利用深度神经网络从眼底图像中鲁棒分割视盘与视杯
图像与视频处理
2020-12-15 v1 计算机视觉与模式识别
摘要
视盘（OD）与视杯（OC）是视网膜眼底图像中具有显著临床意义的区域。它们是青光眼病症的主要指征。随着深度学习在医疗健康研究中的出现与成功，已提出多种用于分割视网膜眼底图像中重要特征的方法。我们提出一种基于残差编解码网络（REDNet）的区域卷积神经网络（RCNN）同时分割 OD 与 OC 的新方法。RED-RCNN 受 Mask RCNN（MRCNN）启发。与最先进技术的性能比较以及在标准公开可用眼底图像数据集上的广泛验证表明，RED-RCNN 相较 MRCNN 具有更优性能。RED-RCNN 在 OD 分割上的灵敏度、特异度、准确率、精确率、Dice 与 Jaccard 指数分别为 95.64%、99.9%、99.82%、95.68%、95.64%、91.65%，在 OC 分割上分别为 91.44%、99.87%、99.83%、85.67%、87.48%、78.09%。此外，我们基于所获得的 OD/OC 分割计算杯盘比（CDR），进行两阶段青光眼严重程度分级。RED-RCNN 相对 MRCNN 的优越分割性能转化为青光眼严重程度分级中更高的准确率。
引用
@article{arxiv.2012.07128,
title = {Robust Segmentation of Optic Disc and Cup from Fundus Images Using Deep Neural Networks},
author = {Aniketh Manjunath and Subramanya Jois and Chandra Sekhar Seelamantula},
journal= {arXiv preprint arXiv:2012.07128},
year = {2020}
}
备注
12 pages, 10 figures, 8 tables; Submitted To IEEE Transactions On Image Processing