-
题名基于多特征融合的彩色眼底图像视杯分割方法
被引量：2
- 1
-
-
作者
吴骏
尚丹丹
肖志涛
耿磊
张芳
-
机构
天津工业大学电子与信息工程学院
天津工业大学天津市光电检测技术与系统重点实验室
-
出处
《天津工业大学学报》
北大核心
2017年第6期66-72,共7页
-
基金
国家自然科学基金资助项目(61401439)
天津市应用基础与前沿技术研究计划资助项目(15JCYBJC16600)
高等学校博士学科点专项科研基金资助项目(20131201110001)
-
文摘
为了提高彩色眼底图像中视杯的分割精度,提出了一种基于多特征融合的彩色眼底图像视杯分割方法.首先提取感兴趣区域的血管;然后分割视盘区域,在视盘分割的基础上根据视杯的亮度特征采用模糊C均值聚类(FCM)法提取视杯候选区域,并根据视杯的形状和位置特征对候选区域依次进行镜像映射、椭圆拟合及椭圆校正,得到视杯的粗分割结果;最后利用杯沿的血管特征定位血管弯曲点,修正视杯粗分割结果,完成视杯的准确分割.对Glaucoma Repo眼底图像数据库进行测试,实验结果表明:该方法的灵敏度为87.15%,特异性为99.03%,准确率为98.12%,阳性预测值为82.03%,综合评价指标为84.51%,像素距离为18.80,具有较高的鲁棒性和有效性.
-
关键词
彩色眼底图像
多特征融合
视杯分割
视盘分割
模糊C均值聚类
椭圆拟合
-
Keywords
retinal fundus image
multi-feature fusion
segmentation of optic cup
segmentation of optic disc
fuzzy C- meansclusteringalgorithm （FCM）
ellipsefitting
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于融合中间特征网络的视盘和视杯联合分割
- 2
-
-
作者
刘哲夏
李峰
江旻珊
-
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
2024年第7期1272-1279,共8页
-
基金
国家自然科学基金资助项目(61905144)。
-
文摘
针对视盘和视杯联合分割中视杯分割精度较差的问题,提出了一种融合编码与解码中间特征的U型网络(encode-decode middle feature fusion U-Net,EMFF-Net)。EMFF-Net使用预训练的ResNet34作为编码结构,在编码结构后加入密集空洞卷积和金字塔池化模块以产生复合感受域的特征,并使用交叉注意力连接替换U型网络结构中的跳跃连接。交叉注意力连接融合了编码特征与解码特征,通过通道注意力模块和空间注意力模块提取融合特征的信息用于强化解码特征,减小了解码特征与编码特征的语义沟壑。强化后的解码特征与编码特征再次融合后,通过解码结构输出视盘和视杯的联合分割结果。实验结果表明,与其他常用的分割方法相比,EMFF-Net的视盘和视杯联合分割效果较好,视杯分割性能有明显提升。
-
关键词
视盘视杯分割
特征融合
EMFF-Net
深度学习
交叉注意力连接
-
Keywords
Optic disc and cup segmentation
feature fusion
EMFF-Net
deep learning
cross attention link
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于对抗学习和引导机制的视盘和视杯联合分割
被引量：1
- 3
-
-
作者
马晓月
陈媛媛
-
机构
四川大学计算机学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第12期59-69,共11页
-
基金
国家自然科学基金(62376173)。
-
文摘
准确的视盘(OD)和视杯(OC)分割能够有效地辅助青光眼的诊断和监测,从而进一步提高治疗效果。然而,现有方法没有考虑到眼底图像不同通道之间的差异,并且难以实现对OC边界的精确分割。针对这个问题,提出一种基于对抗学习和引导机制的网络框架ALG-Net,旨在提高OD和OC的分割性能。ALG-Net由分割网络和鉴别器两部分组成。在分割网络中,构建引导融合模块(GFM),该模块将单通道特征信息与RGB图像特征融合,使网络充分学习眼底图像不同通道之间的差异信息,引导分割网络聚焦于关键区域。ALG-Net网络框架还采用了鉴别器,通过对抗学习的方式促进分割网络生成更真实的分割结果。在REFUGE和Drishti-GS数据集上进行广泛的实验评估,实验结果表明,ALG-Net在RUFUGE数据集上OD和OC分割的平衡精度分别达到了98.6%和95.9%,在Drishti-GS数据集上也表现出优异的性能。此外,ALG-Net的分割结果应用于青光眼分类任务,在RUFUGE数据集上ROC曲线下面积(AUC)为0.983,相较于经典UNet算法提高了0.015,为青光眼的早期诊断和监测提供了有力的支持。
-
关键词
青光眼诊断
视盘分割
视杯分割
UNet模型
注意力机制
引导机制
对抗学习
-
Keywords
glaucoma diagnosis
Optic Disc(OD)segmentation
Optic Cup(OC)segmentation
UNet model
attention mechanism
guidance mechanism
adversarial learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合金字塔切分注意力模块的视杯视盘分割
被引量：2
- 4
-
-
作者
刘熠翕
江旻珊
张学典
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《上海理工大学学报》
CAS
CSCD
北大核心
2022年第6期532-539,545,共9页
-
基金
国家自然科学基金资助项目(61905144)。
-
文摘
