基于多尺度区域块的糖尿病性视网膜病变级联检测
马文婷1
赵耀2
韦世奎
张诗吟
廖理心
1.北京交通大学信息科学研究所,北京,1000442.北京交通大学北京市现代信息科学与网络技术北京市重点实验室,北京,100044
摘要：目前,基于形态学检测糖尿病性视网膜病变的算法复杂度较高,深度学习直接逐像素检测的方法虽然能够避免排除生理结构、手动设计特征的不足,但计算量大、分割速度较慢.为了解决上述问题,提出一种基于深度学习的级联检测框架.首先,分块检测眼底图像是否存在病变区域,然后对病变区域进行逐像素的分割,从而检测出微动脉瘤、出血点、硬渗出及软渗出4种病变.实验结果表明:在眼底图像公开数据库DIARETDB1中,4种病变的检测率分别为88.62％、94.91％、98.91％和92.91％.与形态学方法相比,微动脉瘤和出血点检测精度分别提高了17.39％ 和15.18％;与直接逐像素检测方法相比,平均检测时间仅为原来的1/4.
关键词：信号与信息处理糖尿病性视网膜病变卷积神经网络眼底图像病变分割
分类号：TN911.73(通信)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 13-20 )
英文信息