【医疗图像分割】Deep neural networks for the detection and segmentation of the retinal fluid in OCT images.

最新推荐文章于 2022-03-09 16:00:19 发布
最新推荐文章于 2022-03-09 16:00:19 发布
阅读量913 收藏 3
点赞数 2
分类专栏： 深度学习 机器学习 模式识别 图像分割 计算机视觉 医学图像 文章标签： 医疗图像分割 detection and segmentation  OCT retinal fluid
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/github_36923418/article/details/86569740
版权

题目：Deep neural networks for the detection and segmentation of the retinal fluid in OCT images.

        

背景介绍：这依然是一篇MICAI 2017的文章，来自于MICAI2017的workshop挑战赛，Retouch Challenge 2017.关于比赛内容以及比赛结果等信息可以点积这个链接https://retouch.grand-challenge.org/Organizers/ 。

前言：这个比赛也是MICAI2017的一个非常重要的内容，关注度非常高！主要目的是对OCT 图像进行检测与分割，主要包含了以下三个类别，intraretinal fluid (IRF), subretinal fluid (SRF), and pigment epithelial detachment (PED) 。这篇文章，给出的解决方案是2阶段的CNN，第一个网络已经完全具备了检测以及分割能力，第二个网络主要是起到一个细化，微调，提升作用！第一个网络结合了分类层，并且采用了dorpout 以及 maxout 激活函数来避免过拟合。

                                

         从画面来看源自matplot，以热度图的方式来显示的！IRF、SRF、PED这几个区域如果都让人来分辨，那么每一个volume上百张图/每个被拍摄者，那工作量是非常浩大的，而且对于标注师而言，首先是时间是个问题，其次会带入很多因疲劳而产生的错误。

图像预处理：这篇文章的预处理部分还算是比较简单的，只有reshape以及rescale，We reshape the images as size of 512×512. The image scale is 0 to 1 and the data precision is 4byte floating point。对于图像增广也是中规中矩的： flipping of the left and right, shift and resize of images。

模型结构：

           

     从这张图中，我们可以很清晰的看到整个的网络结构，所有标记了黄色的框图内容都是需要loss的，这也是“中继监督”的训练手段！把encoder的最后一层结果直接接上一个fc层通往分类器得到检测结果！不过这里的分类并不是直接的多分类，而是利用如下table1 这样的方式做成了单分类问题！！！ 这样也避免了多分类问题中的阈值设定等问题！

                                               

       后面的第二阶段网络，输入是2channels的，只有原图+IRF/SRF/PED中的一个，文中第二阶段网络，对于第一阶段的分割结果三种内容是分开放在第二阶段训练的！也就是inference阶段，第二个网络可能需要运行3次！


 Implementation：这篇文章是基于tensorflow用的keras写的，硬件是一个TianX 12Gb，用了Adadelta optimizer 训练了250个epoch！

实验结果：

      

     

