RV-GAN：利用新型多尺度生成对抗网络分割眼底照片中的视网膜血管结构
图像与视频处理
2021-10-20 v2 计算机视觉与模式识别
摘要
高保真地分割视网膜宏观与微观血管结构在退行性视网膜疾病诊断中起着关键作用，但这是一个难题。由于编码阶段连续的分辨率损失，加之解码阶段无法恢复该丢失信息，基于自编码的分割方法在提取视网膜微血管结构方面能力有限。我们提出 RV-GAN，一种用于精确视网膜血管分割的新型多尺度生成架构以缓解此问题。所提架构使用两个生成器与两个多尺度自编码判别器，以实现更好的微血管定位与分割。为避免传统基于 GAN 的分割系统所遭受的保真度损失，我们引入一种新颖的加权特征匹配损失。该新损失将判别器解码器的特征置于编码器特征之前并赋予优先级。如此结合判别器解码器在像素级判定真伪图像的事实，更好地保留了宏观与微观血管结构。通过结合重建损失与加权特征匹配损失，所提架构在来自三个公开数据集 DRIVE、CHASE-DB1 与 STARE 的视网膜血管像素级分割中分别取得 0.9887、0.9914 与 0.9887 的曲线下面积（AUC）。此外，RV-GAN 在另两个相关指标——平均交并比（Mean-IOU）与结构相似性测度（SSIM）上均优于其他架构。
引用
@article{arxiv.2101.00535,
title = {RV-GAN: Segmenting Retinal Vascular Structure in Fundus Photographs using a Novel Multi-scale Generative Adversarial Network},
author = {Sharif Amit Kamran and Khondker Fariha Hossain and Alireza Tavakkoli and Stewart Lee Zuckerbrod and Kenton M. Sanders and Salah A. Baker},
journal= {arXiv preprint arXiv:2101.00535},
year = {2021}
}
备注
Accepted to MICCAI2021