La identificación de las células fotorreceptoras de cono es importante para el diagnóstico temprano de enfermedades oculares. Proponemos la identificación automática de células fotorreceptoras de cono mediante aprendizaje profundo en imágenes de oftalmoscopio de exploración láser de óptica adaptativa. El algoritmo propuesto se basa en DeepLab y corrección de campo de sesgo. Considerando la identificación manual como referencia, nuestro algoritmo es altamente efectivo, logrando una precisión, sensibilidad y puntuación F de 96.7%, 94.6% y 95.7%, respectivamente. Para ilustrar el rendimiento de nuestro algoritmo, presentamos resultados de identificación para imágenes con diferentes distribuciones de células fotorreceptoras de cono. Los resultados experimentales muestran que nuestro algoritmo puede lograr una identificación precisa de células fotorreceptoras en imágenes de retinas humanas, lo cual es comparable a la identificación manual.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Análisis de interrupciones del algoritmo de emparejamiento de usuarios para redes celulares full-duplex.
Artículo:
Realidad aumentada para la asistencia de la prótesis total de rodilla
Artículo:
Aprendizaje profundo para la detección de pólipos colónicos a partir de imágenes de colonoscopia por tomografía computarizada combinadas con colonoscopia.
Artículo:
Hacia la identificación del malware APT a través de las llamadas a la API del sistema
Artículo:
Un nuevo algoritmo genético de genotipo-fenotipo para el problema de Strip Packing de dos dimensiones con rotación de 90o
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
Obtención de gas combustible mediante la bioconversión del alga marina Ulva lactuca
Artículo:
Sistemas de producción y potencial energético de la energía mareomotriz
Artículo:
La necesidad de la planeación estratégica en las organizaciones industriales modernas