扩展Mask R-CNN的视网膜水肿检测网络

摘要：为了更好的辅助医生对光学相干断层成像OCt(Optical Coherence Tomography)成像的水肿影像图片进行病变快速识别，本文提出了一种改进Mask R-CNN的视网膜水肿检测和识别方法。对于8960张训练图片，我们模仿Labelme软件的功能，通过编程实现了图片的自动标注，可以在几分钟制作大量的数据集，让特征提取更精准。对于主干网络restnet101的基本残差块扩宽它的宽度，扩大特征图的感受野，提取更丰富的特征信息。增加1*1的卷积，卷积的输出相当于给特征图乘了一个系数，增强特征图信息的表达，更有利与水肿区域的定位。接着在网络的全连接层加入dropout，设置参数为0.5，避免由于训练数据过少，导致网络过拟合。本实验用8960张视网膜水肿图片进行训练，1920张图片进行测试，与现有的目标检测网络Faster R-CNN、Mask R-CNN对比，改进的网络识别率较高，达到了92.27%，实现了水肿病变区域精确的定位和识别。

关键词：宽度扩展；视网膜水肿检测；自动标注