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:
Método de recomendación de POI utilizando aprendizaje profundo en redes sociales basadas en la ubicación.
Artículo:
Detección de comunidades solapadas basada en la importancia de los nodos y la información de adyacencia
Artículo:
Hacia entornos IoT que preserven la privacidad: Un estudio
Artículo:
Búsqueda semántica contextual basada en grafos conceptuales en una nube cifrada
Artículo:
El Marco de Apreciación Extendida: Un Marco Teórico y un Caso Práctico de Diseño de Aplicaciones de Medios Apreciadas para Preescolares
Artículo:
Un estudio sobre la formulación de los parámetros de 5 o menos variables independientes de regresión lineal múltiple.
Tesis:
Estudio comparativo de tres sistemas de secado para la producción de un polvo deshidratado de fruta
Artículo:
Predicción de precios de vivienda basada en regresión lineal múltiple
Artículo:
Papel de la atención sanitaria habitual combinada con la telemedicina en el tratamiento del embarazo de alto riesgo en Hangzhou, China