Segmentation-based Information Extraction and Amalgamation in Fundus Images for Glaucoma Detection

要約

緑内障は重度の失明疾患であり、眼科医の不足を緩和するために自動検出方法が緊急に必要とされています。
多くの研究では、緑内障検出のために視神経乳頭とカップのセグメンテーションを含むディープラーニング手法を採用することが提案されています。
緑内障評価における共同意思決定の観点からの眼底画像とセグメンテーション マスクとの関係はほとんど調査されていません。
元の眼底画像の豊富な情報を無視することなく、セグメンテーションマスクの堅牢性を活用する、緑内障検出のタスクのための新しいセグメンテーションベースの情報抽出および融合方法を提案します。
プライベート データセットとパブリック データセットの両方での実験結果は、提案された方法が、眼底画像またはマスクのみを使用するすべてのモデルよりも優れていることを示しています。

要約(オリジナル)

Glaucoma is a severe blinding disease, for which automatic detection methods are urgently needed to alleviate the scarcity of ophthalmologists. Many works have proposed to employ deep learning methods that involve the segmentation of optic disc and cup for glaucoma detection, in which the segmentation process is often considered merely as an upstream sub-task. The relationship between fundus images and segmentation masks in terms of joint decision-making in glaucoma assessment is rarely explored. We propose a novel segmentation-based information extraction and amalgamation method for the task of glaucoma detection, which leverages the robustness of segmentation masks without disregarding the rich information in the original fundus images. Experimental results on both private and public datasets demonstrate that our proposed method outperforms all models that utilize solely either fundus images or masks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google