スーパーピクセル分類ベースの光学カップセグメンテーション

この論文では、緑内障検出のためのスーパーピクセル分類ベースの光学カップセグメンテーションを提案します。提案された方法では、各光椎間板画像は最初にスーパーピクセルにオーバーセグメント化されます。その後、平均強度、センターサラウンド統計、および位置機能が各スーパーピクセルから抽出され、カップまたは非カップとして分類されます。提案された方法は、訓練を受けた専門家によってマークされた手動の光学カップの境界を備えた650の画像の1つのデータベースと、診断結果を伴う1676の画像の1つのデータベースで評価されています。実験結果は、2つのデータベースで0.811および0.813での緑内障検出における受信機の動作特性曲線のマニュアルカップ領域および面積下面積と比較して、26.0％の平均重複誤差を示しています。この方法は、緑内障スクリーニングに使用できます。

In this paper, we propose a superpixel classification based optic cup segmentation for glaucoma detection. In the proposed method, each optic disc image is first over-segmented into superpixels. Then mean intensities, center surround statistics and the location features are extracted from each superpixel to classify it as cup or non-cup. The proposed method has been evaluated in one database of 650 images with manual optic cup boundaries marked by trained professionals and one database of 1676 images with diagnostic outcome. Experimental results show average overlapping error around 26.0% compared with manual cup region and area under curve of the receiver operating characteristic curve in glaucoma detection at 0.811 and 0.813 in the two databases, much better than other methods. The method could be used for glaucoma screening.