【医学+深度论文：F31】2017 IOS Press Automatic Identification of Glaucoma Using Deep Learning Methods

最新推荐文章于 2025-02-18 15:25:05 发布
原创 最新推荐文章于 2025-02-18 15:25:05 发布 · 492 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#2017 IOS Press   #Automatic Identification of Glaucom #glaucoma #RIM-ONE #classification

这篇2017年的IOS Press论文介绍了使用深度学习方法自动识别青光眼。研究中，通过GoogLeNet架构结合ROI定位，对HRF和RIM-ONE数据集进行分类，分别达到90%、94.2%、86.2%和86.4%的准确率。尽管存在低对比度、高噪声和低分辨率等问题，研究目标是建立鲁棒网络以在图像质量不佳的情况下也能检测青光眼。方法包括ROI检测、数据增强和分类，但讨论部分指出没有提出新颖的思路，更多是常规的预处理和扩大数据应用。

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%, RIM-ONE r1 94.2% ,RIM-ONE r2 86.2% ,RIM-ONE r3 86.4% 总 87.6%

眼底图像缺陷：very subtle lesions, poor image quality, and illumination problems

The purpose of our work : to perform this detection even in images with

  • low contrast
  • high amount of noise
  • low resolution
  • ROI barely visible

Common practice :

  • post-processing
  • remove blood vessels

Aim

  • robust network

Method

最低0.47元/天 解锁文章
腾讯云容器服务TKE深度解析：Kubernetes在云端的完美实践
AI天才研究院
06-25 1030
随着容器技术的普及，Kubernetes已成为分布式应用管理的事实标准。腾讯云容器服务TKE作为基于Kubernetes的全托管容器服务，在保留原生能力的同时，针对云端环境进行了深度优化。解析TKE的核心技术架构与Kubernetes的差异化增强演示基于TKE的应用部署、运维及扩展的全流程实践探讨TKE在企业级场景中的典型应用模式与技术优势本文从技术原理、实战操作、应用场景三个维度展开，涵盖TKE的架构设计、核心算法、数学模型、项目实战、工具资源及未来趋势，帮助读者建立从理论到实践的完整知识体系。
【ai】mocap：conda 安装python3.8+ cuda+ pytorch+torchaudio、torchvision
突围
06-27 593
https://zhangbin.blog.youkuaiyun.com/article/details/139845294
【医学+深度论文：F07】2017 Automated Glaucoma Diagnosis using Deep Learning Approach
鹿鹿的博客
06-04 504
07 2017 Automated Glaucoma Diagnosis using Deep Learning Approach Method ： 分类 Dataset ： RIM-ONE 455（255 normal ， 200 glaucomatous ） Architecture : CNN + SVM Results ：accuracy（88.2%）, specificity （9...
【医学+深度论文：F18】2019 Robust optic disc and cup segmentation with deep learning for glaucoma detection
鹿鹿的博客
06-12 1634
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...
TIP2021/UDA/语义分割:Affinity Space Adaptation for Semantic Segmentation Across Domains跨域语义分割的关联空间适应
ssshyeong的博客
05-25 1036
本文研究了语义分割中的无监督域自适应问题,建议利用这种跨领域的不变性，利用结构化语义分割输出中成对像素之间的并发模式。我们对相邻像素之间的关联关系(称为源域和目标域的关联空间)进行域适应。为此，我们制定了两种关联空间适应策略:关联空间清洁策略和对抗性关联空间对齐策略。大量的实验表明，所提出的方法在跨域语义分割的几个具有挑战性的基准上比一些最先进的方法具有更好的性能。...
Boundary-aware Context Neural Network for Medical Image Segmentation
Acmer_future_victor的博客
09-26 1582
在本文中，我们为二维医学图像分割制定了边界感知上下文神经网络（BA-Net），以捕获更丰富的上下文并保留精细的空间信息。 BA-Net 采用编解码器架构。在编码器网络的每个阶段，首先提出了金字塔边缘提取模块来获取多粒度的边缘信息。然后我们设计了一个小型多任务学习模块，用于联合学习分割对象掩码和检测病变边界。特别是，提出了一种新的交互式注意力来桥接两个任务，以实现不同任务之间的信息互补，有效地利用边界信息为更好的分割预测提供强有力的线索。最后，交叉特征融合模块旨在选择性地聚合来自整个编码器网络的多级特征。
【眼底图像数据集】视杯 & 视盘分割
学习 & 分享 ~
03-04 8042
https://data.mendeley.com/datasets/rscbjbr9sj/2分类数据： 张彩色眼底图像，格式 ，用于糖尿病视网膜病变检测，用于分类任务。数据标注：Excel 文件，标注了每幅图像的：下载链接：Messidor数据说明：1200 张图片分为 3 组，分别为来自不同眼科部门的数据，各 400 张图像；每组包含 4 个子压缩包，各子压缩包下分别有 100 张图像。数据： 张视网膜图像，是 Messidor 数据的扩展。该数据集有四个任务，分别为：数据： 张彩色视网膜眼底图像，包括
农产品营销平台 java springboot vue ssm mysql python Django vue 农产品销售系统(源代码+数据库+配套论文+ppt) 角色：管理员、用户、商家 管理员：管
最新发布
08-08
农产品营销平台 java springboot vue ssm mysql python Django vue 农产品销售系统(源代码+数据库+配套论文+ppt) 角色：管理员、用户、商家 管理员：管理员登录进入“绿野鲜踪”农产品营销平台的实现可以查看系统...
BIOS升级工具：F31a BIOS(Q3D31 Winphlash)纯DOS版本教程
在今天的IT领域，BIOS（基本输入输出系统）是一个至关重要的组件，它负责计算机启动时的初始化过程。BIOS的升级或刷新可以修复已知的错误、提供对新硬件的支持，或优化系统性能。本文件信息提供的F31a BIOS (Q3D31 ...
[Style Transfer]——Boundary and Entropy-driven Adversarial Learning for Fundus Image Segmentation
qq_37151108的博客
11-18 1422
Boundary and Entropy-driven Adversarial Learning for Fundus Image Segmentation BEAL：基于边界和熵驱动的对抗学习用于眼底图像分割 
from MICCAI2019 
Paper 
Code Abstract 对于不同数据集中眼底图像的视盘和视杯的精确分割对于青光眼疾病的筛查和诊断十分关键，但是由于不同于之间的差异（域偏移）使得研究出来的框架泛化性能不佳。 

