OCT病灶分割论文泛读
1.Automated Classification between Age-related Macular Degeneration and Diabetic Macular Edema in OCT Image Using Image Segmentation
作者:Jathurong Sugruk, Supaporn Kiattisin and Adisorn Lee1asantitham
来源:The 2014 Biomedical Engineering International Conference
摘要:提出了一种基于图像分割和二分类的方法对AMD和DME的OCT图像进行分类。分类的过程中涉及到病灶的定位和病灶特征的提取。实验过程中,10张AMD和6张DME的图像,分类准确率为87.5%。
病灶位置确定
2.Automated drusen segmentation and quantification in SD-OCT images
作者:Qiang Chen,Department of Radiology, Stanford University
来源:Medical Image Analysis 2013
摘要:提出了一种自动分割玻璃膜疣的方法,同时结合正常视网膜的形态和结构特征作为分割的先验信息。同时为了更准确地分割玻璃膜疣的边界,采用了将三维OCT图像投影得到眼底图像的方法。
本文提出方法流程图:
数据:143只眼睛的体数据,其中99只为干性AMD患者。采集设备为CirrusHD-OCT 4000 device (Carl Zeiss Meditec, Inc., Dublin, CA),每个体数据包含128张512*1024的图像。
分割结果:
3.Automated drusen segmentation in fundus images for diagnosing age related macular degeneration
作者:M. Usman Akram, Sundus Mujtaba*, Anam Tariq
来源:2013 IEEE
摘要:本文提出了一种自动分割彩色眼地图中AMD病灶区域的方法。该方法首先定位可能的AMD区域,之后在这些区域中提出特征,使用SVM判断其是否属于AMD。
滤波器组为Gabor Filter Banks。
数据:STARE数据库,400张700*605的图像,其中有58张AMD患者的图像。
分割结果:
4.Automated intraretinal segmentation of SDOCT images in normal and age-related macular degeneration eyes
作者:LUIS DE SISTERNES
来源:2017 BOE
摘要:本文提出了一种自动分割AMD患者视网膜OCT黄斑图像的方法。该方法采用基于加权中值滤波的迭代边界分割算法获得视网膜的10条边界线。实验结果表明,针对健康图像和AMD患者图像的分割准确率分别为98.15%和97.78%。
数据:114个健康人眼和255个AMD患者人眼数据。
分割结果:
MUE:mean unsigned positioning error
5.Transfer learning based classification of optical coherence tomography images with diabetic macular edema and dry age-related macular degeneration
作者:S. P. K. KARRI
来源:2017 BOE
摘要:本文通过Fine-turning在ImagNet上预训练的GoogleNet来识别视网膜中的病变部位。该算法的目标在于表明在非医学图像上训练的CNN能够经过Fine-turns用于医学图像的处理。本文中处理对象为AMD和DME患者的OCT图像。
数据:15个AMD、15个DME和15个正常人的体数据,来自杜克大学的实验室。每个类型中选出8个体数据作为训练集。
实验结果:
未来的工作会将这些不同的响应合并成一个响应图像,以便更好地表示病灶区域
6.Machine learning based detection of agerelated macular degeneration (AMD) and diabetic macular edema (DME) from optical coherence tomography (OCT) images
作者:YU WANG Chinese Academy of Sciences(中国科学院)
来源:2016 BOE
摘要:本文提出了一种基于机器学习的方法对AMD、DME和正常人的OCT图像进行分类。分类中所使用的特征基于LCP和空间金字塔,同时使用Correlation-based Feature Subset(CFS)对特征进行选择,最后使用sequential minimal optimization(SMO,序列最小优化算法)进行分类,获得了99.3%的准确率。
算法流程图如下:
数据:来自杜克大学的VIP实验室。数据包含15个AMD、15个DME和15个正常人的体数据。
实验分析:
7.Automated Staging of Age-Related Macular Degeneration Using Optical Coherence Tomography
作者:Freerk G. Venhuizen
来源:2017 IOVS
摘要:本文实现了一种基于机器学习的AMD患病程度的自动分级系统。该系统可以在不对层次进行分割的情况下将AMD患者的OCT图像分为5个不同的阶段:无AMD、早期AMD、中期AMD、晚期AMD+青光眼、晚期AMD+CNV。
不同阶段AMD患者图像示例:
方法流程图:
数据:
来自1016个患者的3265个体数据,数据来源于European Genetic Database
实验结果:
8.Fully automated detection of diabetic macular edema and dry age-related macular degeneration from optical coherence tomography images
作者:Pratul P. Srinivasan Duke University
来源:2014BOE
摘要:本文提出了一种基于HOG算子和SVM的OCT图像分类方法,将患者图像分为AMD、DME和正常三个类别,三个类别的分类准确率为100%、100%、86.67%。
流程图:
数据:来自杜克大学的正常、AMD和DME患者体数据各15个。
实验结果:
OCT病灶分割论文泛读相关推荐
- 【论文泛读】 Deep Learning 论文合集
[论文泛读] Deep Learning 论文合集 文章目录 [论文泛读] Deep Learning 论文合集 Batch Normalization: Accelerating Deep Netw ...
