视网膜分层是视盘结构三维分析、青光眼三维特征提取的基础，为改善视网膜 OCT 图像的层次分割效果，提出了一个基于强度的二维视网膜黄斑 OCT 图像多层结构分割算法。分割方法通过预处理、滤波等操作，计算出视网膜OCT图像中每个A-scan的强度和强度梯度值，能很好地分割出视网膜OCT图像中的RNFL上界、IS和OS分界线、RPE层下界等，并用最短距离计算的黄斑距离策略对黄斑部位分层结果进行再优化，从而实现视网膜OCT图像的层次分割。实验结果表明，所提算法优化效果好，时间复杂度低，运行速度较快。

基于MCNN的_HSI_分类 文件 MCNN-CP：使用混合卷积和协方差合并的高光谱图像分类（TGARS 2021） MCNN-PS和Oct-MCNN-PS：使用混合3D八度音程和2D子像素卷积神经网络的高光谱图像分类（已提交TGARS） 1.环境设置 该代码已在配备Intel i7-9750H 2.6 GHz处理器，32 GB RAM和NVIDIA GTX1650图形卡，Python 3.6，tensorflow_gpu-1.14.0，Keras-2.2.4，CUDA 10.0， cuDNN 7.6。 请在运行此代码之前安装相关的库： pip install -r requirements.txt 2.下载日期集： IP：， UH： 上： SA：和 并将它们放入数据目录。 3.下载模型（加载模型）： 代码：caor 并将它们放到models目录中。 4.下载pretrai

matlab高斯金字塔代码OCT运动校正 此回购包含我的硕士论文的代码。 该项目旨在提供一种减少通过光学相干断层扫描技术获取的图像中的运动伪影的解决方案。 结构 文件 描述 saccadesModeling.mlx 包含有关如何模拟眼睛运动的信息。 phantomModeling.mlx 显示如何将扫视运动应用于测试数据。 metricsModeling.mxl 研究图像质量指标（糟糕）的行为。 projectTest.m 包含项目用例。 RegistrationObjective.m 封装用于图像配准的目标函数。 注册程序 从资源加载实验数据并执行注册。 SaccadeGenerator.m 产生扫视运动。 扫描程序 对扫描过程进行建模，并对给定的原始3D图像进行扫视运动。 用法 首先，结帐项目。 $ git clone https://github.com/merlinDM/oct-motion-correction.git 将项目添加到Matlab搜索路径： >> cd ' /path/to/project/ ' ; >> addpath(pwd); 运行示例： >> run '

OCT_review

全场oct的学术论文，关于ffoct的实验搭建和图像的得出

windows_server_2022_LTSC_OCT_001

windows_server_2022_LTSC_OCT_002 (共001-005)

windows_server_2022_LTSC_OCT_005 (共001-005)

windows_server_2022_LTSC_OCT_003 (共001-005)

windows_server_2022_LTSC_OCT_004 (共001-005)