Deep Learning Methods for Retinal Blood Vessel Segmentation: Evaluation on Images with Retinopathy of Prematurity

要約

網膜画像からの自動血管セグメンテーションは、未熟児網膜症を含む多くの全身疾患や眼疾患の診断において重要な役割を果たします。
網膜画像から血管をセグメンテーションする現在の最先端の研究は、畳み込みニューラル ネットワークに基づいています。
これまでに提案されているソリューションは、利用可能な少数の網膜血管セグメンテーション データセットの画像でトレーニングおよびテストされているため、未熟児兆候の網膜症を伴う画像が与えられた場合、パフォーマンスが制限される可能性があります。
この論文では、未熟児網膜画像の網膜症における血管セグメンテーションの観点から、網膜血管セグメンテーションのための 3 つの高性能畳み込みニューラル ネットワークのパフォーマンスを評価します。
この研究の主な目的は、未熟児網膜症の診断において眼科医を支援できる高性能の予測因子を開発するために、既存の公開データセットが十分であるかどうかをテストすることです。
そのために、2 人の観察者 (1 人は未熟児網膜症の治療に経験のある眼科医) によって手動でラベル付けされた網膜血管の注釈が付いた未熟児網膜症の画像のみで構成されるデータセットを作成します。
実験結果は、分類感度の大幅な低下によって示されるように、公開データセットの画像と比較してコントラストが低いため、3 つのソリューションすべてで乳児の網膜血管の検出が困難であることを示しています。
3 つのソリューションはすべて、未熟児網膜症の診断には使用されず、代わりにノイズを表し、網膜血管と混同される網膜および脈絡膜血管に沿ってセグメント化します。
視覚的および数値的観察により、眼科医による未熟児網膜症の診断を支援するには、網膜血管セグメンテーションの既存のソリューションをより詳細なデータセットまたはより詳細なモデルに向けて改善する必要があることがわかりました。

要約(オリジナル)

Automatic blood vessel segmentation from retinal images plays an important role in the diagnosis of many systemic and eye diseases, including retinopathy of prematurity. Current state-of-the-art research in blood vessel segmentation from retinal images is based on convolutional neural networks. The solutions proposed so far are trained and tested on images from a few available retinal blood vessel segmentation datasets, which might limit their performance when given an image with retinopathy of prematurity signs. In this paper, we evaluate the performance of three high-performing convolutional neural networks for retinal blood vessel segmentation in the context of blood vessel segmentation on retinopathy of prematurity retinal images. The main motive behind the study is to test if existing public datasets suffice to develop a high-performing predictor that could assist an ophthalmologist in retinopathy of prematurity diagnosis. To do so, we create a dataset consisting solely of retinopathy of prematurity images with retinal blood vessel annotations manually labeled by two observers, where one is the ophthalmologist experienced in retinopathy of prematurity treatment. Experimental results show that all three solutions have difficulties in detecting the retinal blood vessels of infants due to a lower contrast compared to images from public datasets as demonstrated by a significant drop in classification sensitivity. All three solutions segment alongside retinal also choroidal blood vessels which are not used to diagnose retinopathy of prematurity, but instead represent noise and are confused with retinal blood vessels. By visual and numerical observations, we observe that existing solutions for retinal blood vessel segmentation need improvement toward more detailed datasets or deeper models in order to assist the ophthalmologist in retinopathy of prematurity diagnosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google