基于FCN的眼底图像中央凹自动检测算法

作     者：燕杨 黄文博 YAN Yang;HUANG Wenbo

作者机构：长春师范大学计算机科学与技术学院长春130032 吉林大学符号计算与知识工程教育部重点实验室长春130012 

出 版 物：《吉林大学学报（理学版）》 (Journal of Jilin University:Science Edition)

年 卷 期：2020年第58卷第4期

页      面：893-898页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：吉林省教育厅“十三五”科学技术研究项目(批准号:JJKH20181178KJ) 吉林省科技发展计划项目(批准号:20180201086SF) 吉林省教育厅科学研究规划项目(批准号:JJKH20200830KJ) 符号计算与知识工程教育部重点实验室开放基金(批准号:93K172018K13) 长春师范大学自然科学基金(批准号:长师大自科合字第005号) 

主　　题：眼底图像 中央凹检测 全卷积网络 金字塔池化模块 

摘      要：针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型,然后将局部像素级特征推广到全局金字塔池化模块中,使空间统计数据为全局语境理解提供了更好地描述与表达,从而有效获得了极具区分度的全局上下文信息,最后将全局与局部特征相融合,实现对中央凹的精准检测.实验结果表明,该算法提高了眼底暗病变检测的特异性,并为眼底严重病变的发现提供了有效证据.