基于LPQ特征的视网膜OCT图像分类算法

为缓解我国眼科疾病患者多、医生少、医疗压力巨大的国情,提出一种基于局部相位量化(local phase quantization, LPQ)特征的视网膜OCT图像分类算法。首先对图像进行预处理,主要包括对感兴趣区域探测阶段、拟合阶段和切割阶段;其次提取切割后图像的LPQ特征;然后利用PCA方法对其降维;最后,利用SVM进行分类。在Duke视网膜数据集上对算法进行了验证,并和现有文献中提到的LBP特征、Gabor特征及SIFT特征进行了对比研究。实验结果表明,利用LPQ特征可以得到相对更好的分类结果。

基于改进的AG-CNN的视网膜OCT图像的黄斑病变识别方法

本文针对目前应用全局图像训练卷积神经网络可能会受到若干无关噪声区域的影响,易导致视网膜OCT图像黄斑病变识别或诊断错误等问题,提出了一种改进的注意力引导四分支卷积神经网络的视网膜OCT图像黄斑病变识别方法。采用改进注意力引导卷积神经网络框架,通过集成全局分支、局部分支和层分割分支构成融合分支,利用注意力热图对重要区域进行掩膜和训练,减少视网膜OCT图像噪声的干扰和黄斑病变识别错误率,通过与VGG16和IDL2种方法在公开数据集上进行了实验验证比较。结果表明,文中方法在视网膜OCT图像数据集上对于识别准确度和识别性能的提升具有显著性的作用。