Accurate Retinal Vessel Segmentation via Octave Convolution Neural Network

[namakemono]

概要

網膜血管セグメンテーションは、糖尿病、眼科疾患、および心血管疾患を含むさまざまな疾患を診断およびスクリーニングする上で重要なステップです。本論文では、エンコーダ - デコーダに基づくオクターブ畳み込みネットワークを用いたカラー眼底画像における正確な血管セグメンテーションのための効果的で効率的な方法を提案した。特徴抽出のためにバニラ畳み込みを利用する他の畳み込みネットワークベースの方法と比較して、提案された方法は、多重空間周波数特徴学習のためにオクターブ畳み込みを採用し、したがって、様々なサイズおよび形状で網膜血管系をよりよく捉えることができる。我々は経験的に低頻度の核の特徴地図が主要な血管樹に焦点を合わせて反応することを実証するが、高頻度の特徴地図は低コントラストの細い血管の細部をよりよく捉えることができる。多周波数特徴を復号化する方法を学習するネットワーク機能を提供するために、我々はオクターブ畳み込みを拡張し、同じ多周波数アプローチを用いたオクターブ転置畳み込みという新しい演算を提案した。我々はまた、単一の順方向フィードで高解像度の血管分割を生成する、Octave UNetという名前の新しいエンコーダ - デコーダベースの完全畳み込みネットワークを提案した。提案された方法は、4つの公的に利用可能なデータセット、DRIVE、STARE、CHASE_DB1、およびHRFデータセットで評価されます。広範な実験結果は、提案された方法が速い処理速度で最先端の方法に対してより良好なまたは互換性のある性能を達成することを実証している。我々はオクターブ畳み込みを拡張し、同じ多周波数アプローチを用いたオクターブ転置畳み込みという新しい操作を提案した。我々はまた、単一の順方向フィードで高解像度の血管分割を生成する、Octave UNetという名前の新しいエンコーダ - デコーダベースの完全畳み込みネットワークを提案した。提案された方法は、4つの公的に利用可能なデータセット、DRIVE、STARE、CHASE_DB1、およびHRFデータセットで評価されます。広範な実験結果は、提案された方法が速い処理速度で最先端の方法に対してより良好なまたは互換性のある性能を達成することを実証している。我々はオクターブ畳み込みを拡張し、同じ多周波数アプローチを用いたオクターブ転置畳み込みという新しい操作を提案した。我々はまた、単一の順方向フィードで高解像度の血管分割を生成する、Octave UNetという名前の新しいエンコーダ - デコーダベースの完全畳み込みネットワークを提案した。提案された方法は、4つの公的に利用可能なデータセット、DRIVE、STARE、CHASE_DB1、およびHRFデータセットで評価されます。広範な実験結果は、提案された方法が速い処理速度で最先端の方法に対してより良好なまたは互換性のある性能を達成することを実証している。そしてHRFデータセット。広範な実験結果は、提案された方法が速い処理速度で最先端の方法に対してより良好なまたは互換性のある性能を達成することを実証している。そしてHRFデータセット。広範な実験結果は、提案された方法が速い処理速度で最先端の方法に対してより良好なまたは互換性のある性能を達成することを実証している。

論文リンク

https://arxiv.org/abs/1906.12193v1

著者

Zhun Fan, Jiajie Mo, Benzhang Qiu

投稿日時

2019-06-28