极少训练样本的人眼血管图像分割

最新推荐文章于 2024-07-22 08:29:31 发布
最新推荐文章于 2024-07-22 08:29:31 发布
阅读量3.8k 收藏 8
点赞数 1
分类专栏： DL
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/bevison/article/details/79304584
版权
该博客介绍了使用U-net架构在仅有20幅训练图像的人眼血管分割任务上的方法和结果。通过预处理，如灰度转换、标准化、CLAHE和伽马调整，对训练图像进行增强。采用48x48像素的子图像进行训练，总训练样本数为190,000个。网络使用交叉熵损失函数，激活函数为ReLU，并采用随机梯度下降优化器。经过150个周期的训练，在GeForce GTX TITAN GPU上耗时约20小时。在DRIVE测试集上，通过对每个像素的预测概率平均来提高性能，展示了这种方法的有效性。" 132785579,19673932,使用PSO优化Gabor滤波器进行图像增强的MATLAB实现,"['图像处理', '算法', 'MATLAB', '优化', '数字图像处理']
摘要由CSDN通过智能技术生成

https://github.com/orobix/retina-unet

20幅训练，20幅测试，图像大小768*584.

https://www.isi.uu.nl/Research/Databases/DRIVE/

Methods

Before training, the 20 images of the DRIVE training datasets are pre-processed with the following transformations:

