换一批基于多尺度残差卷积神经网络的视杯视盘联合分割
Joint optic disc and cup segmentation based on residual multi-scale fully convolutional neural network
摘要青光眼是不可逆性失明的首要原因,早期症状不明显,容易被忽视,因此青光眼早期筛查尤为重要.杯盘比是临床上用于青光眼筛查的重要指标,所以精准分割视杯视盘是计算杯盘比的关键.本文提出了一种基于全卷积多尺度残差神经网络的视杯视盘分割方法.首先,对眼底图像进行对比度增强,并引入极坐标变换.随后,构造W-Net作为主体网络,用带残差多尺度全卷积模块来替代标准卷积单元,输入端口加入图像金字塔来构造多尺度输入,侧输出层作为早期的分类器生成局部预测输出.最后,提出了一种新的多标签损失函数来指导网络分割.实验采用REFUGE数据集验证,最终视杯、视盘分割的平均交并比分别为0.904 0、0.955 3,重叠误差分别为0.1780、0.066 5.结果 表明,该方法不仅实现了视杯视盘联合分割,而且有效提高了其分割精度.该方法将有助于大规模青光眼早期筛查的推广.
更多相关知识
- 浏览17
- 被引19
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
