【医学+深度论文：F19】Integrating holistic and local deep features for glaucoma classification

19

2016 EMBC
（Engineering in Medicine and Biology Society）

Integrating holistic and local deep features for glaucoma classification

Method ： 分类
Dataset ： Origa -light 650
Architecture : CNN+SVM
Results ：ROC 0.8384

Methods

四部分组成

• Region of interest

采用 deformable shape model 来 检测 optic disc 的边界
光盘边界由18个边界点表示
然后根据边界点的坐标获得边界框
ROI的中心点定义为边界框中心

提取有效特征， 需要根据诸如光盘中心和边界之类的基准点来对齐ROI。

• Deep convolutional feature extraction
  从 ImageNet pretrained
  ConvNets，AlexNet ，GoogLeNet ，VGG-16，VGG-19

• Glaucoma Classification by fusing Holistic and Local features
  采用了“holistic + local”的特征表示

从整体和局部特征中学习两个独立的分类器

• Decision Fusion
  SVM分类器
  集合局部和全局分类器

Results

提出了一种基于分类的青光眼检测方法，该方法集成了局部和整体特征。视网膜图像的ROI由可变形的形状模型定位，并根据视盘的边界框进行归一化。ROI的特征由四个受欢迎的ConvNets表示，这些ConvNets是在超过100万个图像的数据集上训练的。通过在深度特征上应用SVM来执行青光眼检测。

Discussion

方法老旧