基于深度学习的眼底图像出血点检测方法

银温社,贺建峰*()

昆明理工大学信息工程与自动化学院，云南 昆明 650500

收稿日期:2019-07-11出版日期:2020-09-20发布日期:2020-09-17
通讯作者:贺建峰E-mail:jfenghe@foxmail.com
作者简介:孟凡奎(1991—)，男，硕士研究生，研究方向为医学图像处理、深度学习. E-mail:2077283685@qq.com
基金资助:国家自然科学基金资助项目(11265007)

Detection method of hemorrhages of fundus image based on deep learning

Wen-she YIN,Jian-feng HE*()

Faculty of Information Engineering and Automation, Kunming University of Science and Technology

Received:2019-07-11Online:2020-09-20Published:2020-09-17
Contact:Jian-feng HE E-mail:jfenghe@foxmail.com

摘要/Abstract

摘要： 提出了一种基于卷积神经网络(convolutional neural networks，CNN)加条件随机场(conditional random fields，CRF)的眼底图像出血点检测方法。首先，为了避免图像背景区域对后续检测的影响，参考眼底图像中的灰度信息并根据眼底中心位置到其边缘的长度，将图像调整到合适的尺寸，再对图像进行线性加权增强其亮度和对比度；然后，用裁剪到的图像块在仿照VGG网络构建的CNN架构上去训练检测出血点的CNN模型；最后，为了克服CNN模型在出血点检测中误检、漏检等问题，采用CRF对CNN模型输出的概率图进行后处理，以实现眼底图像出血点的精确检测。提出的检测方法在公开的Kaggle与Messidor数据库上进行训练和验证，获得了98.8%的准确率、99.4%的召回率和99.1%的F-score。另外，在DIARETDB1数据库上测试的灵敏度达到98.5%，F-score为96.1%。实验结果表明，从图像视觉和定量检测2个方面均说明了提出方法的有效性和优越性。


PDF全文下载地址:

http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3334