Simultaneous segmentation and classification of the retinal arteries and veins from color fundus images

要約

網膜血管系の研究は、多くの疾患のスクリーニングと診断における基本的な段階です。
完全な網膜血管解析では、網膜の血管を動脈と静脈 (A/V) に分割して分類する必要があります。
初期の自動手法は、これらのセグメンテーションと分類のタスクに 2 つの連続した段階で取り組みました。
ただし、現在、分類結果は血管セグメンテーションの有効性に大きく依存するため、これらのタスクは共同セマンティック セグメンテーション タスクとしてアプローチされています。
その点で、眼底画像からの網膜 A/V の同時セグメンテーションと分類のための新しいアプローチを提案します。
特に、以前のアプローチとは異なり、新しい損失のおかげで、関節タスクを動脈、静脈、および血管ツリー全体を対象とする 3 つのセグメンテーション問題に分解する新しい方法を提案します。
この構成により、血管交差を直感的に処理でき、さまざまなターゲット血管ツリーの正確なセグメンテーション マスクを直接提供できます。
公開されている Retinal Images 容器 Tree Extraction (RITE) データセットに関する提供されたアブレーション研究は、特に異なる構造のセグメンテーションにおいて、提案された方法が満足のいくパフォーマンスを提供することを示しています。
さらに、最新技術との比較は、我々の方法が血管セグメンテーションを大幅に改善しながら、A / V分類で非常に競争力のある結果を達成することを示しています。
提案されたマルチセグメンテーション法により、競争力のある分類パフォーマンスを達成しながら、より多くの船舶を検出し、さまざまな構造をより適切にセグメント化することができます。
また、これらの点で、私たちのアプローチは、さまざまな参考文献のアプローチよりも優れています。
さらに、以前のアプローチとは対照的に、提案された方法は、これらの複雑な場所での A/V の連続性を維持するだけでなく、船舶の交差を直接検出することを可能にします。

要約(オリジナル)

The study of the retinal vasculature is a fundamental stage in the screening and diagnosis of many diseases. A complete retinal vascular analysis requires to segment and classify the blood vessels of the retina into arteries and veins (A/V). Early automatic methods approached these segmentation and classification tasks in two sequential stages. However, currently, these tasks are approached as a joint semantic segmentation task, as the classification results highly depend on the effectiveness of the vessel segmentation. In that regard, we propose a novel approach for the simultaneous segmentation and classification of the retinal A/V from eye fundus images. In particular, we propose a novel method that, unlike previous approaches, and thanks to a novel loss, decomposes the joint task into three segmentation problems targeting arteries, veins and the whole vascular tree. This configuration allows to handle vessel crossings intuitively and directly provides accurate segmentation masks of the different target vascular trees. The provided ablation study on the public Retinal Images vessel Tree Extraction (RITE) dataset demonstrates that the proposed method provides a satisfactory performance, particularly in the segmentation of the different structures. Furthermore, the comparison with the state of the art shows that our method achieves highly competitive results in A/V classification, while significantly improving vascular segmentation. The proposed multi-segmentation method allows to detect more vessels and better segment the different structures, while achieving a competitive classification performance. Also, in these terms, our approach outperforms the approaches of various reference works. Moreover, in contrast with previous approaches, the proposed method allows to directly detect the vessel crossings, as well as preserving the continuity of A/V at these complex locations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google