Automatic Characterization of Epiretinal Membrane in OCT Images with Supervised Training

Simple item page
UDC.coleccionInvestigaciónes_ES
UDC.conferenceTitleXoveTIC 2018es_ES
UDC.departamentoCiencias da Computación e Tecnoloxías da Informaciónes_ES
UDC.endPage2es_ES
UDC.grupoInvGrupo de Visión Artificial e Recoñecemento de Patróns (VARPA)es_ES
UDC.issue18es_ES
UDC.journalTitleProceedingses_ES
UDC.startPage1es_ES
UDC.volume2es_ES
dc.contributor.authorBaamonde, Sergio
dc.contributor.authorMoura, Joaquim de
dc.contributor.authorNovo Buján, Jorge
dc.contributor.authorBarreira, Noelia
dc.contributor.authorOrtega Hortas, Marcos
dc.date.accessioned2024-06-06T14:16:27Z
dc.date.available2024-06-06T14:16:27Z
dc.date.issued2018-09
dc.descriptionPresented at the XoveTIC Congress, A Coruña, Spain, 27–28 September 2018es_ES
dc.descriptionExtended Abstractes_ES
dc.description.abstract[Abstract]: This work presents an automatic method to characterize the presence or absence of the epiretinal membrane (ERM) in Optical Coherence Tomography (OCT) images. To this end, a predefined set of classifiers is used on multiple local-based feature vectors which represent the inner limiting membrane (ILM), the layer of the retina where the ERM can be present.es_ES
dc.description.sponsorshipThis work is supported by the Instituto de Salud Carlos III, Government of Spain and FEDER funds of the European Union through the PI14/02161 and the DTS15/00153 research projects and by the Ministerio de Economía y Competitividad, Government of Spain through the DPI2015-69948-R research project.es_ES
dc.identifier.citationBaamonde, S.; Moura, J.d.; Novo, J.; Barreira, N.; Ortega, M. Automatic Characterization of Epiretinal Membrane in OCT Images with Supervised Training. Proceedings 2018, 2, 1161. Presented at the XoveTIC Congress 2018. https://doi.org/10.3390/proceedings2181161es_ES
dc.identifier.doi10.3390/proceedings2181161
dc.identifier.issn2504-3900
dc.identifier.urihttp://hdl.handle.net/2183/36829
dc.language.isoenges_ES
dc.publisherMDPIes_ES
dc.relation.projectIDinfo:eu-repo/grantAgreement/MINECO/Plan Estatal de Investigación Científica y Técnica y de Innovación 2013-2016/DTS15%2F00153/ES/SIRIUS - Sistema de análisis de microcirculación retiniana: evaluación multidisciplinar e integración en protocolos clínicoses_ES
dc.relation.projectIDinfo:eu-repo/grantAgreement/MINECO/Plan Estatal de Investigación Científica y Técnica y de Innovación 2013-2016/DPI2015-69948-R/ES/IDENTIFICACION Y CARACTERIZACION DEL EDEMA MACULAR DIABETICO MEDIANTE ANALISIS AUTOMATICO DE TOMOGRAFIAS DE COHERENCIA OPTICA Y TECNICAS DE APRENDIZAJE MAQUINAes_ES
dc.relation.projectIDinfo:eu-repo/grantAgreement/MINECO/Plan Estatal de Investigación Científica y Técnica y de Innovación 2013-2016/PI14%2F02161/ES/DESARROLLO DE UN SISTEMA AUTOMÁTICO PARA EL CÁLCULO Y VISUALIZACIÓN DE PROPIEDADES ANATÓMICAS DE LA RETINA EN SD-OCT Y SU CORRELACIÓN CON ANÁLISIS FUNCIONALES HETEROGÉNEOS DE LA VISIÓNes_ES
dc.relation.urihttps://doi.org/10.3390/proceedings2181161es_ES
dc.rightsAtribución 4.0 Internacionales_ES
dc.rights.accessRightsopen accesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/es/*
dc.subjectEpiretinal membranees_ES
dc.subjectRetinal Layerses_ES
dc.subjectMedical imaginges_ES
dc.subjectOptical Coherence Tomographyes_ES
dc.titleAutomatic Characterization of Epiretinal Membrane in OCT Images with Supervised Traininges_ES
dc.typeconference outputes_ES
dspace.entity.typePublication
relation.isAuthorOfPublication028dac6b-dd82-408f-bc69-0a52e2340a54
relation.isAuthorOfPublication0fcd917d-245f-4650-8352-eb072b394df0
relation.isAuthorOfPublication39c18658-f8b9-44c2-866a-ef7e53839489
relation.isAuthorOfPublication1fb98665-ea68-4cd3-a6af-83e6bb453581
relation.isAuthorOfPublication.latestForDiscovery028dac6b-dd82-408f-bc69-0a52e2340a54

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
Baamonde_Sergio_2018_Automatic_Characterization_of_Epiretinal_Membrane_in_OCT_Images_with_Supervised_Training.pdf
Size:
317.15 KB
Format:
Adobe Portable Document Format
Description:
Download

Collections

Investigación (FIC)