视网膜专题
眼底视网膜血管增强方法（五）Hessian矩阵最大特征值
眼底视网膜血管增强方法（五）Hessian矩阵最大特征值 说明 在上一篇文章中讲到，Hessian矩阵的特征值能够很好地描述眼底图像的血管信息。眼底的血管部分是一个管状的结构，高斯二阶导的响应值比较大；眼底的背景是均匀部分，高斯二阶导的响应值比较小。因此，血管点处的Hessian矩阵特征值一大一小，血管交叉点处Hessian矩阵特征值两个都很大，背景点处Hessian矩阵的特征值两个都很小。f
眼底视网膜血管增强方法（三）形态学操作
眼底视网膜血管增强方法（三）形态学操作 在图像处理中，我们经常把数学形态学作为工具用于图像的相关属性提取，或者对图像进行预处理和后处理。形态学的基本操有腐蚀、膨胀、开操作、闭操作、顶帽等。 形态学的基本操作 由于我们是在灰度图像上进行操作的，所以只讨论灰度级形态学操作。设f(x,y)代表输入图像，b(x,y)代表结构元素，则灰度级膨胀定义为 (f⊕b)(s,t)=max{f(s−x
眼底视网膜血管增强方法（二）Gabor滤波
眼底视网膜血管增强方法（二）Gabor滤波 傅里叶变换自提出后被广泛地运用于信号、图像领域，但傅里叶变换是在整个时域进行分析，其变换到频域后丢失了原来的时域信息。对一整副图像进行傅里叶变换后，我们只能得到整副图像的频率分布情况，但很多时候我们是关心图像的局部频率分布，像边缘部分，这时傅里叶就无能无力了。为了使傅里叶具有局部特性，D.Gabor在1946年提出窗口傅里叶变换，即gabor变换。
临床应用的深度学习在视网膜疾病的诊断和转诊中的应用| 文献速递-视觉通用模型与疾病诊断
Title 题目 Clinically applicable deep learning for diagnosis and referral in retinal disease 临床应用的深度学习在视网膜疾病的诊断和转诊中的应用 01 文献速递介绍 诊断成像的数量和复杂性正在以比人类专家可用性更快的速度增加。人工智能在分类一些常见疾病的二维照片方面表现出了巨大的潜力，
糖尿病视网膜病变分级新方法：卷积网络做分割和诊断 + 大模型生成详细的测试和治疗建议
糖尿病视网膜病变分级新方法：卷积网络做分割和诊断 + 大模型生成详细的测试和治疗建议 提出背景相关工作3.1 数据集3.1.1 病变分割 3.1.2 图像分级3.1.3 大型语言模型（LLMs） 解法 = 数据预处理 + 数据增强 + 网络架构 + 训练过程 + 测试过程子解法1：数据预处理子解法2：数据增强子解法3：网络架构子解法4：训练过程子解法5：测试过程 论
你在视网膜技术上太逊了，快来补充知识吧！
日期：2013-2-7 来源：GBin1.com 自从视网膜屏幕的MacBook Pro发行到现在已经过了很久了，但很多web开发者们还在抓着胸前的键盘，忽视进步，将自己推入一种黑暗的“像素恐惧症”的深渊。 像素就是未来，它会不断出现在iPad、MacBook、iPhone或Android手机上。大量照片会向你扑过来，图标会浸透你的灵魂，字体通过屏幕像波尔卡舞的舞者一样给你滴迷 魂药。 视
易基因：NSUN2介导的m5C RNA甲基化在视网膜母细胞瘤进展中的重要作用 | 科研速递
大家好，这里是专注表观组学十余年，领跑多组学科研服务的易基因。 视网膜母细胞瘤（retinoblastoma, RB）是儿童期最常见的眼内恶性肿瘤，可导致失明甚至死亡。RB1缺失（＞90%）和MYCN扩增（～10%）被认为是致癌驱动事件，导致细胞周期更新增强和癌基因激活。最近的研究表明，表观遗传缺陷也参与RB肿瘤进展。NSUN2介导的N5-甲基胞嘧啶（m5C）修饰通过激活癌基因或抑制肿瘤抑制因子
探索视网膜：从时域到谱域光学相干断层扫描(OCT)的演进与应用
第一代时域OCT (TD-OCT，1991年问世)： 能够清晰显示视网膜总厚度的变化。能检测视网膜神经感觉层内及其下层的积液。能识别出视网膜神经纤维层和感光层。但是，对视网膜神经感觉内层的显像较为模糊。 第二代谱域OCT (SD-OCT，2006年改进)： 在图片分辨率方面有所突破。具有快速扫描速度、高组织分辨率、低信噪比(SNR)等优点。在精确测量视网膜脉络膜厚度及形态变化方面具有不可替代的优
早产儿视网膜病变分期，自动化+半监督（无需大量医生标注数据）
