文件名称：基于改进的模糊C均值算法和卷积神经网络的视网膜血管分割与分类-研究论文
文件大小：733KB
文件格式：PDF
更新时间：2024-06-09 13:05:41
Convolutional neural network local binary
目前，视网膜血管在视网膜病变的诊断过程中起着至关重要的作用。 但是，视网膜血管的精确分割对于病理检查至关重要。 在这项研究中，开发了一种用于精确血管分割和分类的新系统。 首先，从数字视网膜图像中收集视网膜图像以进行血管提取（DRIVE）和视网膜结构化分析（STARE）数据集。 然后，使用改进的模糊C均值（FCM）聚类算法从采集的图像中分割出血管。 此外，特征提取是通过使用增强局部二值模式（ELBP）和反差矩归一化（IDMN）从分割图像中提取特征来完成的。 最后，将获得的特征值作为卷积神经网络（CNN）分类器的输入转发，以识别正常和异常血管及其异常。 该系统的实验结论还表明，与现有系统相比，分类精度提高了1.6％至1.8％。