Advertisement

用于血管提取的数字视网膜图像数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
本数据集包含大量数字视网膜图像及标注信息,专为研究和开发血管自动提取算法设计,旨在推动眼科疾病早期诊断技术的进步。 DRIVE数据库是为了比较研究视网膜图像中的血管分割而建立的,并邀请科研界在此基础上测试他们的算法并分享结果。在该网站上可以找到下载数据库以及上传结果的相关指南,同时也可以查看各种方法的结果。 这些数据来源于荷兰糖尿病性视网膜病变筛查计划中400名年龄范围为25至90岁的糖尿病患者的照片。其中随机选取了40张照片进行研究,33张未显示任何早期的糖尿病性视网膜病变迹象,而另外7张则显示出轻微初期症状。 所有图像均通过佳能CR5非散瞳3CCD相机获得,并以8位分辨率和768 x 584像素大小捕捉。每个图像具有直径约为540像素的圆形视野(FOV),且数据库中的图片已针对该FOV进行了裁剪处理,同时提供了一个遮罩图来描绘FOV。 这组40张照片被分为训练集与测试集各20张。对于训练用例,提供了单个的手动血管分割;而对于测试案例,则提供了两种手动分割的结果:一种作为黄金标准,另一种则用于将计算机生成的分割结果与独立的人类观察进行对比。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 优质
    本数据集包含大量数字视网膜图像及标注信息,专为研究和开发血管自动提取算法设计,旨在推动眼科疾病早期诊断技术的进步。 DRIVE数据库是为了比较研究视网膜图像中的血管分割而建立的,并邀请科研界在此基础上测试他们的算法并分享结果。在该网站上可以找到下载数据库以及上传结果的相关指南,同时也可以查看各种方法的结果。 这些数据来源于荷兰糖尿病性视网膜病变筛查计划中400名年龄范围为25至90岁的糖尿病患者的照片。其中随机选取了40张照片进行研究,33张未显示任何早期的糖尿病性视网膜病变迹象,而另外7张则显示出轻微初期症状。 所有图像均通过佳能CR5非散瞳3CCD相机获得,并以8位分辨率和768 x 584像素大小捕捉。每个图像具有直径约为540像素的圆形视野(FOV),且数据库中的图片已针对该FOV进行了裁剪处理,同时提供了一个遮罩图来描绘FOV。 这组40张照片被分为训练集与测试集各20张。对于训练用例,提供了单个的手动血管分割;而对于测试案例,则提供了两种手动分割的结果:一种作为黄金标准,另一种则用于将计算机生成的分割结果与独立的人类观察进行对比。
  • DRIVE.7z
    优质
    DRIVE视网膜血管数据集.7z包含了用于视网膜图像中血管分割的研究资源,内含标注过的高质量视网膜扫描图及其掩模,适用于医学影像分析与机器学习研究。 该数据集包含40张视网膜血管图像,并已分为训练集和测试集,每部分各含20张图像。如果需要获取这些图片,请在评论区留言,我将通过邮箱发送给您。
  • MATLAB中
    优质
    本研究利用MATLAB软件开发了一种新颖的算法,专门用于从眼底图像中精准识别和提取视网膜血管结构。该方法结合了先进的图像处理技术和机器学习模型,旨在提高临床诊断效率,辅助医生更准确地评估糖尿病性视网膜病变及其他视网膜疾病的早期迹象。 我编写了用于提取视网膜血管的MATLAB代码,包括主程序和血管提取程序,希望能与大家分享。
  • Retinal Blood Vessels Extraction: 从眼底
    优质
    本研究致力于开发先进的算法和技术,用于精确地从视网膜眼底图像中自动提取血管结构,旨在促进眼科疾病的早期诊断和治疗。 进行这项研究项目的目标是对视网膜图像中的血管展开比较分析。通过分割视网膜血管并描绘其不同的形态属性(如宽度、长度、分支模式、曲折度及角度),该方法可用于筛查、治疗、诊断以及评估多种眼科和心血管疾病,例如糖尿病、动脉硬化症、高血压与脉络膜新生血管形成等。 研究中还应用了视网膜图像的自动合成技术及多时相或时间序列影像配准,并提取分支点。通过这些手段能够实现对脉管系统的自动化检测与分析,从而帮助眼科医生实施针对糖尿病性视网膜病变和黄斑水肿的筛查程序;同时还可以探究高血压性视网膜病变与血管曲折度之间的关联、辅助计算机支持下的激光手术及测量用于诊断高血压相关的血管直径。 为了完成此项目执行了以下任务: - 设计并训练了一种基于U-Net架构(一种专为生物医学图像分割设计的卷积神经网络)的CNN模型,以实现视网膜血管的有效分割。 - 使用AUC-ROC性能度量指标来评估视网膜血管分割的效果。
  • FIRE
    优质
    FIRE视网膜图像数据集是一套包含大量眼底照片的数据集合,旨在帮助研究者开发和测试用于自动检测眼部疾病的算法。 FIRE 是一个包含129张眼底视网膜图像的数据集,这些图像被组合成134对,并根据特征划分为了三类。所有的眼底图像都是使用Nidek AFC-210 眼底照相机采集的,分辨率为2912x2912像素,视觉仰角为40度。该数据集由Thessaloniki大学Papageorgiou医院和Aristotle University of Thessaloniki联合构建,并且来源于39名患者的图像。 FIRE 数据集主要包括以下部分: - 成对的视网膜图像 - 彩色区域(ROI)掩模,以二值图像形式呈现 - 特征区域(ROI)掩模,同样为二值图像格式 - 每张图片对应的标注点信息
  • 深度分类与分割模型
    优质
    本研究提出了一种创新的深度学习模型,专门用于从视网膜图像中高效、准确地提取血管结构。该模型结合了先进的分类和分割技术,显著提升了血管检测精度,为眼疾早期诊断提供了有力工具。 视网膜图像中血管提取的深度分类和分割模型
  • HRF库(15)
    优质
    HRF数据集包含大量高质量的视网膜图像,旨在促进眼底疾病自动诊断的研究与发展。该数据库为科研人员提供了一个宝贵的资源平台。 HRF数据集包含一组视网膜眼底图像,用于进行视网膜增强、视网膜提取和视网膜识别等操作。
  • 眼底配准——
    优质
    本数据集专注于视网膜眼底图像配准问题,提供大量标准化的眼底影像及注释信息,旨在促进眼科医学领域的研究与应用。 该数据集眼底图像配准数据集(也称为FIRE)包含129个视网膜图像,形成134个图像对,并根据其特征分为三个不同的类别。这些图像是使用Nidek AFC-210眼底照相机采集的,在x和y方向上的分辨率为2912x2912像素且视野为45°。数据集中的所有图像均来自位于塞萨洛尼基的亚里斯多德大学Papageorgiou医院,由39名患者提供。
  • DSA.zip_MATLAB _减影_减影技术_匹配
    优质
    本项目利用MATLAB实现DSA(数字减影血管造影)中的血管自动提取与匹配算法,采用图像减影技术增强血管结构,提高诊断效率。 使用MATLAB语言实现数字减影血管造影技术:首先打开蒙片和盈片图像,然后提取图像边缘,并选择控制点进行匹配,最后执行减影操作并输出处理后的图片。
  • DRIVE分割中
    优质
    简介:本文探讨了DRIVE数据集在视网膜图像分割领域的应用,通过分析该数据集中提供的血管标记图,研究者能够开发和优化算法以提高眼底疾病的诊断准确性。 DRIVE数据集用于视网膜图像的分割任务,其中一半的数据作为训练集,另一半作为测试集。