Accurate segmentation of retinal vessels using U-Net and spatial convolution neural network
- سال انتشار: 1402
- محل انتشار: بیست و دومین کنفرانس بین المللی فناوری اطلاعات، کامپیوتر و مخابرات
- کد COI اختصاصی: ITCT22_065
- زبان مقاله: انگلیسی
- تعداد مشاهده: 192
نویسندگان
Amirkabir University of Technology
Kharazmi University Tehran Iran
Kharazmi University Tehran Iran
Iran University of Science and Technology
چکیده
Early diagnosis of diseases such as diabetes and high blood pressure, which have a direct effect on retinal blood vessels, is very important. In this research, we propose a complex convolutional network with a spatial U-Net, which is used without the need for a large number of training data in a data augmentation manner for optimal use of samples. U-Net is a spatial module that expands the attention map along the spatial dimension and multiplies it to the input feature map for adaptive feature refinement. The input of the complex convolutional network is the structured output blocks from the previous step and does not use the initial spatial U-Net convolution, which avoids additional processing and increases accuracy. To evaluate the proposed method, you use two retina data sets. Two sets of retinal vessel extraction data (DRIVE) and data (CHASE_DB۱) show that the proposed method performs well in both data sets.کلیدواژه ها
U-Net, retinal vessel, image segmentation, convolution network, denoisingمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.