基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
视网膜图像分析成为目前诊断多种疾病非侵入的主要方式,其中血管的提取是最重要的一步.监督学习的方法在血管提取上有很好的效果,为了进一步提高检测的精度,提出了低尺度血管检测(LVD)算法.该网络除了有一个提取输入原尺度下特征的子网络外,还增加了两个低尺度下的特征提取子网络,并将低尺度下的单一输出融合原尺寸下的特征,降维后得到最后的输出结果.考虑到眼底血管结构特性,在LVD中设计了具有较深层数和较少参数的非对称固定深度子网络(ADS).在公共的数据库DRIVE中进行测试,仅采用彩色眼底图像的绿色分量和B-COSFIRE滤波响应作为特征输入,其敏感性、特异性、准确率以及AUC指标分别为0.819 2、0.984 2、0.969 5、0.978 2,达到了先进水平.
推荐文章
基于PST和多尺度高斯滤波的视网膜血管的分割
视网膜血管
相位拉伸变换
多尺度
血管分割
基于改进的U-Net眼底视网膜血管分割
U型网络
视网膜
血管分割
形态学滤波
基于改进 UNet 的视网膜血管分割算法
图像分割
多分支多尺度
空间多样性
密集卷积网络
双向卷积长短时记忆网络
改进的形态学与Otsu相结合的视网膜血管分割
视网膜血管
大津法
形态学
图像分割
图像增强
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 低尺度血管检测在视网膜血管分割中的应用*
来源期刊 计算机科学与探索 学科 工学
关键词 视网膜血管分割 低尺度血管检测(LVD) B-COSFIRE 非对称固定深度子网络(ADS)
年,卷(期) 2020,(1) 所属期刊栏目 图形图像
研究方向 页码范围 171-180
页数 10页 分类号 TP391.41
字数 6054字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 肖志勇 江南大学物联网工程学院 9 24 3.0 4.0
2 刘辰 江南大学物联网工程学院 3 4 1.0 2.0
3 吴鑫鑫 江南大学物联网工程学院 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
视网膜血管分割
低尺度血管检测(LVD)
B-COSFIRE
非对称固定深度子网络(ADS)
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
论文1v1指导