针对眼底图像中存在大量不规则、噪声干扰严重、边界模糊、分割难度较大的细小血管的问题,提出一种基于多方向特征和连通性检测的眼底图像分割方法MDF_Net&CD(Multi-Directional Features neural Network and Connectivity Detecti...针对眼底图像中存在大量不规则、噪声干扰严重、边界模糊、分割难度较大的细小血管的问题,提出一种基于多方向特征和连通性检测的眼底图像分割方法MDF_Net&CD(Multi-Directional Features neural Network and Connectivity Detection)。设计了一个以像素点不同方向特征向量为输入的深度神经网络模型MDF_Net(Multi-Directional Features neural Network),利用MDF_Net对眼底图像进行初步分割;提出连通性检测算法,根据血管的几何特征,对MDF_Net的初步分割结果进一步修订。在公开的眼底图像数据集上,将MDF_Net&CD与近期有代表性的分割方法进行实验对比,结果表明MDF_Net&CD各项评估指标均衡,敏感度,F1值和准确率优于其他方法。该方法能有效捕捉像素点的细节特征,对不规则、噪声干扰严重、边界模糊的细小血管有较好分割效果。展开更多
针对眼底稀有病症图像标注样本少,难以满足深度网络训练需求,提出了融合先验分布的多表征(MFPD:Multi-representation Fused with Prior Distributions)眼底稀有病症识别模型。在预训练模型的基础上进行微调得到嵌入模型,获取特征嵌入...针对眼底稀有病症图像标注样本少,难以满足深度网络训练需求,提出了融合先验分布的多表征(MFPD:Multi-representation Fused with Prior Distributions)眼底稀有病症识别模型。在预训练模型的基础上进行微调得到嵌入模型,获取特征嵌入先验分布。将嵌入特征映射到不同空间,以不同视角提取图像特征,并在交叉熵损失的基础上,加入散度损失,增加不同视角特征的差异性,高效利用稀有病症图像信息,以减小样本量较少对模型的影响。采用OPHDIAT(Ophtalmologie-Diabète-Télémédecine)眼底图像数据集,将该方法与其他方法进行对比,实验结果证明了该方法的有效性。展开更多
文摘针对眼底图像中存在大量不规则、噪声干扰严重、边界模糊、分割难度较大的细小血管的问题,提出一种基于多方向特征和连通性检测的眼底图像分割方法MDF_Net&CD(Multi-Directional Features neural Network and Connectivity Detection)。设计了一个以像素点不同方向特征向量为输入的深度神经网络模型MDF_Net(Multi-Directional Features neural Network),利用MDF_Net对眼底图像进行初步分割;提出连通性检测算法,根据血管的几何特征,对MDF_Net的初步分割结果进一步修订。在公开的眼底图像数据集上,将MDF_Net&CD与近期有代表性的分割方法进行实验对比,结果表明MDF_Net&CD各项评估指标均衡,敏感度,F1值和准确率优于其他方法。该方法能有效捕捉像素点的细节特征,对不规则、噪声干扰严重、边界模糊的细小血管有较好分割效果。
文摘针对眼底稀有病症图像标注样本少,难以满足深度网络训练需求,提出了融合先验分布的多表征(MFPD:Multi-representation Fused with Prior Distributions)眼底稀有病症识别模型。在预训练模型的基础上进行微调得到嵌入模型,获取特征嵌入先验分布。将嵌入特征映射到不同空间,以不同视角提取图像特征,并在交叉熵损失的基础上,加入散度损失,增加不同视角特征的差异性,高效利用稀有病症图像信息,以减小样本量较少对模型的影响。采用OPHDIAT(Ophtalmologie-Diabète-Télémédecine)眼底图像数据集,将该方法与其他方法进行对比,实验结果证明了该方法的有效性。
