跳到正文
arXiv · 机器人与计算机视觉· Ivica Kopriva, Fei Shi, Marija \v{S}tanfel, Qin Peng, Jianhao Bao, Gaowei Li, Xinjian Chen·· 24 天前AI 评分38

低秩 MERA 分解实现 3D OCT 图像压缩去噪与视网膜疾病诊断

Low-rank MERA Decomposition of 3D OCT Image Volume for Compression, Denoising, Feature Extraction and Diagnosis of Retinal Diseases

AI 导读

该研究提出一种无需训练的基于低秩多尺度纠缠重正化群(MERA)张量网络方法,用于处理受散斑噪声影响的 3D 光学相干断层扫描(OCT)体积数据。在两个不同扫描仪采集的数据集上评估显示,该方法相比多种竞争方法提升了视觉质量并降低了视网膜层分割误差。此外,利用 Grassmann 流形最近子空间分类器提取的 MERA 特征,在小样本临床场景下实现了具有竞争力的视网膜疾病分类准确率且具备高可解释性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org