换一批摘要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.
更多相关知识
分类号
TP391
栏目名称
DOI
10.13274/j.cnki.hdzj.2022.10.006
发布时间
2022-11-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61871130）
粤港澳智能微纳光电技术联合实验室（2020B1212030010）
广东省珠江人才计划（2019ZT08Y105）
佛山科学技术学院高层次人才科研启动项目（Gg07089）
- 浏览3
- 被引1
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
