Остання редакція: 2025-03-03
Анотація
Розглянуто застосування згорткової нейронної мережі U-Net для автоматичної сегментації судин на зображеннях очного дна. Проаналізовано архітектуру U-Net та продемонстровано результати її роботи на прикладі набору даних HRF.
APPLICATION OF U-NET FOR RETINAL VESSEL SEGMENTATION IN FUNDUS IMAGES
Abstracts: The application of the convolutional neural network U-Net for automatic vessel segmentation in fundus images is considered. The architecture of U-Net is analyzed and the results of its operation are demonstrated using the HRF dataset as an example.
Ключові слова
Посилання
Yau JW, Rogers SL, Kawasaki R, et al. Global prevalence and major risk factors of diabetic retinopathy. Diabetes Care. 2012;35(3):556-564. https://doi.org/10.2337/dc11-1909
Fraz, M. M., Remagnino, P., Hoppe, A., Uyyanonvara, B., Rudnicka, A. R., Owen, C. G., & Barman, S. A. (2012). An ensemble classification-based approach applied to retinal blood vessel segmentation. IEEE Transactions 1 on Biomedical Engineering, 59(9), 2538-2548. https://pmc.ncbi.nlm.nih.gov/articles/PMC3322721/
Ronneberger, O., Fischer, P., & Brox, T. (2015). U-Net: Convolutional networks for biomedical image segmentation. In International Conference on Medical image computing and computer-assisted intervention (pp. 234-241). Springer, Cham. https://doi.org/10.1007/978-3-319-24574-4_28
Dataset Ninja. Visualization Tools for High Resolution Fundus Dataset. Dataset Ninja; 2025. Accessed February 10, 2025. https://datasetninja.com/high-resolution-fundus
TensorFlow Developers. (n.d.). Keras: The Python deep learning API. TensorFlow. Retrieved February 11, 2025, from https://www.tensorflow.org/guide/keras
Андрікевич, С. і Тужанський , С. 2024. Методи сегментації оптичних зображень очного дна. Оптико-електроннi iнформацiйно-енергетичнi технологiї. 47, 1 (Лип 2024), 155–165. DOI: https://doi.org/10.31649/1681-7893-2024-47-1-155-165.