基于像素级注意力机制的视网膜眼底图像青光眼分割与检测回归学习
图像与视频处理
2020-01-08 v1 计算机视觉与模式识别
摘要
由眼科医生观察视网膜眼底图像是青光眼的主要诊断方法。然而，仅通过人工观察仍难以区分病变特征，尤其在青光眼早期阶段。本文提出两种基于深度学习的自动化算法，用于青光眼检测以及视盘与视杯分割。我们利用注意力机制学习像素级特征以实现精确预测。具体而言，我们提出两个卷积神经网络，能够专注于学习各种像素级特征。此外，我们设计了若干注意力策略，引导网络学习对预测精度有重大影响的重要特征。我们在验证数据集上评估了所提方法，两项任务的解决方案均取得了令人印象深刻的成果，并优于当前最先进的（SOTA）方法。代码见 \url{https://github.com/cswin/RLPA}。
引用
@article{arxiv.2001.01815,
title = {Regression and Learning with Pixel-wise Attention for Retinal Fundus Glaucoma Segmentation and Detection},
author = {Peng Liu and Ruogu Fang},
journal= {arXiv preprint arXiv:2001.01815},
year = {2020}
}
备注
MICCAI 2018 workshop challenge