Simultaneous lesions and optic disc segmentation from ophthalmoscopic images

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F18%3APU129197" target="_blank" >RIV/00216305:26220/18:PU129197 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Simultaneous lesions and optic disc segmentation from ophthalmoscopic images

Popis výsledku v původním jazyce

In this paper we present a novel approach to retina images segmentation. Simultaneously, 5 classes of objects are segmented including microaneurysms, haemorrhages, hard and soft exudates and optic disc. Segmentation of these eye disease symptoms is not straightforward, segmented objects are small, granular and may not be present in all images. We employ deep learning with fully convolutional methods. For a comparison, two different convolutional networks are used, SegNet and PSPNet. They are based on deep classifiers; therefore, we were able to use pretrained weights and only fine-tune both networks. Results suggest, we have chosen a perspective approach because we reached promising results.

Název v anglickém jazyce

Simultaneous lesions and optic disc segmentation from ophthalmoscopic images

Popis výsledku anglicky

In this paper we present a novel approach to retina images segmentation. Simultaneously, 5 classes of objects are segmented including microaneurysms, haemorrhages, hard and soft exudates and optic disc. Segmentation of these eye disease symptoms is not straightforward, segmented objects are small, granular and may not be present in all images. We employ deep learning with fully convolutional methods. For a comparison, two different convolutional networks are used, SegNet and PSPNet. They are based on deep classifiers; therefore, we were able to use pretrained weights and only fine-tune both networks. Results suggest, we have chosen a perspective approach because we reached promising results.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

YBERC 2018 International Conference Proceedings

ISBN

978-80-8086-271-8

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

1-6

Název nakladatele

Katedra biomedicínskeho inžinierstva a merania

Místo vydání

Kočice

Místo konání akce

Košice

Datum konání akce

3. 10. 2018

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—