心血管光学相干断层OCT图像易损斑块自动识别方法

    公开(公告)号:CN107993221B

    公开(公告)日:2021-11-02

    申请号:CN201711136466.4

    申请日:2017-11-16

    Applicant: 济南大学

    Abstract: 一种心血管光学相干断层OCT图像易损斑块自动识别方法,包括如下步骤:a)采集心血管OCT图像;b)对心血管OCT图像进行标准化处理;c)将标准化处理后的图像进行易损斑块识别处理,d)采用栈式自编码方法对样本集构造深度学习模型:e)进行分类识别;f)采用双线性插值方法进行笛卡尔坐标系转换;g)将坐标系转换后的图像进行划分象限;h)判断划分象限后的图像中的同一个象限是否存在两个及以上的连通区域。结合心血管OCT图像特点,重新构造样本数据集,克服样本数量有限的问题。另外,学习模型往往受训练集影响,本发明多次随机抽取数据集中的样本来训练学习模型,并通过投票策略形成集成学习模型。通过大量实验证明,该技术能够取得较高的识别精度。

    心血管光学相干断层OCT图像易损斑块自动识别方法

    公开(公告)号:CN107993221A

    公开(公告)日:2018-05-04

    申请号:CN201711136466.4

    申请日:2017-11-16

    Applicant: 济南大学

    Abstract: 一种心血管光学相干断层OCT图像易损斑块自动识别方法,包括如下步骤:a)采集心血管OCT图像;b)对心血管OCT图像进行标准化处理;c)将标准化处理后的图像进行易损斑块识别处理,d)采用栈式自编码方法对样本集构造深度学习模型:e)进行分类识别;f)采用双线性插值方法进行笛卡尔坐标系转换;g)将坐标系转换后的图像进行划分象限;h)判断划分象限后的图像中的同一个象限是否存在两个及以上的连通区域。结合心血管OCT图像特点,重新构造样本数据集,克服样本数量有限的问题。另外,学习模型往往受训练集影响,本发明多次随机抽取数据集中的样本来训练学习模型,并通过投票策略形成集成学习模型。通过大量实验证明,该技术能够取得较高的识别精度。

Patent Agency Ranking