您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. STARE数据库

  2. SATR数据库图像,一共包括20幅被标记的彩色眼底图像。
  3. 所属分类:深度学习

    • 发布日期:2018-06-29
    • 文件大小:17825792
    • 提供者:tutuliangliang
  1. STARE数据库中VK专家标记图像

  2. STARE数据库中被第二专家VK标记的20幅彩色图像,可用于眼底图像研究中。
  3. 所属分类:深度学习

    • 发布日期:2018-06-29
    • 文件大小:333824
    • 提供者:tutuliangliang
  1. STARE数据库中被AH标记的图像

  2. STARE数据库中第一专家AH标记的20幅彩色眼底图像结果。
  3. 所属分类:深度学习

    • 发布日期:2018-06-29
    • 文件大小:241664
    • 提供者:tutuliangliang
  1. 眼底图像专家标记

  2. DRIONS-DB中两位专家手动标记的视盘区域坐标点信息。是txt文件。
  3. 所属分类:深度学习

    • 发布日期:2018-07-20
    • 文件大小:107520
    • 提供者:tutuliangliang
  1. 通过最佳伙伴相似性从眼底摄影中检测光盘

  2. 健壮有效的光盘(OD)检测是眼底图像自动分析研究工作中必不可少的处理步骤。 在本文中,我们提出了一种新颖而强大的方法,用于自动检测眼底照片中的OD。 它基本上是通过在标记的OD区域和目标图像的一小部分之间使用最佳伙伴相似性(BBS)度量执行模板匹配来执行的。 为了很好地表征眼底图像的局部空间信息,引入了一个梯度约束项来计算BBS测量值。 用数字视网膜图像提取血管(DRIVE)和标准糖尿病视网膜病变数据库校正级别1(DIARETDB1)数据库验证了该方法的性能,并获得了定量结果。 成功率/错误距离
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:1048576
    • 提供者:weixin_38549327
  1. 通过优势集基于聚类的血管拓扑估计的视网膜动脉和静脉分类。

  2. 将视网膜血管树分为动脉和静脉,对于理解血管变化与多种疾病之间的关系非常重要。 在本文中,我们提出了一种新颖的框架,该框架能够在视网膜彩色眼底图像中区分动脉/静脉(A / V)。 我们已经成功地采用了优势集聚类的概念,并将视网膜血管拓扑估计和A / V分类问题形式化为成对聚类问题。 优势集聚类是一种图形理论方法,已被证明可在数据聚类中很好地工作。 提议的方法已应用于三个公共数据库(INSPIRE,DRIVE和VICAVR),并分别达到了91.0%,91.2%和91.0%的高准确度。 此外,我们已经
  3. 所属分类:其它

    • 发布日期:2021-03-30
    • 文件大小:1048576
    • 提供者:weixin_38704386