Detektion von Optikus, Kelch und Fovea aus Retinabildern unter Verwendung von U-Net++ mit EfficientNet-Encoder

Die präzise Detektion retinaler Strukturen wie des Optischen Diskus (OD), des Kesselbechers (Cup) und der Fovea ist entscheidend für die Analyse von altersbedingter Makuladegeneration (AMD), Glaukom und anderen retinalen Erkrankungen. Die meisten Segmentierungsmethoden basieren auf der separaten Detektion dieser retinalen Strukturen, wodurch eine kombinierte Analyse für die computerunterstützte ophthalmologische Diagnose und Screening erschwert wird. Um dieses Problem zu lösen, stellt der Artikel einen Ansatz vor, der die Analyse von OD, Cup und Fovea gemeinsam integriert. Es wird eine neuartige Methode zur Detektion des Optischen Diskus mit integrierter Cup- und Fovea-Analyse vorgestellt, die eine modifizierte U-Net++ Architektur mit dem EfficientNet-B4-Modell als Backbone nutzt. Die aus dem EfficientNet extrahierten Merkmale werden mittels Skip-Verbindungen in der U-Net++ Architektur genutzt, um eine präzise Segmentierung zu ermöglichen. Zur Bewertung der Leistung werden Datensätze aus den ADAM- und REFUGE-Challenges verwendet. Die vorgeschlagene Methode erreichte eine Erfolgsrate von 94,74 % und 95,73 % bezüglich des Dice-Koeffizienten für die OD-Segmentierung auf den ADAM- und REFUGE-Daten jeweils. Für die Fovea-Detektion wurde eine durchschnittliche euklidische Distanz von 26,17 Pixeln für den ADAM-Datensatz erzielt. Der vorgeschlagene Ansatz belegte den ersten Platz bei den Aufgaben zur OD-Detektion und -Segmentierung im ISBI ADAM 2020 Challenge.