弱监督定位视网膜眼底图像中的糖尿病视网膜病变病灶
计算机视觉与模式识别
2017-06-30 v1
摘要
卷积神经网络（CNNs）在图像分类与检测中展现出令人印象深刻的性能，并大量扩展到医学图像领域。然而，医学专家对这些预测持怀疑态度，因为导致分类结果的非线性多层结构无法直接理解。最近，已有方法可帮助用户理解图像中对CNN得出特定类别起决定性作用的判别区域。尽管这些方法有助于建立对CNN预测的信任，但仅少量研究表明它们适用于医学图像数据，而医学图像常带来挑战，因为类别判定依赖于散布在整个图像中的不同病灶区域。使用DiaretDB1数据集，我们表明在视网膜图像上，对糖尿病视网膜病变至关重要的不同病灶区域在图像级别上以高准确度被检测，准确度可与监督方法媲美或超过之。在病灶级别，我们以高灵敏度实现了少量假阳性，尽管网络仅训练于图像级标签，其中不包含现有病灶的信息。在疾病与健康图像分类中，我们在DiaretDB1上取得了0.954的AUC。
引用
@article{arxiv.1706.09634,
title = {Weakly-supervised localization of diabetic retinopathy lesions in retinal fundus images},
author = {Waleed M. Gondal and Jan M. Köhler and René Grzeszick and Gernot A. Fink and Michael Hirsch},
journal= {arXiv preprint arXiv:1706.09634},
year = {2017}
}
备注
Accepted in Proc. IEEE International Conference on Image Processing (ICIP), 2017