カウンタマトリックスの概念:(aおよびb)はカウンタマトリックスを表し、(c)各列の最大指数を計算し、(D)は多項式近似を適用した後のセグメント化された脈絡膜層を示します。,
深層学習法を用いた脈絡膜層セグメンテーションの結果:(a)OCTを含む画像の一部を示していますbmが緑で印が付き、脈絡膜が赤で印が付いている医者によって分類されるイメージ。 （ｂ）は、提案された方法論によって行われるＯＣＴ画像セグメンテーションを表し、ここでは脈絡膜層が緑色でマークされ、ＢＭが赤色でラベル付けされる。,
厚さマップ
本研究の焦点は、網膜の健康の分析のための脈絡膜の厚さを測定することであったため、厚さマップは、BMおよび脈絡膜層のセグメン 各個人に対応する厚さマップは、実行されている分割に基づいて生成された。 各個体は脈絡膜の異なる深さを表す25OCTスキャンを有していたので、すべての25の画像は、厚さマップを生成すると考えられた。, 厚さマップは、二つの表面の間のユークリッド距離として定義することができます：BMと脈絡膜層。 必要な距離を測定するために，ｂｍの境界を脈絡膜毛細血管を含む脈絡膜領域全体の基準境界とした。 ＢＭと脈絡膜層の上面との間の距離は、脈絡膜毛細血管の距離を表す。 最後に，脈絡膜の厚さを計算するために，ＢＭと脈絡膜血管系の下面との間の距離を計算した。, すべての被験者に対して脈絡膜血管系およびＢＭ等価厚さマップを作成した。 また，医師によって生成された厚さマップと提案した方法によって生成されたマップとの間の誤り率も計算した。 図12は、脈絡膜層の厚さをどのように計算したかを示しています。
-
各図について、幅は760ピクセル、高さは456ピクセルでした。
-
次に、スケーリング操作を適用しました。, 私たちは200umマップを課し、幅25ピクセル、高さ76ピクセルで、各点の真の厚さを得ることができました
-
各患者に25の数字があり、二つの数字の間隔は240um
-
ステップ1-3に従って、25×760行列（図のピクセル値を指す）を5760um×6080um（患者の実際の値を指す）にマッピングすることができました。 厚さの値は、生成されたマップ内の異なる色でマッピングされます。,
厚さマップを計算するための脈絡膜層スライス：各画像の厚さを考慮して、各個人の厚さマップを生成しました。 各画像を処理した結果、各レイヤーの厚さを表す行列が得られます。 最後に、マップを取得するために、マトリックスはマップを描画するために実際の画像サイズにサイズ変更されました。