最低0.47元/天 解锁文章
OpenCV中文网公众号
关注
专栏目录
计算机视觉方向面试题总结（二）：图像分割篇
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-30 1万+
《计算机视觉面试题总结系列》 主要面向计算机视觉目标检测、图像分割及OCR等领域，将对该领域面试相关问题等进行总结，主要进行资源整合！学习对象主要面向深度学习CV方向同学，本篇主要对图像分割方向进行全面总结，希望大家能够多多交流如有错误请大家在评论区指正，如有侵权联系删除。
简明代码实现Unet眼底图像血管分割
啊哦的博客
10-14 6547
项目工程文件结构如下： 参考了Retina_Unet项目，决定自己用代码来实现一遍，数据增强不是像Retina_Unet那样随机裁剪，而是将20个训练数据集按顺序裁剪，每张裁剪成48x48大小的144个patch，20张一共裁剪出2880个patch。 Unet模型：模型输入的张量形状为（Npatch,1,48,48），输出为（Npatch,2304,2）。Npatch表示训练集的样本数，本例中...
血管分割的STARE数据集
01-13
视网膜眼底血管分割的STARE数据集，可作为深度学习的训练集。
[小样本分割] Few Shot Medical Image Segmentation with Cross Attention Transformer
weixin_44832243的博客
05-16 2647
在深度学习医学图像分割领域，训练一个性能强，可以大规模部署落地的模型，往往需要大量手动标注的数据进行监督训练，其中花费的成本是非常高的。为了解决这一挑战，少样本学习（few-shot）技术有潜力从有限的几个sample中学习新类别的能力。本文提出了一种基于交叉掩码注意力的少样本医学图像分割新框架CAT-Net：通过挖掘support和query图像之间的相关性，并限制模型仅关注有用的前景信息，来提高support和query特征的表达能力。同时，本文还进一步设计了一个迭代细化训练框架来优化查询。
【MATLAB实战】基于UNet的肺结节的检测
最新发布
qq_45047246的博客
07-22 497
UNet网络是分割任务中的一个经典模型,因其整体形状与"U"相似而得名,"U"形结构有助于捕获多尺度信息,并促进了特征的精确重建，该网络整体由编码器,解码器以及跳跃连接三部分组成。整个过程重复进行四次,完成对病灶区域的分割。在编码器和解码器通过跳跃连接将编码器的某一层的特征图与对应的解码器层的特征图连接起来。在UNet的解码阶段,解码基本块与编码阶段的基本块是一一对应的。代码链接：https://download.csdn.net/download/qq_45047246/89565243。
U-Net原理以及keras代码实现医学图像眼球血管分割(导航)
tjj1057813680的博客
05-28 1808
https://cloud.tencent.com/developer/article/1354435
opencv血管分割——边缘检测
weixin_49252254的博客
07-23 1465
opencv血管分割 使用边缘检测算子对眼底血管进行分割，简单的实现了一下，没有调参，效果也不是很好。 头文件以及图像读取 #include<iostream> #include<opencv2\opencv.hpp> using namespace std; using namespace cv; void on_trackbar(int, void*) {}//后续用作createTrackbar()的参数 int main() { Mat img; img = imrea
眼底血管分割(python版本)
热门推荐
qq_40511157的博客
10-27 2万+
一、项目背景        研究表明，各类眼科疾病以及心脑血管疾病会对视网膜血管造成形变、出血等不同程度的影响。随着生活水平的提高，这类疾病的发病率呈现逐年增长的趋势。临床上，医疗人员能够从检眼镜采集的彩色眼底图像中提取视网膜血管，然后通过对血管形态状况的分析达到诊断这类疾病的目的。但是，由于受眼底图像采集技术的限制，图像中往往...
基于K-means聚类算法的图像分割及其MATLAB实现
03-05
基于K-means聚类算法的图像分割 算法的基本原理：  基于K-means聚类算法的图像分割以图像中的像素为数据点，按照指定的簇数进行聚类，然后将每个像素点以其对应的聚类中心替代，重构该图像。 算法步骤： ①随机选取...
u-net眼底图像血管分割keras，kaggle竞赛代码修改版
10-19
修改后，输入图像可以是任何大小要求jpg格式，如果不是要修改resize文件，需要基于keras（这个很好装的），图像放入指定文件，然后运行就可以了，输出在test里面，输出图像改为输出血管结果图像，且只能应用于测试，亲测对一般眼底图像数据库分割效果都很好。有问题或不能运行戳我。
卷积神经网络对视网膜血管的分割-Python开发
05-25
使用卷积神经网络（U-net）进行视网膜血管分割该存储库包含用于对视网膜眼底图像中的血管进行分割的卷积神经网络的实现。 这是使用卷积神经网络（U-net）进行的二进制cl视网膜血管分割。该存储库包含用于对视网膜眼底图像中的血管进行分割的卷积神经网络的实现。 这是一个二进制分类任务：神经网络预测眼底图像中的每个像素是否为血管。 神经网络结构是从本文描述的U-Net架构派生而来的。 在DRIVE数据库上测试了该神经网络的性能
ACE眼底血管提取
10-31
使用自适应对比度增强算法对眼底图像中的血管进行增强处理 。
滤波眼底血管提取
10-31
作者coye使用PCA算法+形态学滤波实现的眼底图像血管提取。
眼底血管匹配滤波MATLAB源码
03-26
匹配滤波源码，详情见http://blog.csdn.net/u013288466/article/details/66473284
Opencv医学图片分割-以血管、胼胝体MR等分割为例
weixin_44978992的博客
06-22 1565
Opencv的在医学上的应用小项目。
计算机视觉-04-医学图像眼球数据分割（包含数据和代码）
AI研习星球
12-09 1393
这次实验用来学习UNet网络实现图像分割(keras, backend: tensorflow)。数据集DRIVE：为眼部图像，目的是分割出眼部血管。上面分别是训练的原始图片images、first_manual、mask。前期准备：将所有图片写入h5文件，（为了后期训练网络时减少io时间）训练网络获取训练图片和groundtruth图片读取hdf5文件，获取img array预处理所有的img提取patches构建model，并训练。
U-net眼底血管分割实例运行记录
weixin_43484095的博客
09-05 588
安装环境：用anaconda prompt安装 直接一路pip install xx过去 CUDA 记住安装10.0 不是10.1 必须配置路径 CUDNN由于不可知力量，必须一个一个复制粘贴替换 第一步需要import os import h5py import numpy as np import PIL from PIL import Image 还得定义write_hdf5 def wri...
评论 1
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