RRWNet: Recursive Refinement Network for Effective Retinal Artery/Vein Segmentation and Classification

要約

網膜血管の口径と構成は、さまざまな病気や病状の重要なバイオマーカーとして機能します。
網膜血管構造の徹底的な分析には、血管のセグメント化と動脈と静脈への分類が必要であり、通常は網膜検査によって得られたカラー眼底画像に対して実行されます。
ただし、これらのタスクを手動で実行するには多大な労力がかかり、人的ミスが発生しやすくなります。
このタスクに対処するためにいくつかの自動化された方法が提案されていますが、現在の最先端技術は、セグメンテーション マップのトポロジーの一貫性に影響を与える明らかな分類エラーによる課題に直面しています。
この研究では、この制限に対処する新しいエンドツーエンドの深層学習フレームワークである RRWNet を紹介します。
このフレームワークは、セマンティック セグメンテーション マップを再帰的に洗練し、明白な分類エラーを修正してトポロジーの一貫性を向上させる完全畳み込みニューラル ネットワークで構成されています。
特に、RRWNet は 2 つの特殊なサブネットワークで構成されています。入力画像から基本セグメンテーション マップを生成する Base サブネットワークと、これらのマップを反復的かつ再帰的に改善する Recursive Refinement サブネットワークです。
3 つの異なる公開データセットに対する評価では、提案された方法の最先端のパフォーマンスが実証され、既存のアプローチよりも明らかな分類エラーが少なく、トポロジー的に一貫したセグメンテーション マップが得られます。
さらに、RRWNet 内の Recursive Refinement モジュールは、他の方法によるセグメンテーション マップの後処理に効果的であることが証明されており、その可能性がさらに実証されています。
モデルのコード、重み、予測は https://github.com/j-morano/rrwnet で公開されます。

要約(オリジナル)

The caliber and configuration of retinal blood vessels serve as important biomarkers for various diseases and medical conditions. A thorough analysis of the retinal vasculature requires the segmentation of the blood vessels and their classification into arteries and veins, typically performed on color fundus images obtained by retinography. However, manually performing these tasks is labor-intensive and prone to human error. While several automated methods have been proposed to address this task, the current state of art faces challenges due to manifest classification errors affecting the topological consistency of segmentation maps. In this work, we introduce RRWNet, a novel end-to-end deep learning framework that addresses this limitation. The framework consists of a fully convolutional neural network that recursively refines semantic segmentation maps, correcting manifest classification errors and thus improving topological consistency. In particular, RRWNet is composed of two specialized subnetworks: a Base subnetwork that generates base segmentation maps from the input images, and a Recursive Refinement subnetwork that iteratively and recursively improves these maps. Evaluation on three different public datasets demonstrates the state-of-the-art performance of the proposed method, yielding more topologically consistent segmentation maps with fewer manifest classification errors than existing approaches. In addition, the Recursive Refinement module within RRWNet proves effective in post-processing segmentation maps from other methods, further demonstrating its potential. The model code, weights, and predictions will be publicly available at https://github.com/j-morano/rrwnet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google