06
2018 CVPR A Deep Learning based Joint Segmentation and Classification Framework for Glaucoma Assesment in Retinal Color Fundus Images
Method : Segmentation + classification,分割视盘、视杯,分类青光眼
Dataset : Train REFUGE (CFI)400 (360 Normal + 40 Glaucomatous cases)
Zeiss Visucam images
2124×2056 pixels
Test 400 Canon CR-2 images (1634 × 1634 pixels)
Architecture : ROI extraction + Multi-task CNN + Post-processing
Results :dice score 0.92(OD), 0.84 (OC) ;AUC 0.95 (classification )
Methods
青光眼的主要特征是视盘(OD)的结构改变,在彩色眼底图像(CFI)中呈明亮的椭圆形结构。它由一种叫做视杯(OC)的中央凹陷组成,周围环绕着一个同心的视网膜神经环。青光眼的特征是视网膜神经纤维的丢失,导致晶状体体积的增大。
CFIs仅提供视网膜表面的二维视图,缺乏深度信息。因此,CFI中OC的准确分割仍然是一个有待解决的问题。
现