Page 320 - 《软件学报》2021年第11期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
Journal of Software,2021,32(11):3646−3658 [doi: 10.13328/j.cnki.jos.006038] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

∗
基于多任务学习的眼底图像红色病变点分割

1
5
2,3
1
1,4
郭 松 , 李 涛 , 李 宁 , 康 宏 , 张玉军 , 王 恺 1
1
(南开大学 计算机学院,天津 300350)
2
(天津市网络与数据安全技术重点实验室(南开大学),天津 300350)
3 (计算机体系结构国家重点实验室(中国科学院),北京 100190)
4 (北京上工医信科技有限公司,北京 100176)
5
(中国科学院 计算技术研究所,北京 100190)
通讯作者: 王恺, E-mail: wangk@nankai.edu.cn

摘 要: 糖尿病性视网膜病变(糖网病)是导致成年人视觉损失的主要因素之一.早期的眼底筛查可以显著降低这
种视觉损失的可能性.彩色眼底图像由于具有采集便利、对人体无伤害等特点,常被用于大规模的眼底筛查工作.对
眼底图像中的红色病变点而言,微动脉瘤是轻度非增殖性糖网病的主要标志,出血点与中度及重度非增殖性糖网病
的诊断有关,因此,眼底图像中出血点和微动脉瘤的准确分割对糖网病分级诊断具有重要参考价值.提出一种基于多
任务学习的分割模型 Red-Seg 来对出血点和微动脉瘤进行分割.该网络包含两个分支,每个分支处理一种病变点.设
计了一种两阶段训练算法,并且两个阶段使用不同的损失函数:第 1 阶段使用改进的 Top-k 带权交叉熵损失函数,将
模型训练集中在难分样本上;第 2 阶段将最小化假阳性和假阴性作为 Red-Seg 模型训练的优化目标,进一步减少病
变点误分.最后,在 IDRiD 数据集上进行模型验证,并与其他病变点分割方法进行对比.实验结果表明,在应用 Red-
Seg 模型进行微动脉瘤和出血点红色病变点分割时,两阶段训练算法可以显著减少病变点误分情况,尤其是出血点
分割的准确率和召回率都提高 2.8%.同时,与 HED、FCRN、DeepLabv3+和 L-Seg 等图像级分割模型相比,Red-Seg
模型在微动脉瘤分割上获得了更好的 AUC_PR.
关键词: 眼底图像;糖网病;微动脉瘤分割;出血点分割;多任务学习
中图法分类号: TP391

中文引用格式: 郭松,李涛,李宁,康宏,张玉军,王恺.基于多任务学习的眼底图像红色病变点分割.软件学报,2021,32(11):
3646−3658. http://www.jos.org.cn/1000-9825/6038.htm
英文引用格式: Guo S, Li T, Li N, Kang H, Zhang YJ, Wang K. Red lesion segmentation of fundus image with multi-task
learning. Ruan Jian Xue Bao/Journal of Software, 2021,32(11):3646−3658 (in Chinese). http://www.jos.org.cn/1000-9825/6038.
htm

Red Lesion Segmentation of Fundus Image with Multi-task Learning
1
5
2,3
1,4
1
GUO Song , LI Tao , LI Ning , KANG Hong , ZHANG Yu-Jun , WANG Kai 1
1
(College of Computer Science, Nankai University, Tianjin 300350, China)
2
(Tianjin Key Laboratory of Network and Data Science Technology (Nankai University), Tianjin 300350, China)
3
(State Key Laboratory of Computer Architecture (Chinese Academy of Sciences), Beijing 100190, China)

∗ 基金项目: 国家自然科学基金(61872200); 国家重点研发计划(2016YFC0400709, 2018YFB2100300); 天津市自然科学基金
(18YFYZCG00060, 19JCZDJC31600); 天津市教学成果奖重点培育项目(PYGJ-018)
Foundation item: National Natural Science Foundation of China (61872200); National Key Research and Development Program of
China (2016YFC0400709, 2018YFB2100300); Natural Science Foundation of Tianjin Municipality (18YFYZCG00060, 19JCZDJC316
00); Key Cultivation Project of Education Achievement Award of Tianjin Municipality (PYGJ-018)
收稿时间: 2019-07-18; 修改时间: 2019-11-04; 采用时间: 2020-03-27