该研究介绍了基于深度卷积神经网络（CNN）的青光眼检测方法，通过ORIGA和SCES数据集进行验证，取得了AUC分别为0.831和0.887的检测效果。方法包括ROI提取、预处理、Dropout策略和数据增强。讨论部分指出，虽然能捕获青光眼相关特征，但过拟合、训练集大小和网络健壮性是挑战。
16
2015 EMBC
Glaucoma detection based on deep convolutional neural network
Method ： 分类
Dataset ：ORIGA （650）
SCES（1676）
Architecture : CNN (4con+4fc)
Results ：AUC ORIGA（0.831） SCES（ 0.887）
Methods
Pipeline
- 提取 ROI
引入预处理步骤以减少或消除亮条纹，其涉及找到修剪圆的中心和修剪半径。在获得ROI之后，将提取的结果下采样到固定的分辨率256 × 256。最后，从每个像素中减去盘图像中所有像素的平均值，以消除图像之间的照明变化的影响。
-
drop out / data augmentation
drop out =0.5
数据增强：平移 水平反射 -
net
-
1 ORIGA
- training
ORI
- training
最低0.47元/天 解锁文章
扫一扫
494
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
