Nov, 2023

面向 SLO 图像的公开船舶分割算法

PDF
TL;DR基于 IRSLO 图像，我们研发了一种专门用于血管分割的算法，并将其作为开源项目发布。该算法采用了 U-Net 深度学习网络，在测试集上达到了较高的准确率，并可用于计算血管指标，如分形维度和血管密度。
发现论文，激发创造
  • SLOctolyzer：扫描激光眼底图像分割和特征提取的全自动分析工具包

    SLOctolyzer 是第一个开源工具，用于将原始 SLO 图像转换为可复制和临床意义的视网膜血管参数，并从大型 OCT 图像集中提取视网膜血管测量结果，并将其与眼部或系统性疾病联系起来。

    Jun, 2024

  • 基于图像级回归的不确定性感知视网膜图像分割

    将视网膜图像分割任务视为图像级回归，通过引入 SAUNA 变换和广义的 Jaccard 度量损失训练 U-Net 模型，在 5 个视网膜图像数据集上优于最近发表的方法。

    May, 2024

  • LUNet：深度学习用于高分辨率眼底图像的细动脉和细静脉分割

    利用眼底数字成像技术，通过主动学习构建了一个新的数据集，其中包含由医学生及眼科医师审查的 240 个手动分割的视网膜小动脉和小静脉，开发了一种名为 LUNet 的新型深度学习架构，用于高分辨率的动静脉分割，并证明 LUNet 在多个测试集上显著优于其他分割算法。

    Sep, 2023

  • 利用无需源数据主动域自适应和一种新的多中心数据集提升 UWF-SLO 血管分割

    利用基于补丁的主动领域适应方法改进了超广角扫描激光眼底镜成像中船体分割的准确性，在多个医疗中心的数据上验证了方法的有效性和鲁棒性，并构建了用于交叉中心评估的首个多中心超广角扫描激光眼底镜血管分割数据集。

    Jun, 2024

  • 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

  • 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

  • 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

  • UOLO - 生物医学图像中的自动目标检测与分割

    提出 UOLO 框架，用于医学图像中感兴趣结构的同时检测和分割。UOLO 由对象分割模块组成，其中间抽象表示被处理并用作对象检测的输入。该系统同步优化以检测对象类和分割可选结构类。通过新的损失函数进行训练，考虑到每个训练图像是否可以获取参考分割。在公共数据集上，验证 UOLO 在视网膜图像中同时进行视盘（OD）检测、黄斑检测和 OD 分割，实现了最先进的性能。

    Oct, 2018

  • 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

  • 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