Deep learning-based detection and classification of geographic atrophy using a deep convolutional neural network classifier.

Treder, Maximilian; Lauermann, Jost Lennart; Eter, Nicole

Treder, Maximilian; Lauermann, Jost Lennart; Eter, Nicole.

Afiliación

Treder M; Department of Ophthalmology, University of Muenster Medical Center, Domagkstraße 15, 48149, Muenster, Germany. maximilian.treder@ukmuenster.de.
Lauermann JL; Department of Ophthalmology, University of Muenster Medical Center, Domagkstraße 15, 48149, Muenster, Germany.
Eter N; Department of Ophthalmology, University of Muenster Medical Center, Domagkstraße 15, 48149, Muenster, Germany.

Graefes Arch Clin Exp Ophthalmol ; 256(11): 2053-2060, 2018 Nov.

Article en En | MEDLINE | ID: mdl-30091055

Asunto(s)

Diagnóstico por Computador/métodos; Atrofia Geográfica/clasificación; Atrofia Geográfica/diagnóstico; Aprendizaje Automático; Redes Neurales de la Computación; Anciano; Algoritmos; Progresión de la Enfermedad; Femenino; Angiografía con Fluoresceína; Fondo de Ojo; Voluntarios Sanos; Humanos; Masculino; Persona de Mediana Edad; Reproducibilidad de los Resultados; Sensibilidad y Especificidad; Tomografía de Coherencia Óptica

Palabras clave

Deep convolutional neural network; Deep learning; Fundus autofluorescence; Geographic atrophy; Machine learning

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Base de datos: MEDLINE Asunto principal: Diagnóstico por Computador / Redes Neurales de la Computación / Atrofia Geográfica / Aprendizaje Automático Tipo de estudio: Diagnostic_studies / Prognostic_studies Idioma: En Revista: Graefes Arch Clin Exp Ophthalmol Año: 2018 Tipo del documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google