Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
  Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben
Zeitschriftenartikel

Unsupervised feature extraction of anterior chamber OCT images for ordering and classification

MPG-Autoren
/persons/resource/persons173613

Parlitz,  Ulrich
Research Group Biomedical Physics, Max Planck Institute for Dynamics and Self-Organization, Max Planck Society;

Externe Ressourcen
Es sind keine externen Ressourcen hinterlegt
Volltexte (beschränkter Zugriff)
Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte in PuRe verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Amil, P., Gonzalez, L., Arrondo, E., Salinas, C., Guell, J. L., Masoller, C., et al. (2019). Unsupervised feature extraction of anterior chamber OCT images for ordering and classification. Scientific Reports, 9: 1157. doi:10.1038/s41598-018-38136-8.


Zitierlink: https://hdl.handle.net/21.11116/0000-0003-0305-4
Zusammenfassung
We propose an image processing method for ordering anterior chamber optical coherence tomography (OCT) images in a fully unsupervised manner. The method consists of three steps: Firstly we preprocess the images (filtering the noise, aligning and normalizing the resolution); secondly, a distance measure between images is computed for every pair of images; thirdly we apply a machine learning algorithm that exploits the distance measure to order the images in a two-dimensional plane. The method is applied to a large (similar to 1000) database of anterior chamber OCT images of healthy subjects and patients with angle-closure and the resulting unsupervised ordering and classification is validated by two ophthalmologists.