【医学+深度论文：F18】2019 Robust optic disc and cup segmentation with deep learning for glaucoma detection

最新推荐文章于 2023-05-03 15:05:52 发布
最新推荐文章于 2023-05-03 15:05:52 发布
阅读量1.5k 收藏 6
点赞数 1
分类专栏： 医学影像 文章标签： 2019 Computerized Medical Imaging a Robust optic disc and cup segmentat GON optic disk segment
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_31622015/article/details/91559215
版权
本文提出了一种利用预训练ResNet34改进的U-Net模型，对光盘和视杯进行自动分割，用于青光眼检测。在DRISHTI-GS1和RIM-ONE数据集上，模型展示出高精度的分割性能，并在未微调的情况下在不同数据集上展现出良好的泛化能力。
摘要由CSDN通过智能技术生成

18

2019 Computerized Medical Imaging and Graphics

Robust optic disc and cup segmentation with deep learning for glaucoma detection

Method ： 分割 OD/OC 计算 CDR
Dataset ：train RIGA ；test DRISHTI-GS1 , RIM-ONE
Architecture : Unet （encoder ：pre-trained ResNet34）
Results ：
DRISHTI-GS1：Dice 视盘 96.44% 视杯 87.39%
     Jacc 视盘 93.19% 视杯 78.08%
RIM-ONE ：Dice 视盘 94.91% 视杯 79.32%
     Jacc 视盘 90.65% 视杯 68.28%

避免了从头开始训练网络，实现了快速网络训练

Methods

视盘和杯的自动分割是以两个阶段的方式实现的

  • Pre-Processing

  • Data Augumentation
    512×512

    <
最低0.47元/天 解锁文章
鹿鹿最可爱
关注
专栏目录
YoloV8改进策略：InternImage与YoloV8深度融合，动态卷积DCNv3大显神威
AI浩
04-04 5993
他来了！他来了！他带着氩弧焊的光芒过来了！作为CV的大模型，InternImage的光芒太强了。分类任务检测任务分割任务“书生2.5”可根据文本内容需求快速定位检索出语义最相关的图像。这一能力既可应用于视频和图像集合，也可进一步结合物体检测框，具有丰富的应用模式，帮助用户更便捷、快速地找到所需图像资源, 例如可在相册中返回文本所指定的相关图像。“书生2.5”的“以图生文”在图像描述、视觉问答、视觉推理和文字识别等多个方面均拥有强大的理解能力。例如在自动驾驶场景下，可以提升场景感知理解能力，辅助车辆判断交通信
libc[stdc++]：malloc[new]：hook的实现, 所有的hook函数指针都是弱符号，可以自己手动定义
mzhan017的博客
12-03 893
每个memory相关的函数都会调用到这个函数，但是是单例模式，只要是之前初始化过，就不再初始化。 static void ptmalloc_init (void) { if (__malloc_initialized >= 0) return; static void turn_on_mcheck (void) { mcheck (NULL); } void (*__malloc_initialize_hook) (void) = turn_on_mcheck; ptma
【医学+深度论文：F04】Integrated Optic Disc and Cup Segmentation with Deep Learning
鹿鹿的博客
06-03 943
04 Integrated Optic Disc and Cup Segmentation with Deep Learning 2015 年比较老 分割问题 ： 青光眼筛查，视盘分割，视杯分割 Dataset：两个大型真实数据库上的测试（SEED-DB / MESSIDOR） Architecture： 定位 Daubechies wavelet transform method + 去掉血管 ...
【医学+深度论文：F21】2017 CVPR Optic Disc and Cup Segmentation Methods for Glaucoma Detection
鹿鹿的博客
07-31 864
21 2017 CVPR Optic Disc and Cup Segmentation Methods for Glaucoma Detection with Modification of U-Net Convolutional Neural Network Method ： 分割 Dataset ： DRIONS-DB, RIM-ONE v.3, DRISHTI-GS Architect...
【医学+深度论文：F31】2017 IOS Press Automatic Identification of Glaucoma Using Deep Learning Methods
鹿鹿的博客
09-03 429
31 2017 IOS Press Automatic Identification of Glaucoma Using Deep Learning Methods Method ： 分类 Dataset：HRF , RIM-ONE r1,RIM-ONE r2,RIM-ONE r3 Architecture： ROI + GoogLeNet Results: AC HRF 90%, RI...
《MedSegDiff Medical Image Segmentation with Diffusion Probabilistic Model》论文阅读理解
weixin_43749999的博客
05-03 1017
1. 提出了基于DPM的通用医学图像分割模型； 2. 对于步进式注意力机制，提出了动态条件编码策略； 3. 为了消除高频的高斯噪声的影响，提出了FF-Parser特征频率解析器； 4. 文中提出的方法在三种不同图像形态的医学分割任务中的表现SOTA；
【医学影像系列三】青光眼诊断眼底图像数据集｜代码｜论文总结｜结果汇总｜名词解析｜评价指标
热门推荐
鹿鹿的博客
11-08 2万+
导语：这是之前做青光眼诊断研究时候整理的资料，所有的文章数字编号都对应我之前发表的论文阅读博客，比如方法汇总 No.15 对应【医学+深度论文：F15】这篇文章。有一些对大家有用但是我没有用到的学习资料也放在文中。汇总整理难免有遗漏，希望大家能够提出和补充，谢谢～ Dataset 数据集汇总 Dataset Name & Paper Country Photo Feature Equipment disease Drishti-GS Retinal image dataset .
array-forth:GreenArrays芯片使用的F18A指令集的简单解释器和超级优化器
05-24
F18A仿真器 这是一个简单的F18A仿真器。 它可以在单个内核上运行代码，并且具有用于模拟所有144个内核以及它们之间的通信的未经测试的支持。 但是，它不模拟任何芯片的IO功能。 它最初是为了实现基于; 但是，它也...
使用 PY32F003F18P 的实验代码包，开发环境：Keil uVision 5.2.8，亲测可用
最新发布
12-18
PY32F003F18P 的实验代码，包括 MCU 的时钟选择，UART 通信，高级定时器 TIM1 和通用定时器 TIM16的使用，模数转换器（ADC）的使用，嵌入式 FLASH 的读写，内部集成总线（I2C）的使用和外部中断捕获。UART，ADC 和 I...
Drishti-GS1_files 青光眼数据集
03-25
如果需要分割杯盘比来判断是否为青光眼，此数据集可以
眼科标准数据集Drishti-GS1
03-18
关于视盘与杯盘分割的标准数据集
【深度学习模型的训练与评估】Drishti-GS1数据集解释
李响
07-02 1220
Drishti-GS1 dataset consists of a total of 101 images.These have been divided into 50 training and 51 testing images.All the images have been marked by 4 eye experts with varying clinical experience. All images were collected at Aravind eye hospital, Madu.
Convolutional neural network transfer for automated glaucoma identification论文理解
静静地玛尼石
10-27 490
本文开源的MATLAB的代码        目前用于眼底图像的自动青光眼检测的大多数系统依赖于基于分割的特征，很明显，它们受到底层分割方法的影响。在本文中，我们提出在非医疗数据上预训练CNN来实现青光眼自动检测方案的可行性。本文提出两种不同的CNN（即OverFeat和VGG-S）应用于眼底图像以产生特征向量。文中加入了预处理技术，如血管修复，对比度限制自适应直方图均衡（CLAHE
推荐5个机器学习Python 库，国内外评价超高
python学习者的博客
12-20 1384
机器学习令人无比神往，但从事这个工作的人可能并不这么想。 机器学习的工作内容往往复杂枯燥又困难——通过大量重复工作进行提升必不可少： 汇总工作流及传输渠道、设置数据源以及在内部部署和云部署的资源之间来回分流。 所以使用工具提升你的工作效率实在很关键，而且像这样的工具越多越好。 好在你学的是Python，作为一门威力巨大的工具语言，Python可以给你提供足够的辅助工具，让你在大数据和机器学...
医学图像分割：UNet++
机器学习算法那些事
11-15 2069
作者：Jingles (Hong Jing)编译：ronghuaiyang导读使用一系列的网格状的密集跳跃路径来提升分割的准确性。在这篇文章中，我们将探索UNet++: A Nested...
【Deep Learning笔记】Optic Disc 数据集
李响
04-03 2995
文章目录1 视盘2 数据集3 竞赛 1 视盘 视盘（optic disc）：全称视神经盘，有时候也被成为视神经乳头（optic nerve head）。在普通的彩色眼底相机中，一般最亮的区域就是视盘的位置。 视盘是眼睛的一个重要组织，很多疾病都可以直接（亦或间接地）通过视盘来观测。例如，青光眼（glaucoma）病变，医生会计算视杯视盘直径比率（disc-cup-ratio，CDR）来诊断患者是...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值