基于深度学习的OCT图像视网膜积液自动分割

糖尿病性黄斑水肿(DME)是视网膜破损导致液体积聚的一种眼底疾病,是老年人视力丧失的主要原因之一。利用眼底光学相干断层扫描(OCT)图像检测黄斑区积液在选择DME治疗方案和评估治疗效果方面发挥着重要的作用。为此,提出了一种改进的U-net网络Res-SE Unet实现在OCT图像上自动分割视网膜内积液(IRF)和视网膜下积液(SRF)。该网络使用Res-SE Block替代标准卷积层,增强网络对有效特征的提取。利用Kermany数据集训练和评估Res-SE Unet模型,通过Dice系数和IoU评价模型分割效果。IRF的平均Dice系数和平均IoU分别为0.84和0.72,SRF的平均Dice系数和平均IoU分别为0.86和0.74,结果表明Res-SE Unet网络可以有效分割IRF和SRF。     

基于改进U-Net的视盘视杯分割方法的研究

基于数字眼底图像进行视盘视杯分割是青光眼常用的诊断方法。为了更加精确地分割视盘视杯,提出了一种基于改进U-Net的视盘视杯分割方法。在传统U-Net的基础上,使用残差块改进了下采样部分,并使用卷积操作改进U-net中的跳层连接部分,使网络更加充分地获取特征信息。使用多种性能指标对训练的模型进行评价,结果表明,视盘模型和...