10377,
title = {Patch-based Generative Adversarial Network Towards Retinal Vessel Segmentation},
author = {Waseem Abbas and Muhammad Haroon Shakeel and Numan Khurshid and Murtaza Taj},
journal= {arXiv preprint arXiv:1912.10377},
year = {2019}
}