典型文献
基于LDU的视网膜OCT图像分层分割研究
文献摘要：
U-Net是近期流行的视网膜OCT图像分层分割方法,但是在具有复杂纹理信息的图像区域上会出现较大分割误差.提出一种带有层密集块的U型神经网络(LDU).通过引入图像特征信息重用的层密集块,提取更有效的图像多尺度特征,从而提高视网膜OCT图像的分层分割精度.利用杜克大学公开的两层视网膜OCT数据库对LDU与传统U-Net方法进行对比分析.测试验证结果表明该方法可提升人眼特别是AMD病眼视网膜OCT图像分层分割的性能,提高视网膜各层定量化分析的准确性.
文献关键词：
视网膜光学相干层析图像;分层分割;层密集块;卷积神经网络;最短路径搜索
中图分类号：
作者姓名：
谭泰铭;陈林江;蓝公仆;许景江;安林;黄燕平
作者机构：
佛山科学技术学院机电工程与自动化学院,广东 佛山528000;南方医科大学南方医院眼科,广州510515;佛山科学技术学院物理与光电工程学院,广东 佛山528000;佛山科学技术学院粤港澳智能微纳光电技术联合实验室,广东 佛山528000;广东省"珠江人才计划"引进创新创业团队,广东唯仁医疗科技有限公司,广东 佛山528000
文献出处：
引用格式：
[1]谭泰铭;陈林江;蓝公仆;许景江;安林;黄燕平-.基于LDU的视网膜OCT图像分层分割研究)[J].信息技术,2022(10):31-40
A类：
LDU,层密集块,视网膜光学相干层析图像
B类：
OCT,图像分层,分层分割,Net,分割方法,纹理信息,上会,大分割,图像特征,特征信息,重用,多尺度特征,杜克大学,两层,测试验证,人眼,AMD,定量化分析,最短路径搜索
AB值：
0.211895
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
