- -

Machine Learning for Glaucoma Assessment using Fundus Images

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Machine Learning for Glaucoma Assessment using Fundus Images

Show full item record

Díaz Pinto, AY. (2019). Machine Learning for Glaucoma Assessment using Fundus Images [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/124351

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/124351

Files in this item

Item Metadata

Title: Machine Learning for Glaucoma Assessment using Fundus Images
Author:
Director(s): Morales Martínez, Sandra Naranjo Ornedo, Valeriana
UPV Unit: Universitat Politècnica de València. Departamento de Ingeniería Electrónica - Departament d'Enginyeria Electrònica
Read date / Event date:
2019-06-26
Issued date:
Abstract:
[ES] Las imágenes de fondo de ojo son muy utilizadas por los oftalmólogos para la evaluación de la retina y la detección de glaucoma. Esta patología es la segunda causa de ceguera en el mundo, según estudios de la Organización ...[+]


[CAT] Les imatges de fons d'ull són molt utilitzades pels oftalmòlegs per a l'avaluació de la retina i la detecció de glaucoma. Aquesta patologia és la segona causa de ceguesa al món, segons estudis de l'Organització Mundial ...[+]


[EN] Fundus images are widely used by ophthalmologists to assess the retina and detect glaucoma, which is, according to studies from the World Health Organization (WHO), the second cause of blindness worldwide. In this ...[+]
Subjects: Glaucoma , Fundus Images , Automatic Screening , Ophthalmic Pathologies , Machine Learning , Deep Learning , Computer Vision , Segmentation , Watershed , U-Net , Classification , CNN , GAN , Image Synthesis , DCGAN , VAE , Semi-supervised Learning
Copyrigths: Reserva de todos los derechos
DOI: 10.4995/Thesis/10251/124351
Thanks:
The research derived from this doctoral thesis has been supported by the Generalitat Valenciana under the scholarship Santiago Grisolía [GRISOLIA/2015/027].
Type: Tesis doctoral

This item appears in the following Collection(s)

Show full item record