首页|基于深度学习的眼底病变区域自动分割

基于深度学习的眼底病变区域自动分割

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于光学相关层析成像(OCT),准确分割出视网膜液体区域相关异常和视网膜色素上皮分离对眼底疾病诊断具有重要意义.论文提出一种基于深度学习的分割方法,实现对视网膜色素上皮脱离(PED)、视网膜下液体(SRF)和视网膜水肿区域(REA)等病变类型区域的自动分割.首先使用迁移学习模型InceptionV4对所有病变类型进行分类,然后构建生成对抗网络对每种病变类型区域进行自动分割.实验结果表明,该方法Dice相似性系数约为0.75,灵敏度约为0.95,特异性约为0.96,召回率约0.98,整体优于其他方法.
Automatic Segmentation of the Retinal Lesion Region Based on Deep Learing

李倩、韩俊刚、贾阳、魏强、祝立阳、汤少杰、石蕊

展开 >

西安邮电大学计算机学院 西安 710121

陕西省大数据智能处理重点实验室 西安 710121

西安邮电大学自动化学院 西安 710121

陕西省人民医院眼科 西安 710068

展开 >

视网膜液区域异常 视网膜色素分离 迁移学习 生成对抗网络

陕西省重点研发计划陕西省教育厅自然科学研究项目

2019GY-02118JK0722

2022

10.3969/j.issn.1672-9722.2022.01.034

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(1)
  • 4