Jie Ou
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Segmentation of OCT images (DME) OCT图像分割（DME）：光学相干断层扫描（OCT）和糖尿病性黄斑水肿（DME）-数据集
03-04
该数据集包含对糖尿病性黄斑水肿的光学相干断层扫描图像进行分割的图像。数据集载自文章：S. J. Chiu, M. J. Allingham, P. S. Mettu, S. W. Cousins, J. A. Izatt, S. Farsiu, "Kernel regression based segmentation of optical coherence tomography images with diabetic macular edema", ( BIOMEDICAL OPTICS EXPRESS), 6(4), pp. 1172-1194, April, 2015 Segmentation of OCT images (DME)_datasets.txt
An Overview of Multi-Task Learning in Deep Neural Networks.pdf
02-23
for MTL in Deep Learning, gives an overview of the literature, and discusses recent advances. In particular, it seeks to help ML practitioners apply MTL by shedding light on how MTL works and ...
Segmentation of retinal OCT images using a random forest classifier
我的博客
12-30 785
Segmentation of retinal OCT images using a random forest classifier 使用随机森林分类器对视网膜OCT图像进行分割 抽象 光学相干断层扫描（OCT）已成为诊断视网膜异常的最常用工具之一。视网膜形态和层厚均可提供重要信息，以帮助对这些异常进行鉴别诊断。自动分段方法对于提供这些厚度测量至关重要，因为考虑到每次OCT扫描中的数据量很大，每层的手动描绘都很麻烦。在这项工作中，我们提出了一种使用随机森林分类器进行视网膜层分割的新方法。从OCT数据中总共
基于多尺度稀疏表示的视网膜OCT图像阴影修复
hello_world_0001的博客
03-09 4795
提出了一种**结合传统方法和深度学习方法**的算法框架。缓解了传统方法的修复效果随着修复面积的增大而降低，而深度学习算法需要庞大眼科影像数据和计算时间的问题。在合成伪影和真实伪影上都取得了较好的效果，能够在小样本和短训练时间的情况下，大幅提高后续分割算法的性能，具有很好的实时性。
【论文阅读笔记】Deep Neural Networks for Object Detection
时光机 °的博客
07-11 1524
论文背景   该论文发布于2013年，此时DNNDNNDNN在图像分类任务上表现很好，但未曾在目标检测上有建树。在这论文之前的目标检测多用DPM（Deformable Part-base Model，基于部件的可变形模型），DPM模型是基于精心设计的表示以及基于流体的对象分解的图模型，利用判别图模型去构建检测的对象。该文章提出了一种基于多尺度推断的网络实现目标检测，但后面一些解决某些问题的方案，...
【眼底数据集】RETOUCH & REFUGE & IDRiD
学习 & 分享 ~
03-04 6246
图像数据：分割类别：REFUGE 相关数据：数据前处理：数据后处理：数据描述：数据描述 图： 图像数据文件： 和 标签文件： 和 图像大小：（height * width * num * volume）， 表示有多种尺寸病灶类别：四个类别比例：按像素个数统计原图与标签Overlap ： 训练数据划分：RETOUCH 相关数据： 论文统计排行榜数据： Grand Challenge 网站排行榜： 分割任务：图像数据：病灶类别：四类病灶在训练集（Set A）和测试集（Set B）中的图像个数： 图
Automatic segmentation of nine retinal layer boundaries in OCT images of non-exudative AMD patients using deep learning and graph search
02-07
We present a novel framework combining convolutional neural networks (CNN) and graph search methods (termed as CNN-GS) for the automatic segmentation of nine layer boundaries on retinal optical ...
Deep Neural Networks for the Assessment of Surgical Skills A Sy
09-23
标题 "Deep Neural Networks for the Assessment of Surgical Skills A Sy" 暗示了这篇文献主要探讨的是深度神经网络在手术技能评估中的应用。结合描述 "Deep Neural Networks for the Assessment of Surgical ...
Neural Networks—Tricks of the Trade (2nd Edition).pdf
08-22
It is our belief that researchers and practitioners acquire, through experience and word-of-mouth, techniques and heuristics that help them successfully apply neural networks to difficult real world ...
Deep Convolutional Neural Networks for Feature Extraction of Images Generated from Complex Networks Topologies
02-22
Apart from traditional tools in doing such jobs such as power-law, a proved method of convolutional neural network (CNN) is introduced into this research field after we re-format the complex network ...
