Hard exudates segmentation based on learned initial seeds and iterative graph cut

(نتیجه گیری): این روش به تازگی پیشنهاد شده، تکنیک های یادگیری نظارت شده و یادگیری بدون نظارت را ادغام می کند. آن را در مقایسه با روش های موجود در ادبیات بهبود عملکرد را به دست می آورد. استحکام روش پیشنهادی برای سناریوی مجموعه داده های متقابل می تواند کاربرد عملی آن را افزایش دهد. بدین معنی که مدل آموزش دیده می تواند برای داده های نامرئی در وضعیت واقعی دشوار باشد، مخصوصا زمانی که محیط های ضبط تصاویر آموزش و تست یکسان نیست.