基于图优化技术，提出了一种新颖的视网膜内层自动分割方法。光学相干断层扫描（OCT）图像中十个视网膜层的11个边界得到了准确，快速和可靠的量化。代替考虑单个像素的强度或梯度特征，所提出的方法着重于整个基于边缘的图像提示。该图像表示为一个完整的加权图，其中连接的组件为节点。基于所连接组件的梯度和空间距离信息以及亲和度矩阵对每个节点进行排名。在三个阶段的项目中有效地进行了细分，以提取11个边界。在来自两个不同数据库的64个OCT图像上对分割算法进行了评估，并将其与两个独立观察者的手动跟踪进行了比较。它在平均无符号边界误差和平均有符号边界误差方面显示出令人鼓舞的结果。

vcap_3V0-21.21 Exam_95_OCT_2022 .pdf

Citect_SCADA_2018_Update_14_(Oct_08_2019)、西雅特软件升级包，是工控行业不错的一个软件。软件功能小巧而又强大，适合有经验的工业自动化工控人员使用。

DUKE大学OCT图像（Chiu_BOE_2014_dataset）积液分割图像，包括源文件（.mat）以及自己分割出的专家标注二值图。用于积液分割，机器学习训练数据源。 数据集原.mat文件可以自己用matlab处理，我这里用python代码解析出来的图片。

[MSDN].msdn_oct_2001 适用于vc++6.0，最后一个版本。分成7个文件上传

分析了OCT系统中某些导致图像畸变的因素,提出了相应的补偿算法——“相关峰值扫描重定位算法”。从图像的相关峰值位置函数中,将样品本身灰度特征的变化规律和畸变特征用数字滤波的方法分离开来。分析了噪声对相关运算的影响及用灰度门限抑制噪声的措施。讨论了算法的容错性,通过对重定位量加以限制,避免了严重错位引起的重定位阶跃失真。对算法存在的累积误差等局限性提出了改进建议。给出了畸变图像的恢复实例。

2.5D Platformer Engine v1.0(Oct 02,2017)u17.1+1.unitypackage

通过对光学相干层析(OCT)系统中的噪声源进行分析,提出了一种将小波变换和分数阶积分结合的OCT图像去噪方法。先将OCT图像进行小波分解,获得不同频带的子图像。将低频近似图像保持不变,对水平、垂直和对角三个方向的高频细节图像采用三种改进的分数阶积分Tiansi模板进行滤波,最后将低频近似图像与三个分数阶积分滤波后的高频细节图像合成,得到去噪后的图像。实验结果表明;该算法在有效降低OCT图像散斑噪声的同时,尽可能地保留了图像的细节;相比经典的去噪算法和单一的分数阶积分算法,本文算法的去噪效果较好。

最后一个支持vc6的mdsn版本，1.45GB完整安装版，效果很好，按F1可以自动查询。上传的是种子文件，下载速度非常快。我这里1MB以上，和你的网速有关。

relaynet_pytorch ReLayNet的PyTorch实施。 代码中仍然存在一些错误和问题，我们正在努力修复它们。 由Abhijit Guha Roy和Shayan Siddiqui（ ）编码 如果您出于任何学术目的使用此代码，请引用： A. Guha Roy，S。Conjeti，SPKKarri，D.Sheet，A.Katouzian，C.Wachinger和N.Navab，“ ReLayNet：使用完全卷积网络的黄斑光学相干层析成像的视网膜层和流体分割”，Biomed。 选择。 Express 8，3627-3642（2017）链接： ://arxiv.org/abs/1704.02161 享受！！ :)