本文提出了一种无监督的域适应框架，叫做边界和熵驱动的对抗学习框架（
DRIONS-DB数据库
07-20
DRIONS-DB数据库彩色眼底图像，一共包括110幅眼底图像。
眼底数据集
01-17
眼底数据集，主要用于眼底图像的分割等实验，原图是彩色的
【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 .
【深度学习】眼底图像之视盘和黄斑分割的探索
NJU phd 在读。
05-25 5824
【深度学习】眼底图像之视盘和黄斑分割的探索 文章目录 1 Optic Disc 数据集 1.1 ORIGA-650 1.2 Messidor 1.3 RIM-ONE 1.4 DRION-DB 2 Multiscale sequential convolutional neural networks for simultaneous detection of fovea and optic disc 3 黄斑分割 4 Post-Process Methods 5 Patched Based Atten
【医学影像AI】50个眼科影像数据集（2）分割任务
youcans的博客
02-18 3467
整理了 50 个眼科影像开源 AI 数据集，介绍这些眼科影像数据集的基本信息和下载地址。本文介绍用于分割任务的眼科影像数据集。
CE-NET详解
weixin_45622568的博客
09-07 2316
首先上译文 摘要：医学图像分割是医学图像分析中的一个重要步骤。随着卷积神经网络在图像处理中的快速发展，深度学习已被用于医学图像分割，如视盘分割、血管检测、肺部分割、细胞分割等。此前，已经提出了基于U-net的方法（**U-Net包括连续池化和跨步卷积**）。然而，连续的池化和跨步卷积运算会导致一些空间信息的丢失。在本文中，我们提出了一种上下文编码器网络（称为CE-Net）（上下文编码器网络旨在将输入数据的上下文信息编码成一个有意义的表示。这个上下文信息可以包括环境信息、语义关系、依赖关系等，具体取决于任务
CE-Net: Context Encoder Network for 2D Medical Image Segmentation
Acmer_future_victor的博客
11-04 3296
CE-Net: Context Encoder Network for 2D Medical Image Segmentation 发表期刊：IEEE Transactions on Medical Imaging(中科院SCI一区) 发表时间：2019年 Abstract 医学图像分割是医学图像分析的重要步骤。随着卷积神经网络在图像处理领域的迅速发展，深度学习已被用于医学图像分割，如视盘分割、血管检测、肺分割、细胞分割等。然而，连续的池化和跨步卷积操作会导致一些空间信息的丢失。本文提出了一种上下文编码器网
基于注意的U-Net和改进的交叉熵卷积神经网络的视盘分割
weixin_44845357的博客
10-24 2387
Optic Disc Segmentation Using Attention-Based U-Net and the Improved Cross-Entropy Convolutional Neural Network 使用带注意力的U-Net和改进的交叉熵卷积神经网络的视盘分割 技术：多通道注意力机制，骰子系数与交叉熵结合，卷积神经网络 ———————————————————————————————— 摘要： 在本文中，我们提出了一种新的聚合通道注意力网络，以充分利用上下文信息对语义分割的影响。与现有
评论 3
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