早产儿视网膜病变 ROP 分期 提出背景解法框架解法步骤一致性正则化算法构建思路 实验 提出背景 论文：https://www.cell.com/action/showPdf?pii=S2589-0042%2823%2902593-2 早产儿视网膜病变（ROP）目前是全球婴儿失明的主要原因之一。 这是一种影响早产儿视网膜的疾病，特别是在婴儿出生时体重非常轻或出生时
【图像检测】基于CNN深度学习实现图像视网膜病变检测附matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。 🍎个人主页：Matlab科研工作室 🍊个人信条：格物致知。 ⛄ 内容介绍 为解决医学上糖尿病性视网膜病变图像人工识别困难,精度差等问题,提出一种基于多特征融合的卷积神经网络识别方法.在V GG-16模型的基础上,通过融合每层网络上的局部特征,增强模型的特征提取能力.选用Softmax分
【糖尿病视网膜病变分级-显著优于最先进的方法】DiffMIC：局部和全局分析 + 扩散模型医学图像分类
DiffMIC：基于扩散模型的医学图像分类方法 DiffMIC的核心思想糖尿病视网膜病变分级 网络结构去噪扩散模型：提升特征清晰度双粒度条件引导（DCG）：融合局部和全局分析条件特定的最大均值差异（MMD）正则化：增强局部及全局特征学习和一致性 训练推理总损失函数训练细节推理阶段 DiffMIC的核心思想 论文链接：https://arxiv.org/pdf/230
【解决视网膜长尾数据】关系子集学习、射击法、加权知识蒸馏
长尾分布下的视网膜：关系子集学习、射击法、加权知识蒸馏 核心思想问题：类别分布的不平衡问题问题：共现标签问题：特定区域和特征的类别关联解法：划分子集解决样本不平衡问题解法：射击法解决共现标签问题解法：划分子集解决，特定解剖区域、特征的类别效果 总结 论文：https://arxiv.org/pdf/2104.11057.pdf 核心思想 论文讨论 3 个关于医
【早期疾病诊断 + 个性化医疗】通过 fundus 图，预测视网膜年龄
通过 fundus 图，预测视网膜年龄 问题：预测年龄，解法：基于时间序列图像的渐进式标签分布学习 PLDL子问题、算法拆解实验细节效果 问题：预测年龄，解法：基于时间序列图像的渐进式标签分布学习 PLDL 论文：https://link.springer.com/chapter/10.1007/978-3-031-43990-2_59 虽然理论上视网膜年龄和
【视网膜数据】类别分布的不平衡、多标签、特定区域和特征的类别关联
长尾分布下的视网膜 核心思想类别分布的不平衡问题多标签混合问题特定区域和特征的类别关联问题划分子集解决样本不平衡问题射击法解决多标签混合问题划分子集解决，特定解剖区域、特征的类别效果 总结 论文：https://arxiv.org/pdf/2104.11057.pdf 核心思想 论文讨论 3 个关于医学影像分析的挑战，以及相应的解决方案。 类别分布的不平衡问
基于DRIVE数据集的视网膜UNet分割
1 数据集介绍 这是一个非常小的数据集，非常适合用于视觉分割任务练手。数据集的文件夹如图所示： 图1-1文件夹结构 test中存放的是测试图片，training中存放的是20张用于训练的图片。imges文件夹中存放的是20张原始图片，mask中存放的是掩码，用于获取感兴趣的区域。manual中存放的是人工标注的groundtruth。 图1-2 原始图片 图1-3 groun
多尺度视网膜增强算法（MSRCR）
MSRCR(multi-scale retinex with color restoration) 头文件 /** Copyright (c) 2006, Douglas Gray (dgray@soe.ucsc.edu, dr.de3ug@gmail.com)* All rights reserved.** Redistribution and use in source and bi
基于UNet对DRIVE视网膜进行图像分割
前言 大家好，我是阿光。 本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。 正在更新中~ ✨ 🚨 我的项目环境： 平台：Windows10语言环境：python3.7编译器：PyCharmPyTorch版本：1.8.1 💥 项目专栏：【PyTorch深度学习项目实战100例】
毕业设计-基于机器视觉的眼底视网膜血管语义分割-U-net
