用于视网膜图像中视盘与黄斑中心定位的关系网络
计算机视觉与模式识别
2018-12-04 v1 机器学习
机器学习
摘要
糖尿病视网膜病变是全球致盲的首要原因。至少 90% 的新发病例可通过适当的眼部治疗与监测得以减少。然而，对全部患者群体进行筛查是一项艰巨任务。视网膜图像分析中的计算机辅助诊断工具可使该过程可扩展且高效。本工作中，我们聚焦于定位视盘与黄斑中心的问题，这是视网膜扫描分析的关键任务。现有系统单独识别视盘与黄斑，在学习过程中未利用其相互关系。我们提出一种新颖方法，通过同时处理二者并建模其相对几何与外观来定位视盘与黄斑中心。我们展示了该方法通过高效引入目标间关系改善了定位与识别，并取得了极具竞争力的结果。
引用
@article{arxiv.1812.00883,
title = {Relation Networks for Optic Disc and Fovea Localization in Retinal Images},
author = {Sudharshan Chandra Babu and Shishira R Maiya and Sivasankar Elango},
journal= {arXiv preprint arXiv:1812.00883},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018