Dec, 2012

一种多方位分析方法用于视网膜血管跟踪

PDF
TL;DR本文提出了一种基于生物启发的多方向分析的视网膜血管提取方法，应用可逆向分数进行多方向分析，通过 SE (2) 中的曲线优化几何学原理来跟踪血管并提取视网膜血管模型，该方法可自动执行，提供视网膜血管的详细模型，是进一步定量分析视网膜的有力基础。
发现论文，激发创造
  • 一种鲁棒的半自动眼底视网膜图像血管追踪方法

    本研究提出了一种基于实例分割神经网络的强大的半自动血管追踪算法，能够追踪视网膜图像中不同血管树，并保留血管层次结构信息，为后续与视网膜疾病相关的血管形态学分析铺平了道路。

    Feb, 2024

  • 视网膜图像中血管的自动定位

    本文研究了两种自动化的血管定位方法，用于处理健康和不健康（病理性）视网膜图像，通过降低亮斑效应和使用多尺度线运算符定位线状血管结构来忽略黑斑病变。通过与现有解决方案的定量和定性比较，结果表明这些方法与其他解决方案高度可比。

    Oct, 2023

  • VesselMorph: 基于形态感知表示的领域通用视网膜血管分割

    本研究提出了一种名为 VesselMorph 的方法，通过合成形状感知表示来推广 2D 视网膜血管分割任务，该方法引入基于 Hessian 的双极张量场来描述血管形态并综合了强度图像和张量场的特征提取，具有超过竞争方法的优秀的领域漂移通用性能力。

    Jul, 2023

  • 利用 2-D Morlet 小波和监督分类进行视网膜血管分割

    提出一种自动分割视网膜图像中的血管的方法，使用基于像素特征向量的小波变换响应和贝叶斯分类器来分类像素为血管或非血管，并在手动分割的标记像素的训练集上估计概率分布，以达到对公开数据库的非膜型图像进行评估的目的。

    Sep, 2005

  • 使用模拟光学相干断层扫描血管造影技术进行详细视网膜血管分割，无需人工注释

    采用基于空间殖民化的仿真方法和三个对比适应管道，以更快、更真实地合成 OCTA，表现出优异的性能，能更好地补足深度学习方法不足。

    Jun, 2023

  • 基于全卷积神经网络的结构化预测方法用于视网膜血管分割

    本文提出了一种基于卷积神经网络的结构化预测模型，有效地解决了（DRIVE 数据集上）自动分割视网膜血管的任务，得到 95.33% 的准确率和 0.974 的 AUC 值。

    Nov, 2016

  • 光学相干断层扫描血管造影（OCTA）血管分割的多任务学习

    本文提出了一种基于多任务学习的新型 OCTA 分割方法 (OCTA-MTL)，利用图像到 DT（距离变换）分支和自适应损失组合策略，该方法在 ROSE-2 数据集上表现出卓越的分割性能，相对于两种基线方法：单任务分割方法和使用固定损失组合的多任务分割方法。

    Nov, 2023

  • 软件多平台视网膜血管分割

    使用图像分割技术在视网膜检查图像中自动识别血管，并通过机器学习方法改进算法准确度的跨平台开源软件。

    Aug, 2023

  • FS-Net: 全尺度网络与自适应阈值用于提升微血管结构的提取

    提出了一种基于编码解码神经网络结构、sigmoid 平滑和自适应阈值方法的全尺度微血管提取机制，对视网膜血管分割问题进行了降低，取得了与之前研究相比具有竞争力的结果。这一性能的提升使得该解决方案更有可能应用于寻求眼科专家关注的真实诊断中心。

    Nov, 2023

  • 采用生成对抗网络对眼底图像中的视网膜血管进行分割

    本研究展示了一种使用生成式对抗训练的方法，用于生成精确的视网膜血管地图，它可以用于自动检测眼底图像中视网膜疾病。

    Jun, 2017