基于LDU的视网膜OCT图像分层分割研究

TAN Tai-ming,CHEN Lin-jiang,LAN Gong-pu,XU Jing-jiang,AN Lin,HUANG Yan-ping

wf（2022）

引用 0|浏览4

暂无评分

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.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要