机构名称：
¥ 1.0
摘要：视网膜是眼睛背面的组织的重要层。视网膜的主要工作是收集镜头聚焦，将光转换为神经信号的光线，并将这些信号发送到大脑以获得光学补偿。由于视网膜脱离（RD），这种关键组织可能会损坏。这种情况会损害视力，无疑有可能严重到足以引起失明。确定损害可能是一项挑战，因为层和神经连接太细腻且薄，并且可能被误认为是另一种疾病。提出了一种改进的蒙版复发性卷积神经网络，以测试其在RD检测中的效率。通过查看实施措施敏感性，准确性（a），特异性（SP）和F-Score（f）来评估建议方法的有效性。对于54,000个视网膜图像，平均S，SP，A和F值分别为92.20％，98％，95.10％和93％。这种建议的模型在分类与RD相关的病变并在各种视网膜图片上分类的强度水平更好。这种类型的分析方法集中于将图像分解为像素并从自下而上研究数据。它提供了更大的分析，并且更精确地检测了RD。本研究介绍了医学图像处理方法和分析领域中的基本知识和尖端的机器学习方法。这项工作的主要目标是定义并应用确定的重要原则，并提供有关医疗图像处理的研究。
使用机器学习算法检测带有图像分析的视网膜损伤
主要关键词
相关文件推荐
