基于循环一致对抗神经网络的眼底成像伪影去除
图像与视频处理
2021-12-28 v1 计算机视觉与模式识别
机器学习
摘要
眼底图像在识别各种眼科疾病方面非常有用。然而，由于伪影的存在，视网膜的可见性受到严重影响。这可能导致疾病的误诊，从而引发更复杂的病症。由于深度学习是一种无需过多人工干预即可从数据中提取模式的强大工具，它们可应用于图像到图像的转换问题。本文尝试自动校正眼底图像中存在的此类伪影。我们使用基于CycleGAN的模型，该模型由残差块组成，以减少图像中的伪影。与现有技术相比，可见显著改进。
引用
@article{arxiv.2112.13264,
title = {Artifact Reduction in Fundus Imaging using Cycle Consistent Adversarial Neural Networks},
author = {Sai Koushik S S and K. G. Srinivasa},
journal= {arXiv preprint arXiv:2112.13264},
year = {2021}
}
备注
12 pages, 13 figures, draft paper