Optic disc and fovea detection via multi-scale matched filters and a vessels' directional matched filter
Notice bibliographique
Résumé
The optic disc (OD) and fovea are important anatomical features in retinal images. Its detections are crucial for developing an automated screening program. This paper proposes a method to automatically detect the OD and fovea in fundus images in three stages: OD vessel candidate detection, OD vessel candidate matching, and fovea detection. The first stage is achieved with multi-scale Gaussian filtering, scale production, and double thresholding to initially extract the vessels' directional map. The map is then thinned before another threshold is applied to remove pixels with low intensities. This result forms the OD vessel candidates. In the second stage, a Vessels' Directional Matched Filter (VDMF) of various dimensions is applied to the candidates to be matched, and the pixel with the smallest difference designated the OD center. Finally, the fovea is detected as the pixel with lowest intensity in a window either to the left or right of the OD center. We tested the proposed method on a subset of a new database consisting of 139 images from a diabetic retinopathy (DR) screening programme. The OD center and fovea were successfully detected with accuracies of 96.4% (134/139) and 98.1% (105/107) respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».