Zoom-in-Net：深度挖掘病变以检测糖尿病视网膜病变
计算机视觉与模式识别
2017-06-15 v1
摘要
我们提出了一种基于卷积神经网络的算法，用于同时诊断糖尿病视网膜病变并突出显示可疑区域。我们的贡献有两个方面：1）一种称为Zoom-in-Net的网络，它模拟临床医生检查视网膜图像的放大过程。仅使用图像级监督进行训练，Zoom-in-Net能够生成突出显示可疑区域的注意力图，并基于整个图像及其高分辨率可疑块准确预测疾病等级。2）从自动学习的注意力图生成的仅四个边界框就足以覆盖由经验丰富的眼科医生标记的80%的病变，这显示了注意力图良好的定位能力。通过对注意力图上高响应位置的特征进行聚类，我们发现了包含糖尿病视网膜病变中潜在病变的有意义的聚类。实验表明，我们的算法在EyePACS和Messidor两个数据集上优于SOTA方法。
关键词
引用
@article{arxiv.1706.04372,
title = {Zoom-in-Net: Deep Mining Lesions for Diabetic Retinopathy Detection},
author = {Zhe Wang and Yanxin Yin and Jianping Shi and Wei Fang and Hongsheng Li and Xiaogang Wang},
journal= {arXiv preprint arXiv:1706.04372},
year = {2017}
}
备注
accepted by MICCAI 2017