Drishti-GS2014——视网膜视神经头（ONH）分割

今天将分享视网膜视神经头（ONH）分割完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、DRISHTI-GS2014介绍

在多种视网膜异常中，青光眼是世界上不可逆视力丧失的主要原因之一。它涉及视神经纤维的进行性变性。ONH（由视盘（OD）和视杯区域组成）的结构变化是评估青光眼损伤程度的标准方法之一。这些变化导致杯形，即杯相对于外径的扩大，并使用杯盘直径比 (CDR) 捕获。CDR 值较高表明眼睛中存在青光眼。不同的成像方式如光学相干断层扫描、海德堡视网膜断层扫描、眼底成像等用于评估青光眼。其中，彩色眼底（视网膜）成像是一种低成本、无创且最优选的视网膜疾病大规模筛查成像方式。视网膜图像是视网膜的真彩色二维投影。为了量化杯盘直径并估计青光眼的指示参数，任何自动化分析方法都必须从视网膜图像中准确分割OD和视杯区域。不规则的圆盘形状、不明确的OD区域边界和可变的成像条件使得OD分割问题具有挑战性。已经提出了多种用于OD 和视杯区域分割的方法。OD分割技术相当成熟，能够提供可靠的OD边界。相比之下，视杯分割仍然是一项具有挑战性的任务，因为深度是最好的标记（由于视网膜图像中的 2D 投影而丢失），并且提出的方法很少。在人类专家对视杯边界的手动标记中，观察者之间也存在很大的差异。

二、DRISHTI-GS2014任务

任务1、眼底视盘（OD）和视杯区域分割。任务2、青光眼和正常分类。

三、DRISHTI-GS2014数据集

数据集总共包含 101 张视网膜图像，分为 50 张训练图像和 51 张测试图像。所有图像均在马杜赖阿拉文眼科医院的访客同意下收集。青光眼患者的选择是由临床研究人员根据检查期间的临床结果进行的。入选患者年龄在40-80岁，男性和女性人数大致相等。选择接受常规屈光测试且未患有青光眼的患者来代表正常类别。所有图像均使用以下数据收集协议在散瞳情况下拍摄：以 OD 为中心，视场为 30 度，尺寸为 2896 × 1944 像素，PNG 未压缩图像格式。除此之外，采集过程中没有施加其他成像限制。对于每幅图像，分别从具有 3 年、5 年、9 年和 20 年经验的四位青光眼专家来标注，以捕获观察者之间标记的差异。对比度差、OD 区域定位等方面质量差的图像被丢弃。本次数据集发布中，通过消除周围的非眼底黑色区域，从原始图像中提取眼底区域（具有视网膜结构的图像区域），得到约2047×1760像素的图像。

下载链接：

https://www.kaggle.com/datasets/lokeshsaipureddi/drishtigs-retina-dataset-for-onh-segmentation/data

四、技术路线

任务一、眼底视盘（OD）和视杯区域分割

1、图像预处理，缩放到固定大小1024x1024，然后采用均值为0，方差为1的方式进行归一化处理。然后将数据分成训练集和验证集。

2、搭建VNet2d网络，使用AdamW优化器，学习率是0.001，batchsize是8，epoch是300，损失函数采用二分类的dice和交叉熵。

3、视盘训练结果和验证结果

4、视杯训练结果和验证结果

任务二、青光眼和正常分类

1、杯盘比（CDR）是视杯和视盘区域的垂直直径之比。青光眼的CDR值会比较高，正常的CDR值会比较低。

2、为了选择最佳的CDR值来区分青光眼和正常，对于训练数据，分别提取视杯和视盘垂直方向上的直径值之比，然后从0到1，按照0.1步长，计算准确率，选择准确率最高的阈值。如下所示，阈值在0.6的时候，准确率最高。

测试集结果

根据上面视杯和视盘分割结果再计算垂直直径得到CDR，并采用阈值0.6来统计得到Accuracy为 0.88。