18

2019 Computerized Medical Imaging and Graphics

Robust optic disc and cup segmentation with deep learning for glaucoma detection

Method ：分割 OD/OC 计算 CDR
Dataset ：train RIGA ；test DRISHTI-GS1 , RIM-ONE
Architecture : Unet （encoder ：pre-trained ResNet34）
Results ：
DRISHTI-GS1：Dice 视盘 96.44% 视杯 87.39%
Jacc 视盘 93.19% 视杯 78.08%
RIM-ONE ：Dice 视盘 94.91% 视杯 79.32%
Jacc 视盘 90.65% 视杯 68.28%

避免了从头开始训练网络，实现了快速网络训练

Methods

视盘和杯的自动分割是以两个阶段的方式实现的

Pre-Processing
Data Augumentation
512×512
第一阶段
- 单一标签深度学习模型建立和训练以分割视盘
- 目的：通过粗糙盘分割获得盘中心和直径。
- 方法：在视盘周围检测到的椎间盘直径的1.5到2倍范围内随机选择四个极值点。随机选择的四个点用于确定提取的ROI的最高，最低，最左和最右。
- 将检测到的盘周围的局部区域（随机1.5-2直径）提取为感兴趣区域（ROI）
  将ROI调整为512×512的尺寸并传递到步骤2以进行精细的视盘和视杯分割
第二阶段
Segmentation
- 目的：训练多标签修改的U-Net模型以同时获得视盘和杯的精细分割
- 使用预先训练的ResNet34模型作为编码器修改了广泛采用的U-Net架构
- 分为两个阶段
  - 第一阶段
    ResNet-34编码器部分的权重被冻结，并且仅上采样解码器部分的权重被优化。
  - 第二阶段
    下采样层解冻，学习率为[ e -4， e -3， e -2]用于近输入层，中间层和近输出层。第二阶段训练的目的是微调所有层的权重，最少调整ResNet层，最多调整解码层。
Post Processing
- 通过形态学后处理模块进一步处理预测的视盘和视杯分割。

在几个公开可用的青光眼数据集上验证了修改后的U-Net模型的性能

Results

（1）改进的U-Net架构的开发和验证，其中预先训练的ResNet模型作为编码器层;
（2）实现彩色眼底图像的光盘和杯子的全自动精确分割，具有与RIGA数据集专家相媲美的分割性能;
（3）将在RIGA上训练的模型应用于DRISHTI-GS和RIM-ONE V3数据库时，实现了稳健的性能，表明了该模型的鲁棒性和泛化能力。

Discussion

与 DRISHTI-GS数据库相关文献相比，所提方法的视盘和杯分割性能。在没有微调的情况下测试模型时，我们在用于圆盘分割的Jaccard指数和用于杯子分割的Dice系数方面实现了最先进的性能。
质量下降和光盘萎缩图像性能下降的主要原因是该模型是在RIGA数据集上进行训练的，该数据集主要包含高质量图像和普通光盘。
模型迁移性好，没有经过训练的数据集，实现的性能和别的在数据集上训练的模型结果相媲美

【医学+深度论文：F18】2019 Robust optic disc and cup segmentation with deep learning for glaucoma detection相关推荐

【医学+深度论文：F04】Integrated Optic Disc and Cup Segmentation with Deep Learning
04 Integrated Optic Disc and Cup Segmentation with Deep Learning 2015 年比较老分割问题 : 青光眼筛查,视盘分割,视杯分割 Da ...
【医学+深度论文：F14】2018 Joint Optic Disc and Cup Segmentation Based on Multi Label Deep Network
14 2018 T-MI (IEEE Transactions on Medical Imaging ) Joint Optic Disc and Cup Segmentation Based on ...
【医学+深度论文：F21】2017 CVPR Optic Disc and Cup Segmentation Methods for Glaucoma Detection
21 2017 CVPR Optic Disc and Cup Segmentation Methods for Glaucoma Detection with Modification of U-N ...
【医学+深度论文：F23】2018 symmetry Dense Fully Convolutional Segmentation of the Optic Disc and
23 2018 symmetry Dense Fully Convolutional Segmentation of the Optic Disc and Cup in Colour Fundus f ...
【医学+深度论文：F25】2018 CVPR Enhanced Optic Disk and Cup Segmentation with Glaucoma Screening from Fundus
25 2018 CVPR Enhanced Optic Disk and Cup Segmentation with Glaucoma Screening from Fundus Images usi ...
【医学+深度论文：F05】2018 automatic optic disk and cup segmentation of fundus images using deep learning
05 automatic optic disk and cup segmentation of fundus images using deep learning 2018 Method :分割,视盘 ...
医学分割论文:nnU-Net: Self-adapting Framework for U-Net-Based Medical Image Segmentation
医学分割论文:nnU-Net: Self-adapting Framework for U-Net-Based Medical Image Segmentation Auther: Fabian Is ...
Brain tumor segmentation using deep learning +HybridResUnet脑胶质瘤分割BraTs +论文解读
Brain tumor segmentation using deep learning 下载地址摘要 Brain tumor is one of the deadliest forms of ca ...
NLP：LSTM之父眼中的深度学习十年简史《The 2010s: Our Decade of Deep Learning / Outlook on the 2020s》的参考文献
NLP:LSTM之父眼中的深度学习十年简史<The 2010s: Our Decade of Deep Learning / Outlook on the 2020s>的参考文献目录 T ...

【医学+深度论文：F18】2019 Robust optic disc and cup segmentation with deep learning for glaucoma detection

18

Methods

Results

Discussion

【医学+深度论文：F18】2019 Robust optic disc and cup segmentation with deep learning for glaucoma detection相关推荐

最新文章

热门文章