邦费罗尼平均预聚合操作员辅助的动态模糊基因图平衡用于视网膜血管细分
IEEE journal of biomedical and health informatics
|September 29, 2025
概括
一种新的无监督方法,BMPDFHESeg,在 fundus 图像中准确地细分视网膜血管. 这种方法通过改善血管特征提取而改善眼病的诊断,而无需手动注释.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 自动化的视网膜血管细分对于诊断眼睛疾病至关重要.
- 目前的方法在血管结构的变化,低对比度和病理方面扎.
- 现有的深度学习方法往往忽略了容器几何,导致细分不准确.
研究的目的:
- 引入一种用于视网膜血管细分的新型无监督方法.
- 为了提高从 fundus 图像中细分血管特征的准确性和效率.
- 克服现有的手工制作和基于深度学习的细分技术的局限性.
主要方法:
- 拟议的BMPDFHESeg方法使用基于相互关系处理和Bonferroni平均预聚算子的无监督方法.
- 采用动态模糊直方图等级用于容器特征增强.
- 融合色通道以提取血管信息并识别血管方向.
主要成果:
- BMPDFHESeg在定性和定量评估中证明了提高有效性和计算速度.
- 该方法在DRIVE,STARE和HRF数据集上实现了准确的船舶细分.
- 眼科医生验证了对视网膜疾病的细分精度和诊断有用性.
结论:
- 拟议的BMPDFHESeg方法为视网膜血管细分提供了有效的无监督解决方案.
- 该技术通过结合几何特征和增强特征提取来改进现有方法.
- BMPDFHESeg显示出有助于早期诊断和治疗视网膜疾病的巨大潜力.


