Counter-Matriisin Käsite: (a ja b) edustaa counter matriisi, (c) laske suurin indeksi kussakin sarakkeessa ja (d) näyttää segmentoitu choroid kerroksen levittämisen jälkeen polynomi istuva.,
Tulos Choroid Kerros Segmentointi käyttää syvällisen oppimisen menetelmä: (a) näyttää kuvan osa, joka sisältää MMA kuva on merkitty lääkäri, missä BM on merkitty vihreällä ja suonikalvo on merkitty punaisella. (b) Edustaa OCT kuvan segmentointi suoritetaan ehdotetun menetelmän, tässä suonikalvossa kerros on merkitty vihreällä ja BM on merkitty punaisella värillä.,
Paksuus Kartta
Koska painopiste tämä tutkimus oli mitata suonikalvon paksuus analyysi terveyden verkkokalvo, paksuus kartat on luotu seuraavat segmentointi BM ja suonikalvon kerroksia. Paksuus kartat vastaavat kunkin henkilön oli luotu perusteella segmentointi suoritetaan. Sillä jokainen oli 25 OCT skannaa, jotka edustavat eri syvyys suonikalvo, kaikki 25 kuvaa katsottiin tuottaa paksuus kartta., Paksuuskartta voidaan määritellä Euklidiseksi etäisyydeksi kahden pinnan välillä: BM – ja suonikalvokerrokset. Vaaditun etäisyyden mittaamiseksi BM: n raja otettiin vertailurajaksi koko suonikalvon alueelle, myös koriokapillareille. BM: n ja suonikalvon yläpinnan välinen etäisyys edustaa choriokapillaris-etäisyyttä. Lopulta suonikalvon paksuuden laskemiseksi laskettiin BM: n ja suonikalvon verisuoniston alapinnan välinen etäisyys., Suonikalvon verisuonitus ja BM-ekvivalenttiset paksuuskartat luotiin kaikille tutkittaville. Myös lääkärien tuottaman paksuuskartan ja ehdotetun menetelmän tuottaman kartan välinen virhetaso laskettiin. Kuva 12 havainnollistaa, miten suonikalvon paksuus kerros on laskettu, joilla on erityisiä ohjeita, jotka on kuvattu alla:
-
kunkin figure, leveys oli 760 pikseliä ja korkeus oli 456 pikseliä
-
Seuraavaksi skaalaus toiminta oli sovellettu., Asetimme 200 um karttoja, 25 pikseliä leveä ja 76 pikseliä korkea, jotta voisimme saada todellista paksuus kussakin vaiheessa
-
Paikalla oli 25 luvut kunkin potilaan ja aikaväli välillä kaksi hahmoa oli 240 um
-
vaiheiden 1-3 Mukaan, voisimme kartta 25 × 760 matriisi (viittaa pikselin arvo kuva) voit 5760 um × 6080 um (viittaa todellinen arvo potilas). Tällöin paksuusarvo kartoitettaisiin eri värein luodussa kartassa.,
Choroid kerros viipaleita laskea Paksuus Kartta: paksuus jokainen kuva oli otettu huomioon, jotta voidaan luoda paksuus kartta kunkin yksittäisen. Jokaisen kuvan käsittelyn tuloksena saamme matriisin, joka edustaa jokaisen kerroksen paksuutta. Lopulta kartan saamiseksi Matrixin kokoa muutettiin varsinaiseksi kuvakooksi kartan piirtämiseksi.