袁鑫 1 , 郑秀娟 1 , 吉彬 1,2 , 李淼 1 , 李彬 1
  • 1. 四川大学 电气工程学院 自动化系(成都 610065);
  • 2. 中国移动(成都)产业研究院(成都 610041);
导出 下载 收藏 扫码 引用

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 0.178 0、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。

引用本文: 袁鑫, 郑秀娟, 吉彬, 李淼, 李彬. 基于多尺度残差卷积神经网络的视杯视盘联合分割. 生物医学工程学杂志, 2020, 37(5): 875-884. doi: 10.7507/1001-5515.201909006 复制

  • 上一篇

    一种基于感知速度与感知角度的网格野计算模型
  • 下一篇

    面向生物控制的鲤鱼脑组织及脑电极三维重建