目录 前言 课题背景和意义 实现技术思路 一、图像预处理(Image preprocessing) 二、U-net网络模型(U-net network model) 三、实验结果与分析(Experimental results and analysis) 四、总结(Conclusion) 实现效果图样例 最后 前言 📅大四是整个大学期间最忙碌的时光,一边
一种改进的平衡生成对抗网络用于视网膜血管分割
A Refined Equilibrium Generative Adversarial Network for Retinal Vessel Segmentation 一种改进的平衡生成对抗网络用于视网膜血管分割背景贡献实验方法Symmetric equilibrium architecture（对称均衡架构）Multi-scale features refine block（多尺度特征细
Opencv-python（cv2）图像读取、显示与保存(眼底视网膜血管）
Opencv-python（cv2）图像读取、显示与保存 这位博主已经说得很详细了，把经常容易忽略错误已经说得很详细了。下面就说一下我打开图像时候出现得一些错误。先看代码： import cv2image = cv2.imread(r'DRIVE/training/images/21_training.tif')#读取图片blue,green,red = cv2.split(image)#
视网膜发生病变竟与糖尿病有关，爱饮用这个东西~
可乐是一种在全世界范围内较为流行的饮料，因其味道较甜并含有咖啡因，饮用之后可以提神醒脑，特别受到很多年轻人的喜爱。在炎炎夏日如果能和冰镇可乐相伴，这透心凉的感觉根本无法抗拒…… 然而，可乐虽然好喝但是不能长期饮用，因为可乐中含有大量的糖分，这些糖分较容易被人体吸收。如果身体摄入过多的糖分容易引起一些疾病。 28岁的小张是一名程序员，由于工作的原因作息时间不是很规律，还染上暴饮暴
打人不打脸？网脱患者的视网膜很多都是被“打”脱的...
关于打架，江湖上有个不成文的规定：打人不提倡，打脸伤自尊。 开什么玩笑？就这暴脾气能和你心平气和地讲道理？不仅要打人，还专门往你脸上招呼！ 这里希小玛就要劝在座的好汉一句了：打人不提倡，打脸不仅伤自尊。稍不注意视网膜被打脱落都是很常见的，比如拳击手这个职业视网膜脱落对他们来说简直是家常便饭。 我们的眼睛太脆弱了，别说重拳了一支铅笔都可以造成视
视网膜分辨率_如何以原始分辨率运行视网膜显示器
视网膜分辨率 MacBook displays normally run at a scaled resolution, which uses the additional pixels of higher resolution monitors to improve the clarity of text on screen while keeping everything at
双输入注意的RefineNet在糖尿病视网膜病变多病变分割中的应用
Multiple lesion segmentation（多病变分割） in diabetic retinopathy（糖尿病性视网膜病变） with dual-input（双输入） attentive（注意力） RefineNet 目录 一、摘要 二、引言 2.1 DARNet的内部结构和整体流程 2.2 主要贡献 三、方法实现 3.1 全局图像编码器和patch图像编码器 3.
毕设分享 糖尿病视网膜病变数据据分析
0 简介 今天学长向大家介绍一个机器视觉的毕设项目，基于深度学习的人脸识别系统 项目运行效果： 毕业设计 糖尿病视网膜预测 项目获取： https://gitee.com/sinonfin/algorithm-sharing 1 任务目标 这次任务的数据集是1000的糖网的4个等级的眼底图像，我们需要利用深度学习框架pytorch 来根据眼底图像预测其分类。 2
糖尿病视网膜病变数据据分析 毕业设计
0 简介 今天学长向大家介绍一个机器视觉的毕设项目，基于深度学习的人脸识别系统 项目运行效果： 毕业设计 糖尿病视网膜预测 项目获取： https://gitee.com/sinonfin/algorithm-sharing 1 任务目标 这次任务的数据集是1000的糖网的4个等级的眼底图像，我们需要利用深度学习框架pytorch 来根据眼底图像预测其分类。