1. 工作亮点
- 使用三个不同的大数据样本进行检验
- 三个数据集上视盘检测准确率高（99.59%, 100% and 100% ）
- 三个数据集上中央凹检测准确率高（97.8%, 99.03% and 99.25%）
- 一张图片的处理时间不到五秒
2. 摘要
- 中央凹与视盘是眼睛解剖学上重要的特征，检测有意义。
- 本文提出了一种方法，可以准确、稳定、高效检测中央凹与视盘。
- 本文方法分为两步：第一步，使用RPN生成多个候选区，将OD边界框概率值标记为最高；第二步，根据视盘和中央凹之间的几何关系创建一个感兴趣区域，然后采用三级级联卷积神经网络来回归中央凹。
3. 算法流程
如图1所示，首先用一个RPN网络提取视盘OD，然后通过三个级联的网络来逐步获取中央凹的坐标与视盘的中心。
图1 算法流程图
3.1 数据预处理
数据预处理采用限制自适应直方图均衡CLAHE，图像进行左右翻转，同时归一化到0到1之间。
3.2 基于RPN生成视盘OD候选框
- 输入图像经过特征提取网络如ResNet，然后在最后一个卷积层生成共享特征图。
- 将生成的共享特征图基于anchor box生成一系列锚点。（每个位置生成12个锚点框，不同大小，不同长宽比）
- 然后对这一系列锚点框进行分类与位置的回归。
图2 RPN网络结构
图3 视盘检测网络结构图
