El registro de imágenes retinianas es importante para ayudar al diagnóstico y seguimiento de enfermedades de la retina, como la retinopatía diabética y el glaucoma. Sin embargo, el registro de imágenes retinianas para diversas aplicaciones de registro requiere la detección y distribución de puntos característicos en la región de baja calidad que consiste en vasos de contraste y tamaños variables. Un detector de características reciente conocido como Saddle detecta puntos de características en vasos que están mal distribuidos y densamente posicionados en vasos de fuerte contraste. Por lo tanto, proponemos una diferencia multiresolución de pirámide gaussiana con detector Saddle (D-Saddle) para detectar puntos característicos en la región de baja calidad que consiste en vasos con contraste y tamaños variables. D-Saddle se prueba en el conjunto de datos Fundus Image Registration (FIRE), que consta de 134 pares de imágenes retinianas. Los resultados experimentales muestran que D-Saddle registró con éxito el 43% de los pares de imágenes retinianas con una precisión de registro media de 2,329 píxeles, mientras que se observa una tasa de éxito inferior en otros cuatro métodos de registro de imágenes retinianas de última generación: GDB-ICP (28%), Harris-PIIFD (4%), H-M (16%) y Saddle (16%). Además, la precisión de registro de D-Saddle tiene la correlación más débil (Spearman) con la métrica de uniformidad de intensidad entre todos los métodos. Por último, la prueba t emparejada muestra que D-Saddle mejoró significativamente la precisión de registro global del Saddle original.
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:
Avances en tecnologías definidas por software para redes de sensores acústicos submarinos: Un estudio
Artículo:
Sintético L.: Desarrollo y Estudios sobre Caracteres Morfológicos, Atributos de Rendimiento y Rendimiento
Artículo:
La migración unicelular no móvil como paseo aleatorio en la no uniformidad: El "límite extremo de descarga" de las comunicaciones entre células
Artículo:
Comportamiento de pirólisis y morfología de EDTA-NaMg-4HO y brea de alquitrán de hulla y su aplicación para carbón poroso
Artículo:
Segmentación y clasificación de imágenes angiográficas cardiacas mediante técnicas de aprendizaje automático