本文开源的MATLAB的代码
目前用于眼底图像的自动青光眼检测的大多数系统依赖于基于分割的特征,很明显,它们受到底层分割方法的影响。在本文中,我们提出在非医疗数据上预训练CNN来实现青光眼自动检测方案的可行性。本文提出两种不同的CNN(即OverFeat和VGG-S)应用于眼底图像以产生特征向量。文中加入了预处理技术,如血管修复,对比度限制自适应直方图均衡(CLAHE)和在ONH区域修建等,以评估该视野内特征区分力力的改进,同时在模型中组合进"l1"和"l2"正则逻辑回归项。实验时,在Drishti-GS1数据集上的结果表明,这种方法的可行性,同时说明了当数据量不足以微调网络时在迁移学习中明确提供图像预处理选择的重要性的证据。
1 引言
在本文中,我们分析了