鼠标眼睛的图像细分in vivo与基于贝叶斯分类的光学连贯性断层扫描
Fei Ma1, Shengbo Wang1, Yanfei Guo1
1School of Computer Science, Qufu Normal University, Rizhao, Shandong, China.
Biomedizinische Technik. Biomedical engineering
|January 5, 2024
概括
一个新的标记贴片和贝叶斯分类 (LPBC) 模型有效地对光学连贯性断层扫描图像中的感兴趣区域进行细分. 这种方法在新的MEVOCT数据集上得到了验证,显示了它对纠正扭曲的有用性.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 医学图像分析 医学图像分析
背景情况:
- 光学连贯断层扫描 (OCT) 是一种先进的成像技术,类似于对生物组织的超声波.
- 精确的图像细分对于医学成像中的定量分析至关重要.
研究的目的:
- 引入一种新的框架,即标记补丁和贝叶斯分类 (LPBC) 模型,用于解决海外国家和地区图像细分中的低强度问题.
- 介绍"鼠标眼睛在体内OCT (MEVOCT) "数据集,用于评估OCT图像分析技术.
主要方法:
- LPBC模型使用一个培训阶段,包括手动选择背景和感兴趣区域 (ROI) 的子图像.
- 使用补丁进行特征提取,然后进行贝叶斯模型训练.
- 每个补丁的细分值是由学习的贝叶斯模型决定的.
主要成果:
- 创建了一个新的数据集,MEVOCT,包括20个高分辨率 (2048x2048像素) in vivo小鼠眼睛OCT图像.
- 在MEVOCT数据集中,LPBC方法在细分ROI方面表现出有效性.
结论:
- 该LPBC方法证明有效的ROI细分在OCT成像,特别是在MEVOCT数据集.
- 准确的ROI细分对于纠正OCT图像中的扭曲至关重要.
更多相关视频
06:19In Vivo Imaging of Cx3cr1gfp/gfp Reporter Mice with Spectral-domain Optical Coherence Tomography and Scanning Laser Ophthalmoscopy
Published on: November 11, 2017
10.6K
07:02Author Spotlight: Advancements in In Vivo and Ex Vivo Retinal Imaging for Improved Glaucoma Diagnosis and Treatment
Published on: June 30, 2023
1.5K
