源自
José Ignacio Orlando, Huazhu Fu, João Barbossa Breda, and et.al.,
"REFUGE Challenge: A Unified Framework for Evaluating Automated Methods for Glaucoma Assessment from Fundus Photographs",
Medical Image Analysis (MedIA), 2020.
paper
Challenge Link
公开了含1200张青光眼眼底图像的数据集
青光眼是视神经头(ONH)的损伤疾病。难点在于不可预防，只能通过早期发现进行积极治疗。
可在彩色眼底图像(CFP)中分割视盘与视杯或采用其他特征进行青光眼的判别
青光眼分类将使用CFP进行分类，多采用监督学习的方式(受限于小型数据集)，应用浅层网络的多考虑过拟合的影响，但会造成某些特征学习能力的丧失；或可采用深层迁移学习(经预处理);同时广泛应用的一种处理方式是将分析区域限制在视神经头处(图像裁剪)，可以获得比全尺寸学习更好的学习能力。
视盘视杯的检测往往先对视神经头进行定位，裁剪定位区域，再对视盘视杯进行分割
目前往往采用基于UNet的修改网络进行训练，旨在即使只有少量数据集，也可以得到较好的效果。
refuge-f1.png
该表对多个数据集进行了对比
评估指标：
- ROC
- AUC
- 敏感性和特异性
- IoU
- Dice指数
参与refuge比赛各队方案表
refuge-f2.png
