Název: Deep Convolutional Networks For Oct Image Classification
Autoři: Hesko, Branislav
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: In this work, OCT (optical coherence tomography) images are classified according to the present pathology into four distinct categories. Three different neural network models are used to classify images, each model is recent and we are achieving exceptional results on the testing dataset, which was unknown to the network during the training. Accuracy on the testing set is higher than 98% and only a few of images are classified into the wrong category. This makes our approach perspective for future automatic use. To further improve results, all three models are using transfer learning.
Klíčová slova: classification; deep learning; OCT; retina
Zdrojový dokument: Proceedings of the 25st Conference STUDENT EEICT 2019, ISBN 978-80-214-5735-5

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/186712

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-414614


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference