深度血管跟踪：通过深度学习的通用概率方法：使用 N4 场、CNN 和概率血管跟踪自动分割 2D 视网膜血管-matlab开发

通过以下方式自动分割 2D 视网膜血管： - 使用相应的手动分割对视网膜图像窗口进行采样- 使用卷积神经网络 (CNN) 将图像窗口训练为手动分割的 PCA 减少向量- 通过使用 (CNN) 将一组新的采样窗口转换为 PCA 减少的向量并将它们与相应的手动分割联系起来来构建字典-通过以下方式逐像素分割新的视网膜图像窗口： 将包含该像素的所有窗口传递到经过训练的网络中在字典中搜索结果向量的最近邻获取相应的手动分割在手动分割中取与目标像素位置相对应的像素平均获取的像素值- 使用概率跟踪方法逐个窗口分割整个视网膜图像，该方法搜索已经分割的区域以选择下一个分割窗口改进了以前的血管分割方法： - 与其他方法相比，使用 N4 场提高了血管分割的准确性- 与使用 N4 场的完整分割相比，使用血管跟踪提高了血管分割的速度。 这是因为并非每个像素都被分割，单个像素需要相当长的时间来分割。 如果您需要结果示例