图片分割Matlab代码-MNet_DeepCDR: TMI2018代码“利用多标签深度网络与极坐标变换实现联合光盘及杯状区域分割”

简介：
MNet_DeepCDR是基于TMI 2018论文的Matlab实现，通过使用多标签深度网络和极坐标变换技术来执行视网膜光学盘和杯状区域的精确分割。 本项目旨在通过多标签深度网络与极坐标变换联合进行光盘及杯状物的分割研究。该项目要求安装相关依赖项，可以通过运行命令 `pip install -r requirements.txt` 来完成大部分依赖库的安装工作；然而，OpenCV需要单独安装。 代码基于TensorFlow 1.14版本（使用Keras）和Matlab开发。其中，原始分割结果是未经椭圆拟合处理的数据输出形式。而对这些数据进行进一步分析，则需借助于MATLAB中的PDollar工具箱来完成相应的椭圆拟合并计算光盘径向长度。 用户可以通过运行“Step_3_MNet_test.py”脚本来直接测试新图像的分割效果。此外，项目还提供了验证和测试结果文件夹 “REFUGE_result”。 需要注意的是，在SciPy 1.3.0版本中，“scipy.misc.imresize”函数已被移除，因此基于旧版模型“Model_MNet_REFUGE.h5”的实验结果将不再有效，并且与论文中的数据有所差异。我们正在更新该模型以解决此问题。 如需从眼底图像中进行椎间盘和杯状物的分割工作，还可以参考我们的最新方法：CE-Net 和 AG-Net。