[论文解读] A Generalized Motion Pattern and FCN based approach for retinal fluid detection and segmentation

Shivin Yadav, Karthik Gopinath+1 more|arXiv (Cornell University)|Dec 4, 2017

Retinal Imaging and Analysis参考文献 3被引用 13

一句话总结

本文提出了一种完全自动化、与扫描仪无关的方法，利用由广义运动模式（GMP）特征驱动的级联全卷积网络（FCN），实现SD-OCT扫描中视网膜液体的检测与分割。GMP通过应用多方向图像平移和最小池化，增强液体异常并抑制噪声，从而在多种扫描仪上实现鲁棒分割，对IRF、SRF和PED的平均Dice分数分别为0.61、0.70和0.73，检测任务的AUC分别为0.85、0.84和0.87。

ABSTRACT

SD-OCT is a non-invasive cross-sectional imaging modality used for diagnosis of macular defects. Efficient detection and segmentation of the abnormalities seen as biomarkers in OCT can help in analyzing the progression of the disease and advising effective treatment for the associated disease. In this work, we propose a fully automated Generalized Motion Pattern(GMP) based segmentation method using a cascade of fully convolutional networks for detection and segmentation of retinal fluids from SD-OCT scans. General methods for segmentation depend on domain knowledge-based feature extraction, whereas we propose a method based on Generalized Motion Pattern (GMP) which is derived by inducing motion to an image to suppress the background.The proposed method is parallelizable and handles inter-scanner variability efficiently. Our method achieves a mean Dice score of 0.61,0.70 and 0.73 during segmentation and a mean AUC of 0.85,0.84 and 0.87 during detection for the 3 types of fluids IRF, SRF and PDE respectively.

研究动机与目标

• 开发一种完全自动化、与扫描仪无关的方法，用于检测和分割SD-OCT扫描中的视网膜液体异常。
• 通过引入一种通用的、基于运动的特征增强技术，克服特定领域特征工程的局限性。
• 提高在多种OCT扫描仪上的分割精度，降低对扫描间强度和分辨率差异的敏感性。
• 通过在GMP增强特征上训练的级联FCN架构，实现检测与分割的联合处理。
• 通过多尺度后处理和体积级一致性建模，最小化假阳性结果。

提出的方法

• 通过将SD-OCT体积分块调整为512×256、使用谱总变差进行去噪，并围绕列方向最亮像素提取256×256的ROI，对SD-OCT体积进行预处理。
• 通过在多个角度（θ）上应用刚性平移（步长δ=1，范围D=5）生成广义运动模式（GMP）图像，然后通过最小池化组合结果，以增强较暗的液体区域。
• 在多个方向上构建GMP图像集合，以提高对不同方向和尺寸液体的鲁棒性。
• 训练一个包含两个阶段的级联FCN：第一阶段用于切片级分割，第二阶段用于优化，损失函数采用负Dice系数。
• 应用后处理：对预测结果进行阈值化，移除小的连通分量，并在强度空间中聚类液体区域，以消除假阳性。
• 使用k近邻切片分析（k=3）检测体积中液体的存在，利用3D连续性减少检测中的假阳性。

实验结果

研究问题

• RQ1 广义运动模式（GMP）是否能有效增强SD-OCT扫描中的视网膜液体异常，同时抑制噪声和背景结构？
• RQ2 与传统的基于特定领域特征的分割方法相比，采用GMP输入的级联FCN架构在准确性和鲁棒性方面表现如何？
• RQ3 所提出的方法在具有不同强度特性与分辨率的OCT扫描仪厂商之间，其泛化能力如何？
• RQ4 为何该方法在IRF上的表现低于SRF和PED？是否可通过后处理或模型适配加以缓解？
• RQ5 与仅依赖切片级分割相比，利用相邻切片间液体存在的体积级一致性是否能提升检测的可靠性？

主要发现

• 该方法在所有扫描仪上对IRF、SRF和PED的分割分别实现了0.61、0.70和0.73的平均Dice分数。
• 检测任务的平均AUC分数分别为0.85、0.84和0.87，表明在识别液体存在方面表现优异。
• 该方法对扫描仪间差异具有鲁棒性，在Cirrus、Spectralis和Topcon OCT设备上均保持了较高的AUC和Dice分数。
• IRF的性能较低，可能是因为IRF的外观类似噪声，在GMP构建过程中被过度增强。
• 后处理通过过滤小的连通分量并基于强度聚类，显著减少了假阳性，提升了分割的保真度。
• 体积级分析（k=3个相邻切片）通过利用液体结构的3D连续性，提高了检测的可靠性，减少了检测中的假阳性。