Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Template-Free Estimation of Intracranial Volume: A Preterm Birth Animal Model Study Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Segmentation of Retinal Blood Vessels Using Dictionary Learning Techniques

verfasst von : Taibou Birgui Sekou, Moncef Hidane, Julien Olivier, Hubert Cardot

Erschienen in: Fetal, Infant and Ophthalmic Medical Image Analysis

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, we aim at proving the effectiveness of dictionary learning techniques on the task of retinal blood vessel segmentation. We present three different methods based on dictionary learning and sparse coding that reach state-of-the-art results. Our methods are tested on two, well-known, publicly available datasets: DRIVE and STARE. The methods are compared to many state-of-the-art approaches and turn out to be very promising.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Robust Regression of Brain Maturation from 3D Fetal Neurosonography Using CRNs
Nächstes Kapitel Detecting Early Choroidal Changes Using Piecewise Rigid Image Registration and Eye-Shape Adherent Regularization
Fußnoten
1
The \(\ell _q\)-norm (\(q \ge 1\)) of a vector \(\mathbf {x}\) is: \(\Vert \mathbf {x}\Vert _q = [ \sum _i \mid x[i]\mid ^q ]^{1/q}\).
 
2
The Frobenius-norm of a matrix \(\mathbf {A} \in \mathbb {R}^{m\times n}\) is: \(\Vert \mathbf {A}\Vert _F = \big [\sum _{i=1}^{m} \sum _{j=1}^{n} A[i,j]^2\big ]^{1/2}\).
 
Literatur
1.
Fraz, M., Remagnino, P., Hoppe, A., Uyyanonvara, B., Rudnicka, A., Owen, C., Barman, S.: Blood vessel segmentation methodologies in retinal images - a survey. Comput. Methods Programs Biomed. 108(1), 407–433 (2012)CrossRef
2.
Mookiah, M.R.K., Acharya, U.R., Chua, C.K., Lim, C.M., Ng, E.Y.K., Laude, A.: Computer-aided diagnosis of diabetic retinopathy: a review. Comp. Bio. and Med. 43(12), 2136–2155 (2013)CrossRef
3.
Vega, R., Sánchez-Ante, G., Falcón-Morales, L., Sossa, H., Guevara, E.: Retinal vessel extraction using lattice neural networks with dendritic processing. Comp. Bio. and Med. 58, 20–30 (2015)CrossRef
4.
Javidi, M., Pourreza, H.R., Harati, A.: Vessel segmentation and microaneurysm detection using discriminative dictionary learning and sparse representation. Comput. Methods Programs Biomed. 139, 93–108 (2017)CrossRef
5.
Wang, S., Yin, Y., Cao, G., Wei, B., Zheng, Y., Yang, G.: Hierarchical retinal blood vessel segmentation based on feature and ensemble learning. Neurocomputing 149, 708–717 (2015)CrossRef
6.
Liskowski, P., Krawiec, K.: Segmenting retinal blood vessels with deep neural networks. IEEE Trans. Med. Imaging 35(11), 2369–2380 (2016)CrossRef
7.
Mairal, J., Bach, F., Ponce, J.: Sparse modeling for image and vision processing. Found. Trends Comput. Graph. Vision 8(2–3), 85–283 (2014)CrossRefMATH
8.
Elad, M.: Sparse and Redundant Representation. Springer, New York, Dordrecht, Heidelberg, London (2010)CrossRefMATH
9.
Zhang, Q., Li, B.: Discriminative K-SVD for dictionary learning in face recognition. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2691–2698 (2010)
10.
Yang, A.Y., Wright, J., Ma, Y., Sastry, S.S.: Feature selection in face recognition: a sparse representation perspective. Technical Report UCB/EECS-2007-99, EECS Department, University of California, Berkeley (2007)
11.
Nikolova, M.: A variational approach to remove outliers and impulse noise. J. Mathe. Imaging Vision 20(1–2), 99–120 (2004)MathSciNetCrossRefMATH
12.
Staal, J., Abrmoff, M.D., Niemeijer, M., Viergever, M.A., Ginneken, B.V.: Ridge-based vessel segmentation in color images of the retina. IEEE Trans. Med. Imaging 23, 501–509 (2004)CrossRef
13.
Hoover, A., Kouznetsova, V., Goldbaum, M.: Locating blood vessels in retinal images by piecewise threshold probing of a matched filter response. IEEE Trans. Med. Imaging 19, 203–210 (2000)CrossRef
14.
Mairal, J., Bach, F., Ponce, J., Sapiro, G.: Online learning for matrix factorization and sparse coding. J. Mach. Learn. Res. 11, 19–60 (2010)MathSciNetMATH
15.
Chambolle, A., Pock, T.: A first-order primal-dual algorithm for convex problems with applications to imaging. J. Mathe. Imaging Vision 40(1), 120–145 (2011)MathSciNetCrossRefMATH
16.
Singh, N.P., Srivastava, R.: Retinal blood vessels segmentation by using Gumbel probability distribution function based matched filter. Comput. Methods Programs Biomed. 129, 40–50 (2016)CrossRef
17.
Orlando, J.I., Prokofyeva, E., Blaschko, M.B.: A discriminatively trained fully connected conditional random field model for blood vessel segmentation in fundus images. IEEE Trans. Biomed. Eng. 64(1), 16–27 (2017)CrossRef
18.
Dasgupta, A., Singh, S.: A fully convolutional neural network based structured prediction approach towards the retinal vessel segmentation. In: IEEE International Symposium on Biomedical Imaging (ISBI), pp. 248–251 (2017)
Metadaten
Titel
Segmentation of Retinal Blood Vessels Using Dictionary Learning Techniques
verfasst von
Taibou Birgui Sekou
Moncef Hidane
Julien Olivier
Hubert Cardot
Copyright-Jahr
2017
Buch
Fetal, Infant and Ophthalmic Medical Image Analysis

Print ISBN: 978-3-319-67560-2

Electronic ISBN: 978-3-319-67561-9

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-67561-9_9