Fully Automated Tree Topology Estimation and Artery-Vein Classification

要約

我々は、網膜血管のトポロジー（異なる血管が互いにどのようにつながっているか）を、単色の眼底画像から完全に自動で抽出するグラフベースの技術を紹介する。2次元画像では血管は互いに交差しており、真の経路が不明瞭であるため、この連結性を決定することは非常に困難である。我々は、網膜の動脈・静脈の分類において、本手法の有用性を定量的に検証し、最新技術と同等の結果を得ることができた。提案手法は以下のように動作します。まず、我々が開発した最新のセグメンテーション手法を用いて、網膜血管をセグメンテーションする。次に、抽出された血管から初期グラフを推定し、各エッジに最も可能性の高い血流を割り当てる。次に、グラフの誤差を修正するために、いくつかの高レベル演算（HLO）を使用する。これらのHLOには、隣接するノードの切り離し、エッジの終点の移動、ブランチの推定血流方向の反転が含まれる。また，新しいコスト関数を用いて，与えられたグラフに対して最適なHLO操作のセットを見つける．最後に、抽出された血管構造が正しいことを、動脈／静脈のラベルを枝に沿って伝播させることで示す。実験によると、我々のトポロジーに基づく動脈・静脈ラベリングは、3つのデータセットで最先端の結果を達成した。DRIVE、AV-WIDE、INSPIREの3つのデータセットで、最先端の結果を得た。また、提案手法のセグメンテーションとAVラベリングの重要性を個別に検証するために、複数のアブレーション研究を実施した。さらに、アブレーションを実施した結果、グラフ抽出パイプラインが血管構造を正しくモデル化していることが確認されました。

要約(オリジナル)

We present a fully automatic, graph-based technique for extracting the retinal vascular topology — that is, how different vessels are connected to each other — given a single color fundus image. Determining this connectivity is very challenging because vessels cross each other in a 2D image, obscuring their true paths. We quantitatively validated the usefulness of our extraction method by using it to achieve comparable state-of-the-art results in retinal artery-vein classification. Our proposed approach works as follows: We first segment the retinal vessels using our previously developed state-of-the-art segmentation method. Then, we estimate an initial graph from the extracted vessels and assign the most likely blood flow to each edge. We then use a handful of high-level operations (HLOs) to fix errors in the graph. These HLOs include detaching neighboring nodes, shifting the endpoints of an edge, and reversing the estimated blood flow direction for a branch. We use a novel cost function to find the optimal set of HLO operations for a given graph. Finally, we show that our extracted vascular structure is correct by propagating artery/vein labels along the branches. As our experiments show, our topology-based artery-vein labeling achieved state-of-the-art results on three datasets: DRIVE, AV-WIDE, and INSPIRE. We also performed several ablation studies to separately verify the importance of the segmentation and AV labeling steps of our proposed method. These ablation studies further confirmed that our graph extraction pipeline correctly models the underlying vascular anatomy.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL