资 源 简 介
应用背景 ；变换和Gabor视网膜血管检测的机器学习，教程本教程将展示如何Gabor变换和广义%的线性模型（GLM）可用于视网膜血管检测%图像。%具体地说，我们将尝试检测视网膜血管%的训练图像，首先，Gabor滤波器与图像卷积。% GLM将使用Gabor变换的图像特征确定%（独立变量），以及船只的位置%的结果（因变量）。在本教程中，我们将把这种方法用于检测容器的Gabor + GLM。%的Gabor + GLM将伪*验证如何检测视网膜“测试图像”中的船只。最后，我们将计算的灵敏度，%的特异性，绘制ROC曲线，以及相应的曲线下面积（AUC）。关键技术本代码实现了一个用于视网膜的血管分割算法