FracNet:[EBioMedicine]通过CT扫描进行深度学习辅助的肋骨骨折的检测和分割
05-24
FracNet 抽象的 背景：肋骨骨折的诊断在确定创伤严重程度方面起着重要作用。 但是，随着患者数量的增加，快速，准确地识别大量CT图像中的肋骨骨折是一项艰巨的任务，这也要取决于放射科医生的资格。 我们的目标是针对临床上适用的自动系统，用于从CT扫描中进行肋骨骨折的检测和分割。 方法：将来自一个中心的900例患者的总计7,473例带注释的外伤性肋骨骨折纳入我们的数据集，称为RibFrac数据集，并使用人工环标签程序进行注释。 我们开发了一种名为FracNet的深度学习模型，用于检测和分割肋骨骨折。 分别将720名，60名和120名患者随机分为训练组，调整组和测试组。 使用FreeResponse ROC（FROC）分析来评估检测性能的敏感性和假阳性，并使用联合路口交叉口（IoU）和骰子系数（Dice）来评估预测的肋骨骨折的分割性能。 观察者研究（包括独立的仅涉及人类的研究和人类协作研究）
【医疗图像分割】【MICAI RETOUH 2017】Simultaneous Classification and Segmentation of Cysts inRetinal OCT
小欧欧的博客
01-20 799
题目：Simultaneous Classification and Segmentation of Cysts in Retinal OCT 前言：这篇文章，给出了一种新的U型CNN，可以同时给出分割以及检测结果，而且工作的意义在于，可以量化的给出患者OCT影像结果。关于数据集以及这个挑战赛的介绍可以看这篇博客https://blog.csdn.net/github_36923418/ar...
pytorch框架基于resnet18训练OCT数据
haimianjie2012的专栏
09-03 374
1.resnet简介 18是简化版 34是18翻个倍 50是34的加bottleneck版，实际没变 101是在50的基础上加厚第四层的卷积块 152是在50的基础上加厚第三层和第四层的卷积块 至于为什么是这些数字，18和34应该是为了对标VGGNet 参考资料： PyTorch源码解读之torchvision.models 2.可视化 深度学习7：TensorBoard使用方法 python学习笔记之tensorboard绘制结构曲线分析各参数 ...
【医疗图像分割】【MICAI RETOUCH CHALLENGE 2017】 Simultaneous Detection and Quantification of Retinal Fluid wi
小欧欧的博客
01-20 1929
         前言：今天我们要解读的这篇文章，是深度卷积神经网络在医学图像上的应用，关于计算机CV应用于Medical这个领域已经有长达几十年的历史了。MICAI也算是这方面的顶会了，retouch challenger也是2017年MICAI的workshop，https://retouch.grand-challenge.org/ 。当然这个数据集目前也是下载不到了，如果有小伙伴能够弄到...
OCT病灶分割论文泛读
Atomwh的专栏
01-13 5060
1.Automated Classification between Age-related Macular Degeneration and Diabetic Macular Edema in OCT Image Using Image Segmentation 作者：Jathurong Sugruk, Supaporn Kiattisin and Adisorn Lee1asantitham
OCT图像层次分割相关论文泛读
热门推荐
Atomwh的专栏
01-13 1万+
①A Neural Network Approach to Retinal Layer Boundary Identification From Optical Coherence Tomography Images 作者：Kevin McDonough and Ilya Kolmanovsky 来源：2015 IEEE   使用神经网络对视网膜图像中的每个像素进行二分类：属于层次中的像素与
Event Detection and Domain Adaptation with Convolutional Neural Networks
CLOUD
09-01 1682
【文章来源】 TH Nguyen, R Grishman,et al. Event Detection and Domain Adaptation with Convolutional Neural Networks[C]. 【原文链接】 基于卷积神经网络的事件检测和域自适应：http://www.anthology.aclweb.org/P/P15/P15-2060.pdf 摘要 我们...
2017CS231n笔记11.Detection and Segmentation
老毛的博客
07-02 867
总的内容包括Segmentation, Localization, Detection 第一小节内容为图像分割，了解图像分割本质是对每个像素点进行分类的过程，为了解决全卷积网络的计算复杂度问题，提出了与降采样相对应的上采样的方法。使用降采样和上采样方法对应，得到完整的End-to-End网络。
DUKE大学BOE数据集 OCT图像积液分割数据集
我的博客
05-26 3003
地址：http://people.duke.edu/~sf59/Chiu_BOE_2014_dataset.htm 使用此数据集用来做积液分割研究 使用python将.mat转换为图片格式 #对BOE .MAT格式文件处理成图片 import cv2 import scipy.io as scio import os # [0,1]=>[0,255] def changeImg(gray): H, W = gray.shape for i in range(0, W):
In neural networks, in the context of error back propagation learning, define learning rate and explain its effect on the learning process.
最新发布
05-18
In neural networks, learning rate refers to the step size used in the gradient descent algorithm during backpropagation. It determines how quickly the network converges to the optimal solution during ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值