论文部分内容阅读
垂体瘤属于良性肿瘤,但随着垂体瘤长大会压迫视交叉或视神经,造成视力、视野改变,90%以上的垂体瘤患者都有视力减退症状,甚至失明。大多数垂体瘤病人以视力减退为首发症而首诊于眼科,但目前缺乏基于视网膜图像的垂体瘤筛查工作,对眼科医生来说,难以在第一时间判断出患者患有垂体瘤的可能性,可能会延误诊治。本文提出了一种新的基于视网膜光学相干断层扫描(Optical Coherence Tomography,OCT)图像进行垂体瘤自动筛查的方法,当病人因视力障碍去眼科检查时,辅助医生判断其患有垂体瘤的可能性。采集患者和正常人的视网膜OCT图像,采用传统分类和三维卷积神经网络(3D Convolutional Neural Network,C3D)分类分别进行垂体瘤筛查,并对两种方法的结果进行比较分析。在采用传统分类方法时,首先对图像进行预处理;其次,在感兴趣区域(Volume of Interest,VOI)提取体积、厚度、灰度、纹理特征;最后,基于这些特征训练Adaboost和随机森林(Random Forest,RF)分类器用于垂体瘤筛查。在采用C3D进行垂体瘤筛查时,需要构造一个双层C3D网络,两层网络内部采用不同的卷积核与层结构,加权结合两层子网的损失函数用以更新参数、完成训练,得到的网络即可用于垂体瘤的筛查。本文方法在70张OCT图像上进行训练和测试,Adaboost和RF分类器获得的平均准确率(Accuracy,Acc)、真阴性率(True Negative Rate,TNR)、假阳性率(False Positive Rate,FPR)、查全率(Recall,R)、查准率(Precision,P)、F2 分别为 87.14%、93.54%、6.46%、82.35%、90.00%、0.83 和 87.14%、89.63%、10.37%、83.57%、87.24%、0.84。C3D 分类对应指标的值是:87.50%、75.00%、25.00%、100.00%、80.00%、0.95。实验结果表明了本方法具有较好的可行性,可用于辅助医生诊断垂体瘤。