【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 2025-07-21 14:42:39 发布
原创 最新推荐文章于 2025-07-21 14:42:39 发布 · 1.6k 阅读 · 6 ·
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：

#2019 Computerized Medical Imaging a #Robust optic disc and cup segmentat #GON #optic disk #segment

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。

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

  • 第一阶段

    • 单一标签深度学习模型建立和训练以分割视盘

    • 目的：通过粗糙盘

最低0.47元/天 解锁文章
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 6459
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
【深度学习模型的训练与评估】Drishti-GS1数据集解释
NJU phd 在读。
07-02 1589
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.
【医学+深度论文：F04】Integrated Optic Disc and Cup Segmentation with Deep Learning
鹿鹿的博客
06-03 1062
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
07-31 921
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
09-03 492
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...
医学图像数据集下载地址
qq_44504069的博客
04-11 4697
医学图像数据集下载地址
《MedSegDiff Medical Image Segmentation with Diffusion Probabilistic Model》论文阅读理解
weixin_43749999的博客
05-03 1547
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；
(gdb) disas main Dump of assembler code for function main: 0x00400ee0 <+0>: addiu sp,sp,-32752 0x00400ee4 <+4>: sw ra,32748(sp) 0x00400ee8 <+8>: sw s8,32744(sp) 0x00400eec <+12>: addiu sp,sp,-7288 0x00400ef0 <+16>: move s8,sp 0x00400ef4 <+20>: li v0,0x9c68 0x00400ef8 <+24>: addu v0,v0,s8 0x00400efc <+28>: sw a0,0(v0) 0x00400f00 <+32>: li v0,0x9c6c 0x00400f04 <+36>: addu v0,v0,s8 0x00400f08 <+40>: sw a1,0(v0) 0x00400f0c <+44>: lui v0,0x7fff 0x00400f10 <+48>: ori v0,v0,0xffff 0x00400f14 <+52>: sw v0,28(s8) 0x00400f18 <+56>: lw v0,28(s8) 0x00400f1c <+60>: nop 0x00400f20 <+64>: sw v0,24(s8) 0x00400f24 <+68>: addiu v0,s8,24 0x00400f28 <+72>: move a1,v0 0x00400f2c <+76>: li a0,4 0x00400f30 <+80>: jal 0x402550 <setrlimit@plt> 0x00400f34 <+84>: nop 0x00400f38 <+88>: addiu v0,s8,32 0x00400f3c <+92>: li a2,20000 0x00400f40 <+96>: li a1,49 0x00400f44 <+100>: move a0,v0 0x00400f48 <+104>: jal 0x4025a0 <memset@plt> 0x00400f4c <+108>: nop 0x00400f50 <+112>: addiu v0,s8,32 0x00400f54 <+116>: addiu v0,v0,20000 0x00400f58 <+120>: li a2,20000 0x00400f5c <+124>: li a1,50 0x00400f60 <+128>: move a0,v0 0x00400f64 <+132>: jal 0x4025a0 <memset@plt> 0x00400f68 <+136>: nop 0x00400f6c <+140>: addiu v0,s8,32 0x00400f70 <+144>: addiu v0,v0,100 0x00400f74 <+148>: addiu v1,s8,32 0x00400f78 <+152>: addiu v1,v1,16 0x00400f7c <+156>: li a2,30000 0x00400f80 <+160>: move a1,v1 0x00400f84 <+164>: move a0,v0 0x00400f88 <+168>: jal 0x402590 <memmove@plt> 0x00400f8c <+172>: nop 0x00400f90 <+176>: addiu v0,s8,32 0x00400f94 <+180>: addiu v0,v0,16 0x00400f98 <+184>: addiu v1,s8,32 0x00400f9c <+188>: addiu v1,v1,100 0x00400fa0 <+192>: li a2,30000 0x00400fa4 <+196>: move a1,v1 0x00400fa8 <+200>: move a0,v0 0x00400fac <+204>: jal 0x402590 <memmove@plt> 0x00400fb0 <+208>: nop 0x00400fb4 <+212>: li a0,10 0x00400fb8 <+216>: jal 0x402560 <sleep@plt> 0x00400fbc <+220>: nop 0x00400fc0 <+224>: b 0x400fb4 <main+212> 0x00400fc4 <+228>: nop
11-03
我们拿到了main函数的汇编代码，需要分析第二次memmove调用前的栈布局，以及可能的栈溢出问题。 从汇编代码中，我们可以计算栈空间分配和局部变量的位置。 关键点： 1.... <+0>: addiu sp,sp,-32752 # 第一次调整栈...
0x1a2a50f10 <+16>: add x29, sp, #0x20 0x1a2a50f14 <+20>: mov x19, x2 0x1a2a50f18 <+24>: mov x20, x0 0x1a2a50f1c <+28>: str x1, [sp] 0x1a2a50f20 <+32>: adrp x2, 1 0x1a2a50f24 <+36>: add x2, x2, #0xe3a ; "%s" 0x1a2a50f28 <+40>: mov w1, #0x800 ; =2048 0x1a2a50f2c <+44>: bl 0x1a2a512dc ; symbol stub for: snprintf 0x1a2a50f30 <+48>: adrp x8, 367678 0x1a2a50f34 <+52>: add x8, x8, #0xde0 ; gCRAnnotations + 8 0x1a2a50f38 <+56>: stp x20, x19, [x8] -> 0x1a2a50f3c <+60>: brk #0x1 在这里出现错误the process stoped at a breakpoint什么原因？
最新发布
11-12
从你提供的汇编代码和错误信息来看，程序在 `0x1a2a50f3c` 处触发了一个 **`brk #0x1`** 指令，导致进程停止并报错 **"the process stopped at a breakpoint"**。以下是可能的原因和解决方法： ...
Real-World Blur Dataset for Learning and Benchmarking Deblurring Algorithms 论文阅读
qq_45987837的博客
07-21 939
遵循此类方法，我们在一个额外的对齐步骤中，将图像对齐，使得清晰图像中物体的中心与其在模糊图像中对应物体的中心相匹配。我们的系统设计采用配备全画幅传感器和广角镜头的高端无反相机，基于以下原因：首先，我们希望将传统相机的机内处理反映到我们的数据集中，因为经过相机 ISP 处理的模糊 JPEG 图像比原始图像更常见。然后，我们使用我们的测试集对最先进的去模糊方法进行基准测试，包括传统的基于优化的方法 [46, 33, 18] 和最近的基于深度学习的方法 [31, 49, 48, 21, 22, 42]。
【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 .
数据集dataset_100419
04-24
dataset_100419dataset_100419dataset_100419
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
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
深度学习医学图像模型复现
weixin_37707670的博客
06-28 520
经典方法复现
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 1468
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...
【眼底图像数据集】视杯 & 视盘分割
学习 & 分享 ~
03-04 8068
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
【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 5841
【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
视盘检测 Accurate and Efficient Optic Disc Detection and Segmentation by a Circular Transformation
可视化和机器学习
09-05 1613
Accurate and Efficient Optic Disc Detection and Segmentation by a Circular Transformation 原文意思： 利用边缘的经验值获取Optic Disc Probability Map（OP），OP的前20%作为搜索区域。 缩小了搜索区域之后利用对亮度以及视盘大小的经验值进行圆变换，这里我去除了第二
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