Simultaneous lesions and optic disc segmentation from ophthalmoscopic images
Identifikátory výsledku
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
—
Alternativní jazyky
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.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20205 - Automation and control systems
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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
—