SegImgNet：分割引导双分支网络用于视网膜疾病诊断
图像与视频处理
2025-03-04 v1 计算机视觉与模式识别
摘要
视网膜图像在诊断多种疾病中起着关键作用，因为视网膜结构提供了重要的诊断信息。然而，在有效捕捉结构特征的同时将其与视网膜图像的上下文信息整合仍然是一个挑战。在本工作中，我们提出了分割引导双分支网络SegImgNet，用于基于视网膜图像及其分割图的视网膜疾病诊断。SegImgNet包含一个分割模块，从视网膜图像中生成多尺度视网膜结构特征图。分类模块采用两个编码器分别从分割图像和视网膜图像中提取特征以进行疾病分类。为进一步增强特征提取，我们引入了分割引导注意力（SGA）模块，利用分割模块的特征图来优化分类过程。我们在公开的AIROGS数据集和私有的e-ROP数据集上评估了SegImgNet。实验结果表明SegImgNet持续优于现有方法，证明了其在视网膜疾病诊断中的有效性。代码公开可用：https://github.com/hawk-sudo/SegImgNet。
引用
@article{arxiv.2503.00267,
title = {SegImgNet: Segmentation-Guided Dual-Branch Network for Retinal Disease Diagnoses},
author = {Xinwei Luo and Songlin Zhao and Yun Zong and Yong Chen and Gui-shuang Ying and Lifang He},
journal= {arXiv preprint arXiv:2503.00267},
year = {2025}
}