Assessing Coarse-to-Fine Deep Learning Models for Optic Disc and Cup Segmentation in Fundus Images

要約

眼底画像における視蓋（OD）および視蓋（OC）の自動セグメンテーションは、緑内障性視神経症の程度を決定するために眼科で一般的に使用されるバイオマーカーである垂直カップ対ディスク比（vCDR）を効率的に測定することに関連しています。一般的にこれは、第一ステージがODを近似し、第二ステージがこの領域の切り出しを用いてOD/OCマスクを予測する、粗から細への深層学習アルゴリズムを用いて解決されます。このアプローチは文献上では広く適用されているが、結果への真の貢献を分析した研究はない。本論文では、標準的なセグメンテーションの観点と緑内障評価のためのvCDRを推定するための、OD/OCセグメンテーションのための異なる粗から細への設計について、5つの公開データベースを用いた包括的な分析を行う。我々の分析によると、これらのアルゴリズムは、特にこれらが十分に大きく多様なトレーニングセットから学習される場合、標準的なマルチクラスシングルステージモデルを必ずしも上回らないことが示された。さらに、粗いステージは細かいステージよりも優れた外眼部セグメンテーション結果を達成し、正確な外眼部マスクを確保するために、第2ステージに外眼部監視を提供することが不可欠であることに気付いた。さらに、マルチデータセットで学習させたシングルステージと2ステージのモデルは、他の最先端技術と同等かそれ以上の結果を示し、REFUGEではOD/OCセグメンテーションで1位を獲得しました。最後に、観察者間のばらつきの観点からモデルを理解するために、AIROGS画像のサブセットについて6人の眼科医と比較してvCDR予測のためのモデルを評価した。その結果、一段階モデル、粗視化モデルともに、専門家による手動測定値と高い相関がない場合でも、良好な緑内障検出結果を得ることができることが判明した。

要約(オリジナル)

Automated optic disc (OD) and optic cup (OC) segmentation in fundus images is relevant to efficiently measure the vertical cup-to-disc ratio (vCDR), a biomarker commonly used in ophthalmology to determine the degree of glaucomatous optic neuropathy. In general this is solved using coarse-to-fine deep learning algorithms in which a first stage approximates the OD and a second one uses a crop of this area to predict OD/OC masks. While this approach is widely applied in the literature, there are no studies analyzing its real contribution to the results. In this paper we present a comprehensive analysis of different coarse-to-fine designs for OD/OC segmentation using 5 public databases, both from a standard segmentation perspective and for estimating the vCDR for glaucoma assessment. Our analysis shows that these algorithms not necessarily outperfom standard multi-class single-stage models, especially when these are learned from sufficiently large and diverse training sets. Furthermore, we noticed that the coarse stage achieves better OD segmentation results than the fine one, and that providing OD supervision to the second stage is essential to ensure accurate OC masks. Moreover, both the single-stage and two-stage models trained on a multi-dataset setting showed results in pair or even better than other state-of-the-art alternatives, while ranking first in REFUGE for OD/OC segmentation. Finally, we evaluated the models for vCDR prediction in comparison with six ophthalmologists on a subset of AIROGS images, to understand them in the context of inter-observer variability. We noticed that vCDR estimates recovered both from single-stage and coarse-to-fine models can obtain good glaucoma detection results even when they are not highly correlated with manual measurements from experts.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL