本文介绍了使用深度学习，特别是卷积神经网络（CNN），进行视网膜血管检测的研究。通过端到端的训练，无需预处理，直接预测像素是否存在血管。文中提及的Ensemble方法结合12个网络的预测结果，实现了高精度的检测。在DRIVE数据集上，不使用Ensemble的单个网络模型也能达到95.9%的准确率。训练和测试过程中，利用Caffe框架进行模型构建和优化，最终能够快速生成逐像素预测值。
最近读了几篇关于DRIVE数据集的文章，来完成斯坦福公开课cs231n最后的Final Project，还有zju两门课的作业，哈哈哈，一举三得(^__^) ～～
大概目标就是分割血管，如下图：
虽然是个很老的数据库，不过近几年在深度学习的热度下，又有很多人拿来做，尤其是这几个印度学(a)者(san)，Ensemble of Deep Convolutional Neural Networks for Learning to Detect Retinal Vessels in Fundus Images最近两三年使用机器学习、统计方法、深度学习发了好多文章，这里就是复现了他们最新的
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
