【医学+深度论文：F15】2018 Disc-Aware Ensemble Network for Glaucoma Screening From Fundus Image

15

2018 T-MI (IEEE Transactions on Medical Imaging )
Disc-Aware Ensemble Network for Glaucoma Screening From Fundus Image

Method ： 分类 （混合了分割模型）
Dataset ：ORIGA、SCES 、SINDI 5783（5670N，113G）
Architecture : DENet（4个流）
Results ： SCES AUC 0.9183 SE 0.8429 SP 0.8380
SINDI AUC 0.8173 SE 0.7876 SP 0.7115

整合了全局眼底图像和局部视盘区域的深层次背景

Methods

大多数现有的自动筛选方法首先对主要结构进行分割，然后计算用于检测和筛查青光眼的临床测量。然而，这些基于测量的方法严重依赖于分割准确性并忽略各种视觉特征。

不同level和model上的四个深度流分别被视为全局图像流，分割网络，视盘区域流和视盘极化转换流。最后，融合不同流的输出概率作为最终筛选结果。

DENet特点

• Disc-aware
  突出视盘区域中的上下文信息。
• Multi-level
  结合 globel image 和 optic disk region
• multi-model
  分类、分割、几何变换

Pipeline