-
题名基于深度学习的视杯视盘分割与青光眼筛查
被引量：1
- 1
-
-
作者
董林
李峰
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《控制工程》
CSCD
北大核心
2023年第5期894-902,共9页
-
基金
国家重点研发计划(2016YFF0101400)。
-
文摘
眼底图像中的OD和OC分割精度不高,且没有充分考虑二者空间信息的问题,为实现联合分割OC/OD,更加准确地测量杯盘比,实现青光眼筛查,提出了一种端到端的基于区域的深度卷积神经网络(region-based deep convolutional neural network,R-DCNN)。首先,在主干网络Res Net34中引入密集原子卷积以提取更密集的特征图。然后,设计了DPN和CPN模块产生OD和OC的候选边界框。之后,考虑到OD和OC之间位置的关系,使用盘注意力模块连接DPN模块和CPN模块,在精确获得OD和OC边界后,计算CDR作为青光眼筛查的指标。最后,将所提出的网络在公开的DRISHIT-GS和RIM-ONE r3数据集进行训练测试。通过与目前主流的先进方法对比,验证了所提网络在OD和OC分割以及青光眼筛查方面的性能,具有广大的应用前景。
-
关键词
青光眼筛查
联合分割
区域深度卷积神经网络
密集空洞卷积
盘注意力模块
-
Keywords
Glaucoma screening
joint OD and OC segmentation
region-based deep convolutional neural network
dense atrous convolution
disc attention module
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
