32
2017 SPIE
Automated detection of nerve fiber layer defects on retinal fundus images using fully convolutional network for early diagnosis of glaucoma
Method ： NFLD 分割
Dataset： Tajimi
Architecture： FCN-8s
Results: 最高 SE 98% ， FP （5.42）
automated scheme for detection of a retinal nerve fiber layer defect(NFLD)
Method
Previous study
- multi-step detection ： Gabor filtering ， clustering and adaptive thresholding
- Problem ：FP 多，method included too many rules
Deep convolutional neural network with fully convolutional layers
- end-to-end : DCNN ( FCN-8s)
- image
- Original color images ofabnormal cases,
- (b) original color images of both normal and abnormal cases,
- © ellipse-based polar transformed colorimages,
- (d) transformed G plane images,
- (e) transformed Gabor filtered color images,
- (f) transformed color halved images,
-
(g) transformed color halved images with different data augmentation.
rotation and intensity transformation for all
- add a softmax layer
Result
- 使用 normal and abnormal image 减少了 FP 但是也降低了 SE
- 虽然 绿色通道 对比度更高，但是用RGB图具有更高的灵敏度
- DCNN 通用性比 previous study 更好
- FROC ，最高SE 98% ， FP （5.42）
Discussion
- 研究了 不同输入图像 ，结果的不同，主要是从输入数据这块 做了一些对比实验（个人感觉含金量不高）
- 研究了 FCN 在 眼底图中自动检测 NFLDs的应用