换一批融合感受野模块的卷积神经网络视杯视盘联合分割
Joint Optic Cup and Disc Segmentation Using Convolutional Neural Network with Receptive Field Module
摘要青光眼是世界第一大不可逆致盲性眼病,早期诊断和及时治疗是预防青光眼致盲的有效措施.眼底图像中的杯盘比是青光眼早期筛查与临床诊断的重要指标.因此,精确的视杯视盘分割是准确计算杯盘比并提高青光眼计算机辅助诊断技术的关键.针对这一问题,在对眼底图像进行极坐标变换的基础上,提出一种融合感受野模块的卷积神经网络Seg-RFNet,以实现视杯视盘联合分割.Seg-RFNet以SegNet框架为基础,使用ResNet50作为编码层,增强图像的特征提取能力,并对编码层进行分支处理,进一步获得更多的深层语义信息;同时在编码层和解码层之间加入感受野模块,模拟人类视觉系统,在增大感受野的同时增强了有用特征的响应.使用MICCAI 2018公开数据集REFUGE中的800张眼底图像对所提出方法与其他方法进行性能验证和比较.结果表明,Seg-RFNet分割视杯和视盘的Jaccard相似度分别0.951 5和0.872 0,F分数达到了0.974 9和0.930 1,与常用的U-Net、SegNet网络相比,Seg-RFNet具有更好的视杯视盘联合分割精度,为计算杯盘比提供了精确分割基础.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2022.02.005
发布时间
2022-07-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
成都市技术创新研发项目（2020-YF05-01386-SN）
- 浏览0
- 被引10
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
