• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Biomedical Optics Express >RAC-CNN: multimodal deep learning based automatic detection and classification of rod and cone photoreceptors in adaptive optics scanning light ophthalmoscope images
【2h】

RAC-CNN: multimodal deep learning based automatic detection and classification of rod and cone photoreceptors in adaptive optics scanning light ophthalmoscope images

机译：RAC-CNN：基于多模式深度学习的自适应光学扫描光学检眼镜图像中杆和锥感光体的自动检测和分类

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Quantification of the human rod and cone photoreceptor mosaic in adaptive optics scanning light ophthalmoscope (AOSLO) images is useful for the study of various retinal pathologies. Subjective and time-consuming manual grading has remained the gold standard for evaluating these images, with no well validated automatic methods for detecting individual rods having been developed. We present a novel deep learning based automatic method, called the rod and cone CNN (RAC-CNN), for detecting and classifying rods and cones in multimodal AOSLO images. We test our method on images from healthy subjects as well as subjects with achromatopsia over a range of retinal eccentricities. We show that our method is on par with human grading for detecting rods and cones.
机译：在自适应光学扫描光检眼镜（AOSLO）图像中对人体视杆和视锥感光体镶嵌的量化对于研究各种视网膜病变非常有用。主观且费时的手动分级仍然是评估这些图像的金标准，还没有开发出经过验证的自动检测单个棒的方法。我们提出了一种新颖的基于深度学习的自动方法，称为杆和锥CNN（RAC-CNN），用于检测和分类多模式AOSLO图像中的杆和锥。我们在来自健康受试者以及整个视网膜偏心率范围内色盲的受试者的图像上测试了我们的方法。我们表明，我们的方法与检测棒和锥的人类分级是同等的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号