Les Forêts Aléatoires en Apprentissage Semi-Supervisé (Co-forest) pour la segmentation des images rétiniennes - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Rapport (Rapport De Recherche) Année : 2015

Les Forêts Aléatoires en Apprentissage Semi-Supervisé (Co-forest) pour la segmentation des images rétiniennes

Résumé

Nous proposons une approche qui permet la reconnaissance automatique des régions Disques et Cups pour la mesure du rapport CDR (Cup/Disc Ratio) par apprentissage semi-supervisé. Une étude comparative de plusieurs techniques est proposée. Le principe repose sur une croissance de région en classifiant les pixels voisins à partir des pixels d'intérêt de l'image par apprentissage semi-supervisé. Les points d'intérêt sont détectés par l'algorithme Fuzzy C-means (FCM).
Fichier principal
Vignette du fichier
Rapport Glocome.pdf (4.02 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01294064 , version 1 (26-03-2016)

Identifiants

  • HAL Id : hal-01294064 , version 1

Citer

Settouti Nesma, Bechar Mohammed El Amine. Les Forêts Aléatoires en Apprentissage Semi-Supervisé (Co-forest) pour la segmentation des images rétiniennes. [Rapport de recherche] Biomedical Engineering Laboratory, Tlemcen University Algeria. 2015. ⟨hal-01294064⟩
174 Consultations
887 Téléchargements

Partager

Gmail Facebook X LinkedIn More