Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.creator | Benvenuto, Giovana A. | - |
Autor(es): dc.creator | Colnago, Marilaine | - |
Autor(es): dc.creator | Dias, Maurício A. | - |
Autor(es): dc.creator | Negri, Rogério G. | - |
Autor(es): dc.creator | Silva, Erivaldo A. | - |
Autor(es): dc.creator | Casaca, Wallace | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:12:35Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:12:35Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2022-08-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/bioengineering9080369 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/241615 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/241615 | - |
Descrição: dc.description | In ophthalmology, the registration problem consists of finding a geometric transformation that aligns a pair of images, supporting eye-care specialists who need to record and compare images of the same patient. Considering the registration methods for handling eye fundus images, the literature offers only a limited number of proposals based on deep learning (DL), whose implementations use the supervised learning paradigm to train a model. Additionally, ensuring high-quality registrations while still being flexible enough to tackle a broad range of fundus images is another drawback faced by most existing methods in the literature. Therefore, in this paper, we address the above-mentioned issues by introducing a new DL-based framework for eye fundus registration. Our methodology combines a U-shaped fully convolutional neural network with a spatial transformation learning scheme, where a reference-free similarity metric allows the registration without assuming any pre-annotated or artificially created data. Once trained, the model is able to accurately align pairs of images captured under several conditions, which include the presence of anatomical differences and low-quality photographs. Compared to other registration methods, our approach achieves better registration outcomes by just passing as input the desired pair of fundus images. | - |
Descrição: dc.description | Faculty of Science and Technology (FCT) São Paulo State University (UNESP) | - |
Descrição: dc.description | Institute of Mathematics and Computer Science (ICMC) São Paulo University (USP) | - |
Descrição: dc.description | Science and Technology Institute (ICT) São Paulo State University (UNESP) | - |
Descrição: dc.description | Institute of Biosciences Letters and Exact Sciences (IBILCE) São Paulo State University (UNESP) | - |
Descrição: dc.description | Faculty of Science and Technology (FCT) São Paulo State University (UNESP) | - |
Descrição: dc.description | Science and Technology Institute (ICT) São Paulo State University (UNESP) | - |
Descrição: dc.description | Institute of Biosciences Letters and Exact Sciences (IBILCE) São Paulo State University (UNESP) | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Bioengineering | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | computer vision applications | - |
Palavras-chave: dc.subject | deep learning | - |
Palavras-chave: dc.subject | fundus image | - |
Palavras-chave: dc.subject | image registration | - |
Título: dc.title | A Fully Unsupervised Deep Learning Framework for Non-Rigid Fundus Image Registration | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: