通过选择性增强从光学相干断层扫描体数据中分割视网膜囊肿
计算机视觉与模式识别
2017-08-29 v2
摘要
从光学相干断层扫描(OCT)中自动准确地分割囊样结构对于视网膜疾病的早期检测具有重要意义。然而，这是一项具有挑战性的任务。我们提出了一种在3D OCT体数据中定位囊肿的新方法。所提工作受生物学启发，基于通过对给定OCT切片诱导运动来选择性增强囊肿。设计了一个卷积神经网络(CNN)来学习一个映射函数，该函数组合多个此类运动的结果以生成给定切片中囊肿位置的概率图。囊肿的最终分割通过对检测到的囊肿位置进行简单聚类获得。所提方法在两个公共数据集和一个私有数据集上进行了评估。公共数据集包括为MICCAI 2015的OPTIMA囊肿分割挑战(OCSC)发布的数据集和DME数据集。在OCSC训练集上训练后，该方法在OCSC测试集上实现了0.71的平均Dice系数(DC)。通过在DME和AEI（私有）数据集上的交叉验证检验了算法的鲁棒性，获得的平均DC值分别为0.69和0.79。总体而言，所提系统优于所有基准。这些结果凸显了所提方法在处理数据采集协议和扫描仪变化方面的优势。
引用
@article{arxiv.1708.06197,
title = {Segmentation of retinal cysts from Optical Coherence Tomography volumes via selective enhancement},
author = {Karthik Gopinath and Jayanthi Sivaswamy},
journal= {arXiv preprint arXiv:1708.06197},
year = {2017}
}
备注
Under review in Journal of Biomedical and Health Informatics