【论文笔记】CNN 用于视网膜血管分割的深度特征学习

地点： 鉴主
时间：2017-1130
论文 Convolutional Neural Networks for Deep feature learning in Retinal Vessel Segmentation 的阅读笔记

摘要

通过对基底中的视网膜血管进行分析是一个很有价值的疾病分析工具。对这些血管的精准自动分割是一个非常必要的步骤。本文提出了一种新的 DCNN （深度卷积网络）从而实现视网膜血管的简单分割。本文的一个主要修改就是 通过将整个问题规范化为一个三类分类问题——大血管，小血管和背景区域 ——从而减少了内部类别的偏差。额外的，本文使用了不同大小的卷积核进行学习，并且发现不同大小的卷积核结合能够实现最好的敏感性和特异性。提出的方法通过使用 DRIVE 数据集进行测试，并且获得了相比于其他几种方法更好的表现。分割中的敏感性，特异性和精确度分别达到了 83.97%，95.62%, 94.56% (Sensitivity, Specificity 分别翻译成 敏感性和特异性 )

具体改进

该论文提出的 CNN 结构

该论文主要的工作就在于调整卷积核的大小，并且证明了在不同的卷积核大小下，视网膜血管识别有不同的效果。

结果

实验结果比较

最终的实验比较环节可以看出，实验主要通过调整不同的卷积核结构进行实验，相比于已有的方法，并没有很明显的提升，只是提供了一种 CNN 解决问题的方法。当然在 Sensitivity 方面，本王的方法是对比中最好的。

原始论文（GB/T 7714）

Khalaf A F, Yassine I A, Fahmy A S. Convolutional neural networks for deep feature learning in retinal vessel segmentation[C]//Image Processing (ICIP), 2016 IEEE International Conference on. IEEE, 2016: 385-388.