【医学+深度论文：F25】2018 CVPR Enhanced Optic Disk and Cup Segmentation with Glaucoma Screening from Fundus

25

2018 CVPR

Enhanced Optic Disk and Cup Segmentation with Glaucoma Screening from Fundus Images using Position encoded CNNs

Method ： 分割 + 分类
Dataset ：
Architecture : Unet（DenseNet）+ DenseNet201/ResNet18
Results ：分割 平均误差CDR 0.09 分类 ROC SE0.75 SP 0.85/0.856

印度

首先分割 OD，OC ；然后 crop OD 得到patch ；送入分类网络 二分类

利用空间坐标学习 ROI

Method

Position encoded CNNs

Segment Net

• 数据预处理
  正方形，resize 512×512
  归一化：自适应直方图均衡化 CLAHE

• net

• 分割

分割是在计算网络生成的分割算法均值的基础上进行的。利用传统的计算机视觉技术，在图像滤波和阈值化的帮助下，对光盘的后处理粗掩模进行估计，如图，然后将网络获得的分割值与这些掩码相乘，以去除假阳性。将最大面积椭圆拟合到单个类(光盘和杯)上，融合得到最终的预测结果。

Classification

• DenseNet201，ResNet18

Result

• 比单一模型，集成分类器/模型 可以产生更好的性能
• 选择性剪枝有助于获得更高精度
• 使用多个网络比单个网络泛化能力好
• 输入层使用位置通道 ，有助于更好的定位 OD OC