[论文解读] Relation Networks for Optic Disc and Fovea Localization in Retinal Images

Sudharshan Chandra Babu, Shishira R Maiya+1 more|arXiv (Cornell University)|Nov 23, 2018

Retinal Imaging and Analysis参考文献 14被引用 12

一句话总结

该论文提出了一种基于关系网络的框架，通过建模视盘和黄斑之间的几何与外观关系，联合检测并定位眼底图像中的视盘和黄斑，实现了最先进性能，视盘和黄斑中心定位的平均欧氏距离分别为26.12像素和43.46像素。

ABSTRACT

Diabetic Retinopathy is the leading cause of blindness in the world. At least 90\% of new cases can be reduced with proper treatment and monitoring of the eyes. However, scanning the entire population of patients is a difficult endeavor. Computer-aided diagnosis tools in retinal image analysis can make the process scalable and efficient. In this work, we focus on the problem of localizing the centers of the Optic disc and Fovea, a task crucial to the analysis of retinal scans. Current systems recognize the Optic disc and Fovea individually, without exploiting their relations during learning. We propose a novel approach to localizing the centers of the Optic disc and Fovea by simultaneously processing them and modeling their relative geometry and appearance. We show that our approach improves localization and recognition by incorporating object-object relations efficiently, and achieves highly competitive results.

研究动机与目标

• 通过建模视盘和黄斑之间的内在几何与外观关系，提升眼底图像中视盘和黄斑中心定位的准确性。
• 解决现有方法独立检测视盘和黄斑而未利用其空间相关性的局限性。
• 开发一种多阶段框架，结合关系感知的目标检测与坐标回归头，实现精确的定位。
• 证明关系推理在解剖结构具有空间相关性的医学影像任务中的泛化能力。

提出的方法

• 采用以ResNet-101为骨干网络的关系网络，联合检测视盘和黄斑，引入基于注意力的对象关系模块，以建模对象间的空间几何与外观特征。
• 在关系模块中引入几何权重组件，通过聚焦于对象之间的相对空间位置，确保平移和旋转不变性。
• 采用两阶段流程：首先，关系网络预测两个结构的边界框；其次，从这些边界框中裁剪出图像区域，输入到一个带有批量归一化的两层CNN回归器中。
• 用轻量级关系模块替代传统的非极大值抑制（NMS），以提升重复框抑制效果并增强检测鲁棒性。
• 应用数据增强技术，包括平移、剪切、缩放和水平翻转，以提升模型泛化能力。
• 使用CLAHE进行对比度增强，并将图像下采样至512×512用于训练，最终预测结果重新缩放至原始分辨率（4288×2848）以进行评估。

实验结果

研究问题

• RQ1 建模视盘与黄斑之间的几何与外观关系是否能提升眼底图像中检测与定位的准确性？
• RQ2 通过关系网络进行联合推理与独立检测视盘和黄斑相比，在定位精度方面表现如何？
• RQ3 与直接使用ResNet-18和ResNet-50进行坐标回归的基线模型相比，引入对象间关系在多大程度上减少了定位误差？
• RQ4 所提出的方法是否能在图像质量与解剖变异多样的真实世界眼底影像数据集中实现良好泛化？

主要发现

• 关系网络回归器在IDRiD测试集上实现了视盘中心定位的平均欧氏距离为26.12像素，黄斑中心定位为43.46像素。
• 该方法在视盘定位方面优于ResNet-18（80.48像素）和ResNet-50（60.32像素）基线模型，证明了关系推理的优势。
• 关系网络在IoU阈值50:95下实现了69.4的平均平均精度（mAP），表明其具有出色的检测性能。
• 该框架在IDRiD定位挑战赛排行榜上取得了极具竞争力的结果，其黄斑定位精度优于第一名方法（43.46 vs. 45.89像素）。
• 关系模块的使用通过实现视盘与黄斑之间的联合推理，提升了检测准确性，减少了误报并改善了定位一致性。
• 消融实验证实，建模空间关系显著提升了识别性能，优于独立检测方法。