视杯和视盘的垂直直径比是青光眼在临床诊断中的重要指标,为了更加准确地测量杯盘比,针对视网膜眼底图像中的视盘和视杯分割精度的问题,提出了一个改进后的端到端的U型卷积神经网络框架,采用Resnet 34作为新的编码部分,并在每一个编码层的末端引入金字塔切分注意力PSA模块以提取更多的有效特征信息。同时使用1×1卷积代替3×3卷积来简化解码结构,并且使用一个3×3卷积与一个通过跳跃连接的1×1卷积结构取代跳跃连接。该网络模型在内部数据集上完成训练后,在DRISHTI-GS数据集进行测试,对视盘和视杯的分割结果在Dice和IOU上分别表现为97.61%和95.32%,92.91%和86.75%,证明了该模型具有良好的泛化性。
-
关键词
卷积神经网络
视杯视盘分割
多尺度特征融合
注意力机制
-
Keywords
CNN
optic cup and disc segmentation
multi-scale feature fusion
attention module
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于多尺度特征的视盘分割方法
被引量：1
- 5
-
-
作者
燕杨
曹娅迪
黄文博
-
机构
长春师范大学计算机科学与技术学院
-
出处
《吉林大学学报（理学版）》
CAS
北大核心
2023年第1期136-142,共7页
-
基金
吉林省自然科学基金(批准号:YDZJ202101ZYTS147)
吉林省教育厅科学研究规划项目(批准号:JJKH20200830KJ)
吉林省教育厅科学技术研究项目(批准号:JJKH20210887KJ)。
-
文摘
针对视盘、视杯分割任务中,由青光眼病变引起目标大小显著变化导致的错误分割问题,提出一种使用更轻量级的编码器-解码器网络,并引入金字塔池化模块,通过网络丰富的感受野捕捉更多上下文特征,丰富尺度特征,充分利用全局信息.在数据集RIM-ONE v.3上进行多组对比实验和评估,实验结果表明,该方法对视盘分割的平均交并比为0.908, Dice系数为0.958,均方误差为0.002,比现有算法各项指标性能均有提高.
-
关键词
视盘分割
视杯分割
金字塔池化模块
彩色眼底图像
-
Keywords
optic disc segmentation
optic cup segmentation
pyramid pooling module
color fundus image
-
分类号
TP391.7
[自动化与计算机技术—计算机应用技术]
-
-
题名多专家注释的视杯和视盘不确定性量化
被引量：1
- 6
-
-
作者
刘丽霞
宣士斌
刘畅
李嘉祥
-
机构
广西民族大学人工智能学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第1期250-257,269,共9页
-
基金
国家自然科学基金(61866003)。
-
文摘
现有基于深度学习的视杯和视盘分割方法在模型训练时,仅使用图像的单个注释或从多个注释中获取唯一的注释信息,忽略原始多专家标注中嵌入的一致性或差异性信息,从而导致模型和预测结果过度自信等问题。提出一种基于多解码器不确定性感知体系的模型MUA-Net。通过引入专业知识推断模块,将各个专家注释的专业知识水平作为先验知识嵌入编码器和解码器的瓶颈中,以形成包含专家线索的高级语义特征。利用可同时学习多个注释的多解码器结构调节多专家之间的分歧,重构多专家注释过程,并对不确定或分歧区域进行量化。提出一种双分支软注意机制,增强多解码器分割预测的模糊区域,得到最终校准的分割结果。实验结果表明,该模型在RIGA数据集上能以较高的不确定性预测合理的区域,与MRNet模型相比,该模型在视杯分割中的平均精度、Dice系数、交并比分别提升了0.75、0.39、0.41个百分点。
-
关键词
不确定性估计
多解码器
多专家注释
视杯视盘分割
软注意机制
-
Keywords
uncertainty estimation
multi-decoder
multi-expert annotation
optic cup and optic disc segmentation
soft attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双分支注意力网络的青光眼诊断方法
- 7
-
-
作者
张旭刚
赵鲁江
江志刚
张华
-
机构
武汉科技大学冶金装备及其控制教育部重点实验室
武汉科技大学机械传动与制造工程湖北省重点实验室
-
出处
《武汉科技大学学报》
CAS
北大核心
2024年第5期384-393,共10页
-
基金
湖北省技术创新专项重大项目(2022BEC005).
-
文摘
通过分割眼底图像的视杯(OC)与视盘(OD)区域并计算二者直径之比得到的杯盘比(CDR)是诊断青光眼的一个重要指标,然而现有视杯/视盘分割方法的准确度较低,为此提出一种基于双分支注意力网络的青光眼诊断方法。首先,在图像输入主干网络前使用边界到像素方向(BPD)方法增强眼底图像的轮廓信息;其次,在网络编码器部分结合ConvNeXt的全局交互优势以及U-Net的局部处理优势,充分提取全局和局部的病理语义信息;最后,在解码器特征重建阶段采用多重注意力融合模块,通过直接和间接映射重组两个编码器和上采样模块提取的平滑和突出特征,深度挖掘目标区域信息,以提高模型对视杯/视盘区域分割的准确性。在REFUGE、DRISHTI-GS和RIM-ONEr3三个具有互补性的临床数据集上进行对比实验,验证了所设计的改进模块在提高眼底图像分割效果上的有效性,而且本文方法可有效平衡OC和OD两个目标区域的分割精度,在定量指标和可视化效果上均优于对比方法。
-
关键词
青光眼
眼底图像
视杯/视盘分割
双分支注意力网络
多重注意力融合模块
-
Keywords
glaucoma
fundus image
OC/OD segmentation
dual-branch attention network
multi-attention fusion module
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
