FS-Net: Full Scale Network and Adaptive Threshold for Improving Extraction of Micro-Retinal Vessel Structures

要約

網膜血管のセグメンテーションは、バイオメディカル画像処理において広く研究されているトピックであり、網膜障害の治療や検出における眼科医の作業負担を軽減することを目的としている。網膜血管のセグメンテーションには独特の課題があり、これまでの手法では、しばしば分岐や微小血管構造を効果的にセグメンテーションすることができなかった。最近のニューラル・ネットワーク・アプローチは、局所的な特性と大域的な特性のバランスをとるのに苦労しており、微小な末端血管を見逃すことが多く、望ましい結果の達成を妨げている。網膜血管セグメンテーションにおけるこのような問題に対処するため、我々はエンコーダー・デコーダー・ニューラルネットワーク・アーキテクチャに基づく包括的な微小血管抽出メカニズムを提案する。このネットワークは、残差、エンコーダブースター、ボトルネック強化、スクイーズ、励起のビルディングブロックを含む。これらの構成要素は相乗的に特徴抽出を強化し、セグメンテーションマップの予測精度を向上させる。我々のソリューションは、DRIVE、CHASE-DB1、STAREデータセットを用いて評価され、先行研究と比較して競争力のある結果を得た。DRIVEデータセットのAUCと精度は、それぞれ0.9884と0.9702である。CHASE-DB1データセットではそれぞれ0.9903と0.9755、STAREデータセットでは0.9916と0.9750である。その正確で頑健な性能から、提案されたアプローチは、実際の診断センターで実装され、眼科医を支援するための確かな候補である。

要約(オリジナル)

Retinal vascular segmentation, a widely researched topic in biomedical image processing, aims to reduce the workload of ophthalmologists in treating and detecting retinal disorders. Segmenting retinal vessels presents unique challenges; previous techniques often failed to effectively segment branches and microvascular structures. Recent neural network approaches struggle to balance local and global properties and frequently miss tiny end vessels, hindering the achievement of desired results. To address these issues in retinal vessel segmentation, we propose a comprehensive micro-vessel extraction mechanism based on an encoder-decoder neural network architecture. This network includes residual, encoder booster, bottleneck enhancement, squeeze, and excitation building blocks. These components synergistically enhance feature extraction and improve the prediction accuracy of the segmentation map. Our solution has been evaluated using the DRIVE, CHASE-DB1, and STARE datasets, yielding competitive results compared to previous studies. The AUC and accuracy on the DRIVE dataset are 0.9884 and 0.9702, respectively. For the CHASE-DB1 dataset, these scores are 0.9903 and 0.9755, respectively, and for the STARE dataset, they are 0.9916 and 0.9750. Given its accurate and robust performance, the proposed approach is a solid candidate for being implemented in real-life diagnostic centers and aiding ophthalmologists.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL