【医学+深度论文:F19】Integrating holistic and local deep features for glaucoma classification

本文介绍了一种基于2016年EMBC会议的青光眼分类方法,结合整体和局部深度特征。利用变形形状模型检测视盘边界,通过AlexNet、GoogLeNet、VGG-16和VGG-19等预训练的CNN提取特征,再用SVM进行决策融合,达到ROC曲线下面积0.8384的效果。
摘要由CSDN通过智能技术生成

19

2016 EMBC
(Engineering in Medicine and Biology Society)

Integrating holistic and local deep features for glaucoma classification

Method : 分类
Dataset : Origa -light 650
Architecture : CNN+SVM
Results :ROC 0.8384

Methods

四部分组成

  • Region of interest

采用 deformable shape model 来 检测 optic disc 的边界
光盘边界由18个边界点表示
然后根据边界点的坐标获得边界框
ROI的中心点定义为边界框中心
title

提取有效特征, 需要根据诸如光盘中心和边界之类的基准点来对齐ROI。

  • Deep convolutional feature extraction
    从 ImageNet pretrained
    ConvNets,AlexNet ,GoogLeNet ,VGG-16,VGG-19

  • Glau

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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