![](https://img-blog.csdnimg.cn/20210407170112292.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
阅读论文
文章平均质量分 94
利用眼底图像的结构特征数据,进行病变检测的相关论文。神经网络、MATLAB、Python等。
icecreamdinner
这个作者很懒,什么都没留下…
展开
-
【阅读论文】第八章--多图像的质量增强--博-自动化眼底图像分析技术可筛查糖尿病患者的视网膜疾病
8.多图像的质量增强在本章中,我们提出了一种技术,该技术采用多幅眼底图像来获得单个更高质量的图像,去除了神经纤维层(NFL)或相机镜头相关的反射伪影的影响,补偿了次优照明。去除亮伪影,对于自动或手动检查视网膜病变时减少假阳性有很大好处。眼底图像是通过改变患者的凝视点但保持摄像机固定来采集的。在拍摄时,所有视网膜结构的表观形状和位置(例如:明亮伪影)变化不表现出各向同性反射,本文算法利用了这种物理效应。部分工作已在Giancardo等人(2011a)的著作中发表。Giancardo等人(2011a):原创 2021-03-25 17:34:54 · 283 阅读 · 0 评论 -
【阅读论文】第七章--多图重建的黄斑肿大检测--博-自动化眼底图像分析技术可筛查糖尿病患者的视网膜疾病
7.多图重建的黄斑肿大检测在本章中,我们提出了一种新的技术,使用未校准的多视图眼底图像来分析黄斑肿胀。这项创新使眼科医生能够使用便宜的眼底照相机远程检测和定量测量肿胀区域。该功能在单个图像中不可用,在立体眼底相机中容易出错。我们还提出了测量重建图像的特征的自动算法,其在出现渗出前的早期黄斑水肿的自动诊断中是有效的。算法分为三个部分:首先,预处理技术包括增强黄斑的暗微结构和均衡图像;第二,使用非形态稀疏特征标记所有可用视图;最后,为所有图像计算稠密光流,并且统计合并以构建黄斑的原始高度图。结果显示在三组合原创 2021-03-25 17:34:23 · 212 阅读 · 0 评论 -
【阅读论文】第六章--计算机辅助检测--博-自动化眼底图像分析技术可筛查糖尿病患者的视网膜疾病
6.计算机辅助检测6.1简介6.2数据集6.3ON定位6.4DME检测方法 6.4.1渗出概率分布图 6.4.2颜色分析 6.4.3小波分析 6.4.4DME特征向量 6.4.5DME检测分类 6.5DME检测结果6.6&6.7DR检测方法和结果6.8讨论7.多图像的黄斑肿大检测7.1简介7.2材料7.3方法 7.3.1预处理 ...原创 2021-03-25 17:33:37 · 301 阅读 · 0 评论 -
【阅读论文】第五章--分割微动脉瘤--博-自动化眼底图像分析技术可筛查糖尿病患者的视网膜疾病
5.微血管瘤分割微小动脉瘤的定位是DR自动检测的关键环节。在本章中,我们提出了一种新的基于Radon变换的微动脉瘤分割技术,该技术能够在无需任何视网膜形态特征先验知识的情况下,通过最少的图像预处理来识别这些病变。该算法已在视网膜病变在线(ROC)咨询公共数据集上进行了评估,其性能与当前最佳技术进行了比较。该性能在低假阳性率下表现尤为出色,是糖尿病视网膜病变筛查系统的理想候选者。部分工作已在Giancardo等人的著作中发表 (2010a,2011b)。Giancardo(2010)Microaneu原创 2021-03-24 19:26:50 · 309 阅读 · 0 评论 -
【阅读论文】第四章--分割渗出--博-自动化眼底图像分析技术可筛查糖尿病患者的视网膜疾病
4.渗出分割糖尿病黄斑水肿(DME)是糖尿病视网膜病变的常见视力威胁性并发症,可通过检测眼底图像中的渗出液(一种明亮病变)进行评估。在本章中,介绍了两种新的检测渗出物的方法,这两种方法不使用监督学习步骤;因此,它们不需要标记的病变训练集,这些训练集可能创建起来耗时、难以获得并且容易出现人为错误。介绍了HEI-MED数据集,在本文余下的部分,它将用于各种实验。我们使用该数据集评估我们的算法,并将我们的结果与文献中最近的两种渗出物分割算法进行比较。在所进行的测试中,我们的算法在计算时间上减少了一个数量级,性原创 2021-03-21 21:36:25 · 382 阅读 · 0 评论 -
【阅读论文】博-自动化眼底图像分析技术可筛查糖尿病患者的视网膜疾病--第三章--QA
3.质量评估3.2方法3.3测试和结果3.4讨论4.渗出分割4.1介绍4.2材料:HEI-MED数据集4.3检测方法的对比4.4方法4.5结果4.6讨论5.微血管瘤分割5.1简介5.2方法5.3材料和训练方法5.4&5.5结果和讨论6.计算机辅助检测6.1简介6.2数据集6.3ON定位6.4DME检测方法6.5DME检测结果6.6&6.7DR检测方法和结果6.8讨论7.多图像的黄斑肿大检测7.原创 2021-03-17 22:06:14 · 305 阅读 · 1 评论 -
【阅读论文】博-自动化眼底图像分析技术可筛查糖尿病患者的视网膜疾病--第二章
【阅读论文】博-自动化眼底图像分析技术可筛查糖尿病患者的视网膜疾病(1)评估和改善图像质量,(2)病变分割,(3)眼底病诊断(1):ELVD质量指标 利用脉管系统和基于颜色的特征对数字图像的质量进行数字估计;此外,通过合并多个眼底图像(通过改变患者的凝视点来捕获)中收集的信息来提高图像质量并消除反射伪影。(2):针对两个病变家族:渗出液和微动脉瘤提出了两种针对单眼底图像的新算法,并与现有技术进行了比较,以证明其有效性。在微动脉瘤的情况下,开发了一种新的基于Radon变换的算子。在最后的.原创 2021-03-09 11:14:16 · 465 阅读 · 0 评论