眼网 机器学习算法框架（SVM + DNN）已在CompBio 2018的ICML-IJCAI研讨会上接受 EyeNet包含用于医学信息学和机器学习研究的机器学习模型和疾病标签 参考 如果您觉得这对您的工作有用，请考虑引用以下参考资料： @article{yang2018novel, title={A Novel Hybrid Machine Learning Model for Auto-Classification of Retinal Diseases}, author={Yang, C-H Huck and Huang, Jia-Hong and Liu, Fangyu and Chiu, Fang-Yi and Gao, Mengya and Lyu, Weifeng and Tegner, Jesper and others}, journal={arXiv

relaynet_pytorch ReLayNet的PyTorch实施。 代码中仍然存在一些错误和问题，我们正在努力修复它们。 由Abhijit Guha Roy和Shayan Siddiqui（ ）编码 如果您出于任何学术目的使用此代码，请引用： A. Guha Roy，S。Conjeti，SPKKarri，D.Sheet，A.Katouzian，C.Wachinger和N.Navab，“ ReLayNet：使用完全卷积网络的黄斑光学相干层析成像的视网膜层和流体分割”，Biomed。 选择。 Express 8，3627-3642（2017）链接： ://arxiv.org/abs/1704.02161 享受！！ :)

Fundus_Review 该存储库将更新我们以前的论文中未包括的内容，包括对新发布的眼底图像数据集的描述以及最新的实验结果及其设置。 还介绍了我们的pdf文件：“深度学习在眼底图像中的应用：综述”。 如有任何疑问，请联系 纸 这是我们论文的pdf文件：“医学图像分析”接受的“深度学习在眼底图像中的应用：综述”。 您也可以通过或下载。 数据集 该文件描述了广泛使用的眼底图像数据集。 未包含在我们的原始论文中的新发布的数据集以蓝色显示。 实验结果 该文件描述了值得关注的最新作品的实验结果。 未包含在我们的原始论文中的最新结果以蓝色显示。 新增论文的参考文献已链接到其在线出版物。 引文 请引用本文为：陶力，王波，胡春雨，洪康，刘汉若，王凯，傅华柱。 深度学习在眼底图像中的应用：综述。 医学图像分析，2021年。

建立DRIVE数据库，对视网膜图像血管分割进行比较研究。视网膜血管分割和描绘视网膜血管的形态属性，如长度、宽度、弯曲度、分支模式和角度，可以用于诊断、筛选、治疗和评价各种心血管和眼科疾病。 DRIVE Digital Retinal Images for Vessel Extraction_datasets.txt DRIVE Digital Retinal Images for Vessel Extraction_datasets.zip