- 【论文泛读】 ResNet:深度残差网络
[论文泛读] ResNet:深度残差网络 文章目录 [论文泛读] ResNet:深度残差网络 摘要 Abstract 介绍 Introduction 残差结构的提出 残差结构的一些问题 深度残差网络 ...
- 【论文泛读】 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
[论文泛读] Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift ...
- ICRA2017三篇论文泛读
1.Convergence and Consistency Analysis for a 3-D Invariant-EKF SLAM(泛读)(ICRA2017)引用 9 摘要翻译: 在这篇文章中,我 ...
- 方面级情感分析论文泛读02:Syntax-Aware Aspect-Level Sentiment Classification with Proximity-Weighted Convolution
提示1:原文链接 提示1:代码链接 文章目录 前言 一.论文信息 二.笔记要点 2.1. 目前存在的问题 2.2. 目前解决方法: 2.3.本文方法和创新点 2.4. 实验效果 2.5. 模型结构 2 ...
- 【论文泛读】Easing Embedding Learning by Comprehensive Transcription of Heterogeneous Information Networks
Easing Embedding Learning by Comprehensive Transcription of Heterogeneous Information Networks [2018 ...
- 云计算中微服务相关论文泛读
以下是最近对于云计算中微服务系统调度论文的泛读,欢迎一起探讨问题,如需要论文请私聊. Amoeba: QoS-Awareness and Reduced Resource Usage of Micro ...
- Hyperspectral Unmixing论文泛读(一)
文章目录 李沐:如何读论文? JMnet: Joint Metric Neural Network for Hyperspectral Unmixing UnDIP: Hyperspectral Un ...
- IIAI CVPR 2019 跟踪、检测、分割论文荐读
点击我爱计算机视觉标星,更快获取CVML新技术 本文转载自起源人工智能研究院. 撰稿:Fahad Khan,孙国磊,廖胜才,卢宪凯 导语 CVPR (Conference on Computer Vi ...
最新文章
- mininet报错解决:Exception: Could not find a default OpenFlow controller和Cannot find required executable
- 如何选择就业方向(80后的个人经验,转载)
- python 列表去重(数组)的几种方法_python 列表去重(数组)的几种方法
- wifi网络结构(下)
- python安装psutil库及使用
- 使用 cf push 部署应用到 SAP BTP 后启动失败 start unsuccessful 该如何处理
- java全jit编译_JVM即时编译(JIT)(转载)
- ubuntu php 树莓派,树莓派3 安装ROS环境(ubuntu mate 16.04+kinetic)
- 当今将Windows应用程序迁移到Windows on Arm的实践
- starting Tomcat v8.5 at localhost has encountered a problem
- 【机器学习系列】隐马尔科夫模型第三讲:EM算法求解HMM参数
- 事务方法调用事务方法_实现系统调用的几种方法
- TASKCTL作业类型的插件与维护管理
- 史上最全介绍--新能源汽车整车控制器VCU开发流程功能概述
- Flink 命令行提交参数
- 使用snmpwalk采集设备的OID信息
- 实现微博自动化脚本-方案对比分析
- 有一座山就像一个笔架子
- 长沙理工大学本科毕业论文答辩和论文选题PPT模板
- iOS编程------SQLite / 数据库
热门文章
- mysql semi-sync(半同步复制)
- itest work(爱测试) 开源接口测试敏捷测试管理平台 9.5.0 发布,接口测试及脑图用例重大升级
- css实现loading图标(2)
- Microsoft Edge闪退问题解决方案:
- matlab绘制站点分布图
- 使用Matlab把图片集合生成视频流文件
- Python人脸识别图片视频
- 计算机系统崩溃了怎么办,电脑系统崩溃开不了机怎么办
- h5调用指纹识别_基于HTML Canvas实现“指纹识别”技术,canvas指纹
- 【Java】通讯录管理系统小项目