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
1
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
基于多尺度卷积神经网络的糖尿病视网膜病变病灶检测算法及应用
被引量：
5
1
作者
杨叶辉
刘佳
+2 位作者
许言午
黄艳
王磊
《中华实验眼科杂志》
CAS
CSCD
北大核心
2019年第8期624-629,共6页
目的提出一种基于多尺度卷积神经网络(CNN)的眼底图像病灶检测算法,并探讨其在糖尿病视网膜病变(DR)中的应用。方法对比现有眼底病灶检测方法,提出一种基于CNN的眼底图像病灶检测算法。本算法不仅克服了基于阈值分割和形态学分割方法鲁...
目的提出一种基于多尺度卷积神经网络(CNN)的眼底图像病灶检测算法,并探讨其在糖尿病视网膜病变(DR)中的应用。方法对比现有眼底病灶检测方法,提出一种基于CNN的眼底图像病灶检测算法。本算法不仅克服了基于阈值分割和形态学分割方法鲁棒性差的问题,同时在不依赖人工逐像素标注的前提下,采用多尺度图像块的检测思路,显著提升检测器对小病灶目标检测的性能。此外,提出的新型损失函数在弱标签、小数据集的条件下,实现多类型、高准确率的DR病灶检测。结果从病灶水平来看,该算法对硬性渗出病灶检测的敏感性和特异性分别为92.17%和97.17%;相较于单尺度方法,本研究中提出的多尺度方法的敏感性和准确率分别提升了7.41%和5.02%;在公开数据集IDRiD上较其他检测方法特异性提高了55.82%。本方法能够将眼底图像中的病变有效地检测出来,且能够给出病灶的基本范围,对于有大量病灶眼底图像的平均检测时间为1.59s。结论基于多尺度CNN的眼底图像病灶检测算法能够快速、可靠地识别出眼底图像中的DR病灶并标注出病灶的位置信息,降低主观因素的影响,辅助临床医生更加高效、准确地进行DR病变筛查。
展开更多
关键词
人工智能
糖尿病视网膜病变/诊断
彩色眼底照相
多尺度卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于多尺度卷积神经网络的糖尿病视网膜病变病灶检测算法及应用
被引量：
5
1
作者
杨叶辉
刘佳
许言午
黄艳
王磊
机构
百度ai创新业务部
清华大学医学院生物医学工程系
百度
上海研发中心
出处
《中华实验眼科杂志》
CAS
CSCD
北大核心
2019年第8期624-629,共6页
文摘
目的提出一种基于多尺度卷积神经网络(CNN)的眼底图像病灶检测算法,并探讨其在糖尿病视网膜病变(DR)中的应用。方法对比现有眼底病灶检测方法,提出一种基于CNN的眼底图像病灶检测算法。本算法不仅克服了基于阈值分割和形态学分割方法鲁棒性差的问题,同时在不依赖人工逐像素标注的前提下,采用多尺度图像块的检测思路,显著提升检测器对小病灶目标检测的性能。此外,提出的新型损失函数在弱标签、小数据集的条件下,实现多类型、高准确率的DR病灶检测。结果从病灶水平来看,该算法对硬性渗出病灶检测的敏感性和特异性分别为92.17%和97.17%;相较于单尺度方法,本研究中提出的多尺度方法的敏感性和准确率分别提升了7.41%和5.02%;在公开数据集IDRiD上较其他检测方法特异性提高了55.82%。本方法能够将眼底图像中的病变有效地检测出来,且能够给出病灶的基本范围,对于有大量病灶眼底图像的平均检测时间为1.59s。结论基于多尺度CNN的眼底图像病灶检测算法能够快速、可靠地识别出眼底图像中的DR病灶并标注出病灶的位置信息,降低主观因素的影响,辅助临床医生更加高效、准确地进行DR病变筛查。
关键词
人工智能
糖尿病视网膜病变/诊断
彩色眼底照相
多尺度卷积神经网络
Keywords
Artificial intelligence
Diabetic retinopathy/diagnosis
Fundus color photograph
Multi-scale convolutional neural network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391.41 [自动化与计算机技术—计算机应用技术]
R587.2 [医药卫生—内分泌]
R774.1 [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
基于多尺度卷积神经网络的糖尿病视网膜病变病灶检测算法及应用
杨叶辉
刘佳
许言午
黄艳
王磊
《中华实验眼科杂志》
CAS
CSCD
北大核心
2019
5
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
