期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于数字衍射的单幅眼底图像增强
被引量：
3
1
作者
张书赫
曹良才
《光学精密工程》
EI
CAS
CSCD
北大核心
2024年第15期2429-2438,共10页
彩色眼底图像是分析与监控眼底疾病的重要工具。由于照明不均匀的问题,眼底图像视觉质量不足,图像对比度有待提高。为此,基于数字衍射提出了一种兼顾颜色保真与亮度增强的单幅眼底图像光强校正算法。将彩色RGB眼底图像转换到LCH色彩空...
彩色眼底图像是分析与监控眼底疾病的重要工具。由于照明不均匀的问题,眼底图像视觉质量不足,图像对比度有待提高。为此,基于数字衍射提出了一种兼顾颜色保真与亮度增强的单幅眼底图像光强校正算法。将彩色RGB眼底图像转换到LCH色彩空间进行基于L通道的光强校正,以解决眼底图像亮度的平衡问题。对C通道进行相同操作使得处理后的彩色眼底图像颜色保真性较好。在Messidor眼底图像数据集的1200组眼底图像上进行分析,并与Gamma校正、Retinex等眼底图像光强校正方法进行对比。本算法不仅具有更好的图像增强效果,改善了彩色眼底图像的颜色失真及对比度低的问题,还可进一步结合自适应直方图均衡化(CLAHE)以提升图像对比度。实验结果表明,在图像多尺度对比度和图像噪声评价指标方面优于传统算法3%~4%。经算法增强后眼底图像亮度分布更加均匀、对比度提升,为后期眼底图像病理位点的识别、血管与病灶分割和分类提供了一种性能更好的预处理方法。
展开更多
关键词
医学
图像
处理
眼底图像增强
对比度
增强
数字衍射
在线阅读
下载PDF
职称材料
基于FA-Net的视网膜眼底图像质量评估
被引量：
4
2
作者
万程
游齐靖
+2 位作者
孙晶
沈建新
俞秋丽
《中华实验眼科杂志》
CAS
CSCD
北大核心
2019年第8期608-612,共5页
目的提出一种基于人类视觉注意力机制的FA-Net网络结构以使卷积神经网络(CNN)更适用于眼病筛查系统中的图像质量评估。方法FA-Net主网络由VGG-19网络组成,本研究在该基础上将人类视觉注意力机制加入到CNN中,并在训练时使用迁移学习的方...
目的提出一种基于人类视觉注意力机制的FA-Net网络结构以使卷积神经网络(CNN)更适用于眼病筛查系统中的图像质量评估。方法FA-Net主网络由VGG-19网络组成,本研究在该基础上将人类视觉注意力机制加入到CNN中,并在训练时使用迁移学习的方法,使用ImageNet的权重初始化网络。注意力网络采用前景提取的方法,提取血管和疑似病灶点等感兴趣区域,并赋予感兴趣区域更高的权重来加强对感兴趣区域的学习。结果在训练FA-Net时,使用了2894张眼底图像。FA-Net在包含2170张眼底图像的测试集上,分类准确率达97.65%,其敏感度和特异性分别为0.978和0.960,曲线下面积(AUC)为0.995。结论FA-Net对比于其他CNN具有更优越的分类性能,能够更准确、高效地评估视网膜眼底图像质量。该网络考虑了人类视觉系统(HVS)和人类注意力机制,通过在VGG-19网络结构中加入注意力模块,在获得更好分类性能的同时也使分类结果更具有可解释性。
展开更多
关键词
眼底
图像
质量评估
眼底图像增强
卷积神经网络
深度学习
在线阅读
下载PDF
职称材料
题名
基于数字衍射的单幅眼底图像增强
被引量：
3
1
作者
张书赫
曹良才
机构
清华大学精密仪器系
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2024年第15期2429-2438,共10页
基金
国家重点研发计划资助项目(No.2021YFB2802300)。
文摘
彩色眼底图像是分析与监控眼底疾病的重要工具。由于照明不均匀的问题,眼底图像视觉质量不足,图像对比度有待提高。为此,基于数字衍射提出了一种兼顾颜色保真与亮度增强的单幅眼底图像光强校正算法。将彩色RGB眼底图像转换到LCH色彩空间进行基于L通道的光强校正,以解决眼底图像亮度的平衡问题。对C通道进行相同操作使得处理后的彩色眼底图像颜色保真性较好。在Messidor眼底图像数据集的1200组眼底图像上进行分析,并与Gamma校正、Retinex等眼底图像光强校正方法进行对比。本算法不仅具有更好的图像增强效果,改善了彩色眼底图像的颜色失真及对比度低的问题,还可进一步结合自适应直方图均衡化(CLAHE)以提升图像对比度。实验结果表明,在图像多尺度对比度和图像噪声评价指标方面优于传统算法3%~4%。经算法增强后眼底图像亮度分布更加均匀、对比度提升,为后期眼底图像病理位点的识别、血管与病灶分割和分类提供了一种性能更好的预处理方法。
关键词
医学
图像
处理
眼底图像增强
对比度
增强
数字衍射
Keywords
medical image processing
retinal image enhancement
contrast enhancement
digital diffraction
分类号
TP394.1 [自动化与计算机技术—计算机应用技术]
TH691.9 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于FA-Net的视网膜眼底图像质量评估
被引量：
4
2
作者
万程
游齐靖
孙晶
沈建新
俞秋丽
机构
南京航空航天大学电子信息工程学院
南京医科大学附属明基医院眼科
出处
《中华实验眼科杂志》
CAS
CSCD
北大核心
2019年第8期608-612,共5页
基金
国家自然科学基金项目(GBA1604401)
江苏省自然科学基金项目(PAF16022)
江苏高校优势学科建设工程项目.
文摘
目的提出一种基于人类视觉注意力机制的FA-Net网络结构以使卷积神经网络(CNN)更适用于眼病筛查系统中的图像质量评估。方法FA-Net主网络由VGG-19网络组成,本研究在该基础上将人类视觉注意力机制加入到CNN中,并在训练时使用迁移学习的方法,使用ImageNet的权重初始化网络。注意力网络采用前景提取的方法,提取血管和疑似病灶点等感兴趣区域,并赋予感兴趣区域更高的权重来加强对感兴趣区域的学习。结果在训练FA-Net时,使用了2894张眼底图像。FA-Net在包含2170张眼底图像的测试集上,分类准确率达97.65%,其敏感度和特异性分别为0.978和0.960,曲线下面积(AUC)为0.995。结论FA-Net对比于其他CNN具有更优越的分类性能,能够更准确、高效地评估视网膜眼底图像质量。该网络考虑了人类视觉系统(HVS)和人类注意力机制,通过在VGG-19网络结构中加入注意力模块,在获得更好分类性能的同时也使分类结果更具有可解释性。
关键词
眼底
图像
质量评估
眼底图像增强
卷积神经网络
深度学习
Keywords
Retinal image quality assessment
Retinal image enhancement
Convolutional neural networks
Deep learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
R770.4 [医药卫生—眼科]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于数字衍射的单幅眼底图像增强
张书赫
曹良才
《光学精密工程》
EI
CAS
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
2
基于FA-Net的视网膜眼底图像质量评估
万程
游齐靖
孙晶
沈建新
俞秋丽
《中华实验眼科杂志》
CAS
CSCD
北大核心
2019
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
