论文阅读
文章平均质量分 89
@TangYi
向往Mauna Kea的星空
展开
-
IterNet: Retinal Image Segmentation Utilizing Structural Redundancy in Vessel Networks
IterNet: Retinal Image Segmentation Utilizing Structural Redundancy in Vessel Networks 利用血管网络中的结构冗余进行视网膜图像分割 摘要:视网膜血管分割对视网膜血管疾病的诊断具有重要意义。为了进一步提高血管分割的性能,我们提出了基于UNet的新模型IterNet,它能够从分割的血管图像本身而不是原始输入图像中找到模糊的血管细节。原创 2021-04-05 23:01:38 · 2585 阅读 · 6 评论 -
SA-UNet: Spatial Attention U-Net for Retinal Vessel Segmentation
论文阅读:SA-UNet: Spatial Attention U-Net for Retinal Vessel Segmentation 用于视网膜血管分割的空间注意力U-Net 摘要:视网膜血管的精确分割(精确分割precise segmentation)对早期诊断与眼病有关的疾病,如糖尿病和高血压具有重要意义。在这项工作中,我们提出了一个轻量级的网络(lightweight network),称为空间注意力U-Net(SA-UN原创 2021-03-10 13:15:36 · 6876 阅读 · 6 评论 -
Modeling and Enhancing Low-Quality Retinal Fundus Images
Modeling and Enhancing Low-Quality RetinalFundus Images 低质量视网膜眼底图像的建模与增强摘要-眼底图像被广泛用于临床筛查和眼病的诊断。然而,不同经验水平的操作者拍摄的眼底图像在质量上有很大的差异。低质量的眼底图像增加了临床观察的不确定性,导致误诊的风险。然而,由于眼底成像的特殊光束和视网膜的结构,自然图像增强方法不能直接用于解决这一问题。在本文中,我们首先分析的检眼镜成像系统,并模拟一个可靠的降解的主要劣质因素,包括不均匀的照明,图像模糊,和文物翻译 2021-03-21 23:01:35 · 1001 阅读 · 0 评论