Отрывок: 4 Зона экссудатов CNN, которой нет у эксперта 6 Ключевую роль при выделении зоны экссудатов играет цветность. Ошибку сегментации можно значительно уменьшить, если работать в определенных цветовых пространствах. В исследованиях [14] установлено, что к цветовосприятию человека ближе всего цветовые модели YUV, RGB и HSL. Однако модели RGB и YUV имеют аппаратные ограничения, с некоторыми типами видеосистем. Для дальнейших исследований была использова...
Название : | Применение свёрточных нейронных сетей для анализа изображений глазного дна |
Другие названия : | Convolutional neural network application for analysis of fundus images |
Авторы/Редакторы : | Ильясова, Н.Ю. Широканёв, А.С. Климов, И.А. Ilyasova, N.U. Shirokanev, A.S. Klimov, I.A. |
Дата публикации : | Май-2019 |
Издательство : | Новая техника |
Библиографическое описание : | Ильясова Н.Ю. Применение свёрточных нейронных сетей для анализа изображений глазного дна / Ильясова Н.Ю., Широканёв А.С., Климов И.А. // Сборник трудов ИТНТ-2019 [Текст]: V междунар. конф. и молодеж. шк. "Информ. технологии и нанотехнологии": 21-24 мая: в 4 т. / Самар. нац.-исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем. обраб. изобр. РАН-фил. ФНИЦ "Кристаллография и фотоника" РАН; [под ред. В.А. Фурсова]. - Самара: Новая техника, 2019. – Т. 4: Науки о данных. - 2019. - С. 111-118. |
Аннотация : | В настоящей работе предложена технология анализа изображений глазного дна, основанная на применении свёрточной нейронной сети (CNN). Подобрана архитектура CNN, обучение которое производилось на сбалансированной выборке, состоящей из 4 классов изображений: толстые, тонкие сосуды, здоровые участки и область экссудатов. Обучение проводилось на изображениях размерности 12×12, поскольку данная размерность является наиболее оптимальной, как было установлено в ходе экспериментальных исследований. Ошибка тестирования на выборках всех размерностей не превышала 4%. Была проведена сегментация изображения глазного дна с использованием CNN. Ошибка сегментации рассчитана на классе экссудатов, поскольку данный класс является ключевым при проведении операции лазерной коагуляции, и составила 5%. В ходе данной работы был выявлен наиболее информативный канал цветового пространства HSL, с использованием которого удалось уменьшить ошибку сегментации до 3%. The article proposes a technology for analyzing fundus images. The technology is based on the convolutional neural network (CNN). The CNN architecture was selected and trained on a sample consisting of 4 image classes: bold, thin vessels, healthy areas, and exudate area. The training was carried out on images of dimension 12 × 12, on which the best CNN test result was achieved, amounting to no more than 4%. The fundus image was segmented. The segmentation error was calculated on the class of exudates, since this class is the key when conducting laser coagulation and was 5%. In the course of this work, the most informative channel from the HSL color space was identified, using which it was possible to reduce the segmentation estimate to 3%. |
URI (Унифицированный идентификатор ресурса) : | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Primenenie-svertochnyh-neironnyh-setei-dlya-analiza-izobrazhenii-glaznogo-dna-75229 |
Другие идентификаторы : | Dspace\SGAU\20190417\75229 |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
paper15_new.pdf | 452.86 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.