【医学+深度论文：F16】2015 EMBC Glaucoma detection based on deep convolutional neural network

16

2015 EMBC
Glaucoma detection based on deep convolutional neural network

Method ： 分类
Dataset ：ORIGA （650）
      SCES（1676）
Architecture : CNN (4con+4fc)
Results ：AUC ORIGA（0.831） SCES（ 0.887）

Methods

Pipeline

• 提取 ROI

引入预处理步骤以减少或消除亮条纹，其涉及找到修剪圆的中心和修剪半径。在获得ROI之后，将提取的结果下采样到固定的分辨率256 × 256。最后，从每个像素中减去盘图像中所有像素的平均值，以消除图像之间的照明变化的影响。

• drop out / data augmentation
  drop out =0.5
  数据增强：平移 水平反射

• net
  

• 1 ORIGA

  • training
    ORIGA 99
  • testing
    ORIGA 551

• 2 SCES

  • training
    ORIGA 650
  • testing
    SCES 1676

Results

Results ：AUC ORIGA（0.831） SCES（ 0.887）

Discussion

基于深度CNN的青光眼检测的DL框架，它能够捕获更好地表征与青光眼有关的隐藏模式的判别特征。
为了减少过度拟合问题，我们采用响应标准化层和重叠池层。
为了进一步提高性能，在所提出的深度CNN中利用了丢失和数据增强策略。

ROI 提取还可以改善，训练集太小，网络模型不够健壮