定位位置及其颜色的自动方法 通过深度学习模型对视网膜底部图像中的性别分类很重要

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 计算机科学 计算机科学

背景情况:

• 视网膜底图像含有丰富的信息,可能对人口分类有用.
• 对 fundus 图像的自动分析可以增强诊断和研究能力.

研究的目的:

• 开发一种使用视网膜底图像进行性别分类的自动深度学习方法.
• 识别关键的图像位置及其相关的色彩特征,表明性别.

主要方法:

• 拟议的方法使用了以局部颜色特征 (MALCC) 进行模型分析和U-test.
• 深度学习模型从掩盖的YCbCr图像块中预测性别概率.
• 多重回归分析和U测试可以识别显著的块和颜色特征.

主要成果:

• 该方法成功地识别了视网膜底图像中的重要块 (位置) 和它们的颜色特征.
• 在特定的图像区域中检测到性别之间的Cr和Cb颜色值的显著差异.
• 这种方法提供了一个可视化的总色图,突出显示了重要的特征.

结论:

• 开发的自动方法有效地利用视网膜图像中的局部颜色特征进行性别分类.
• 这种技术提供了一种新的方法,可以从眼睛图像中提取人口统计信息.
• 这些发现有助于对医疗图像进行自动分析,以获取辅助数据.