Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

The Retina01:32

The Retina

56.7K
The retina is a layer of nervous tissue at the back of the eye that transduces light into neural signals. This process, called phototransduction, is carried out by rod and cone photoreceptor cells in the back of the retina.
56.7K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

[Finite element analysis of traditional treatment methods for osteoporotic vertebral compression fractures].

Zhongguo gu shang = China journal of orthopaedics and traumatology·2026
Same author

Developing SHAP interpretable machine learning models for assessing biopsychosocial risk in female drug users: a small sample study.

Frontiers in psychiatry·2026
Same author

Smartphone gaze-tracking for accessible psychiatric assessment.

Npj mental health research·2026
Same author

The diagnostic value of multimodal imaging for myocardial injury in heat stroke.

Frontiers in cardiovascular medicine·2026
Same author

Advances in flexible wearable pressure/strain sensors for motion monitoring in orthopaedic sports medicine.

Journal of orthopaedic translation·2026
Same author

SIBioX: A Matrix Based Bioinformatics Analysis Tool Based on Swarm Intelligence Algorithm.

Analytical chemistry·2026

Video Experimental Relacionado

Updated: May 5, 2026

Using Retinal Imaging to Study Dementia
09:17

Using Retinal Imaging to Study Dementia

Published on: November 6, 2017

21.8K

RetinalVasNet: un enfoque de aprendizaje profundo para la detección robusta de la microvasculatura retiniana

Zhaomin Yao1,2, Cengcong Xing3, Gancheng Zhu4

  • 1Department of Nuclear Medicine, General Hospital of Northern Theater Command, Shenyang, Liaoning, China.

Frontiers in molecular biosciences
|September 2, 2025
PubMed
Resumen

Este estudio introduce RetinalVasNet para mejorar la segmentación vascular de la retina utilizando imágenes de fondo multicanal. El método mejora la detección de enfermedades al aprovechar las contribuciones únicas de cada canal de imagen para una segmentación más precisa.

Palabras clave:
RetinalVasNet (Vasnet de la retina)Fusión de canalesImágenes de fundusMicrovascularidad de la retinaSegmentación del buque

Más Videos Relacionados

Deep Vascular Imaging in the Eye with Flow-Enhanced Ultrasound
07:29

Deep Vascular Imaging in the Eye with Flow-Enhanced Ultrasound

Published on: October 4, 2021

2.5K
Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.9K

Videos de Experimentos Relacionados

Last Updated: May 5, 2026

Using Retinal Imaging to Study Dementia
09:17

Using Retinal Imaging to Study Dementia

Published on: November 6, 2017

21.8K
Deep Vascular Imaging in the Eye with Flow-Enhanced Ultrasound
07:29

Deep Vascular Imaging in the Eye with Flow-Enhanced Ultrasound

Published on: October 4, 2021

2.5K
Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.9K

Área de la Ciencia:

  • Oftalmología
  • Imágenes médicas
  • Inteligencia artificial

Sus antecedentes:

  • La microvasculatura retiniana está relacionada con varias enfermedades, lo que requiere una identificación precisa para la detección y el monitoreo tempranos.
  • La investigación actual de redes neuronales a menudo se centra en el canal verde de imágenes de fondo para la segmentación de vasos, pasando por alto potencialmente información valiosa en otros canales.

Objetivo del estudio:

  • Introducir RetinalVasNet, un nuevo método para mejorar la precisión de la segmentación vascular de la retina.
  • Investigar la utilidad de las imágenes de fondo multicanal para mejorar el rendimiento de la segmentación.

Principales métodos:

  • Desarrollo de una sofisticada arquitectura de red neuronal llamada RetinalVasNet.
  • Incorporación de imágenes de fondo multicanal en el proceso de segmentación.

Principales resultados:

  • RetinalVasNet demostró un rendimiento superior en comparación con los métodos anteriores en la mayoría de las métricas.
  • Los resultados experimentales confirmaron la contribución significativa de los canales individuales a la segmentación vascular.

Conclusiones:

  • El análisis de imágenes de fondo multicanal es crucial para una segmentación vascular de la retina precisa y completa.
  • RetinalVasNet ofrece un enfoque prometedor para mejorar las capacidades de diagnóstico en oftalmología y campos relacionados.