公开(公告)号：CN119006943A

公开(公告)日：2024-11-22

申请号：CN202411488839.4

申请日：2024-10-24

Applicant: 苏州大学

Inventor： 石霏 ,  吴波 ,  陈新建 ,  彭涛

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/40 ,  G16H30/00 ,  G16H50/20

Abstract: 本发明公开了基于眼底双模态图像分层融合的老年黄斑变性分类方法，涉及图像分割技术领域，包括通过使用配对的CFP图像和OCT图像训练特征提取和融合网络，获取CFP特征、OCT特征以及融合后的高维特征；将CFP特征和OCT特征输入模态鉴别器，以增强特征提取器对模态间相关信息的关注；将CFP特征和OCT特征输入由融合特征训练的多模态分类器，并将得到的概率分布结合CFP分类器和OCT分类器输出的概率分布计算模态一致性损失。本发明提供的基于眼底双模态图像分层融合的老年黄斑变性分类方法通过基于对抗学习的模态鉴别器，使网络能够有效区分不同模态的特征，减少模态间的偏差并提升特征的互补性。

公开(公告)号：CN118411573B

公开(公告)日：2024-10-25

申请号：CN202410869834.X

申请日：2024-07-01

Applicant: 苏州大学

Inventor： 石霏 ,  殷子婷 ,  陈新建

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V40/18 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/096 ,  G06N3/0985

Abstract: 本发明涉及图像分类技术领域，尤其涉及一种基于OCT图像的罕见眼底病自动分类方法及系统。基于残差模块、全连接层搭建视网膜OCT图像分类网络；构建常见眼底病训练集，基于训练样本，训练得到分类网络模型的初始参数；随机构造常见病小样本训练任务，对网络进行元训练，包含内循环和外循环；内循环中基于元数据增强及无标注查询更新策略，训练得到常见病小样本分类网络模型；外循环中引入一致性损失，训练得到适用于不同常见病组合的小样本分类网络模型；构建罕见眼底病训练集，对元训练所得小样本分类网络模型进行微调，得到适用于罕见病的小样本分类网络模型；将OCT图像输入到罕见病小样本分类网络模型中，得到病变类型的分类结果。

公开(公告)号：CN118411573A

公开(公告)日：2024-07-30

申请号：CN202410869834.X

申请日：2024-07-01

Applicant: 苏州大学

Inventor： 石霏 ,  殷子婷 ,  陈新建

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/44 ,  G06V40/18 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/096 ,  G06N3/0985

Abstract: 本发明涉及图像分类技术领域，尤其涉及一种基于OCT图像的罕见眼底病自动分类方法及系统。基于残差模块、全连接层搭建视网膜OCT图像分类网络；构建常见眼底病训练集，基于训练样本，训练得到分类网络模型的初始参数；随机构造常见病小样本训练任务，对网络进行元训练，包含内循环和外循环；内循环中基于元数据增强及无标注查询更新策略，训练得到常见病小样本分类网络模型；外循环中引入一致性损失，训练得到适用于不同常见病组合的小样本分类网络模型；构建罕见眼底病训练集，对元训练所得小样本分类网络模型进行微调，得到适用于罕见病的小样本分类网络模型；将OCT图像输入到罕见病小样本分类网络模型中，得到病变类型的分类结果。

公开(公告)号：CN116503639A

公开(公告)日：2023-07-28

申请号：CN202310240656.X

申请日：2023-03-14

Applicant: 苏州大学

Inventor： 陈新建 ,  刘铭 ,  朱伟芳 ,  石霏

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种视网膜OCT图像病变多标签分类系统和方法，系统包括：获取模块：用于获取视网膜OCT图像；第一融合模块：用于提取视网膜OCT图像的深层特征图，同时将深层特征提取过程中输出的特征与深层特征图进行融合，得到图像特征图；拼接模块：用于提取两张视网膜OCT图像的浅层特征，并将包括局部目标信息的浅层特征与图像特征图进行拼接，得到拼接特征；第二融合模块：用于构建输入数据并输入图卷积神经网络，得到向量矩阵，再将向量矩阵和拼接特征进行融合得到输出结果；分类模块：用于根据输出结果对视网膜OCT图像的各种疾病进行分类。本发明能够对视网膜OCT图像的特征进行有效提取，并能对各种视网膜疾病进行分类。

公开(公告)号：CN109345469B

公开(公告)日：2021-10-22

申请号：CN201811042548.7

申请日：2018-09-07

Applicant: 苏州大学

Inventor： 陈新建 ,  石霏 ,  马煜辉 ,  朱伟芳

IPC: G06T5/00 ,  G06T7/30

Abstract: 本发明公开一种基于条件生成对抗网络的OCT成像中散斑去噪方法，包括以下步骤：训练图像的获取、训练图像的预处理、数据扩增、模型训练以及模型使用；本发明采用条件生成对抗网络(cGAN)架构，通过训练得到从含有散斑噪声的OCT图像到无噪声的OCT图像的映射模型，再采用该映射模型对视网膜OCT图像的散斑噪声进行消除。本发明在条件生成对抗网络架构中引入了保持边缘细节的约束条件来训练，得到对边缘信息敏感的OCT图像散斑去噪模型，从而使本发明的散斑去噪模型在有效去除散斑噪声的同时，还能较好的保留图像细节信息。

公开(公告)号：CN109509178B

公开(公告)日：2021-09-10

申请号：CN201811240108.2

申请日：2018-10-24

Applicant: 苏州大学

Inventor： 陈新建 ,  石霏 ,  成雪娜 ,  朱伟芳

IPC: G06T7/00 ,  G06T7/194 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进的U‑net网络的OCT图像脉络膜分割方法，该U‑net网络主要改进点包括：(1)通过在网络中增加编码器和译码器的数量来提取更多特征信息；(2)在编码器后面加入精致残差块来增强每一层识别能力；(3)在译码器后面加入注意力模块让高层语义信息指导底层细节信息；(4)损失函数采用传统的L2损失和Dice损失结合来共同约束网络模型，采用本发明改进的U‑net网络可以自动分割无论是正常人眼还是病理性近视人眼脉络膜的上下边界，并且分割结果准确性高。

公开(公告)号：CN109658466A

公开(公告)日：2019-04-19

申请号：CN201811500608.5

申请日：2018-12-10

Applicant: 苏州大学

Inventor： 陈新建 ,  查雪玮 ,  石霏 ,  朱伟芳

IPC: G06T11/00 ,  G06K9/62

Abstract: 本发明提供了一种具有可行性和有效性的视网膜OCT疾病影像生成的方法，生成的OCT影像可用于扩充OCT疾病影像分类算法的训练数据集；该方法以条件生成对抗网络cGAN为基础，网络结构由生成器与判别器组成，通过将生成对抗损失函数cGAN loss与一种新型结构相似性损失函数SSIM loss相结合，将正常视网膜OCT影像转化成可用于补充分类模型训练集的OCT疾病影像。

公开(公告)号：CN106846338A

公开(公告)日：2017-06-13

申请号：CN201710071069.7

申请日：2017-02-09

Applicant: 苏州大学

Inventor： 陈新建 ,  高恩婷 ,  石霏 ,  朱伟芳

IPC: G06T7/11 ,  G06T7/13 ,  G06T5/00

CPC classification number: G06T5/002 ,  G06T2207/10101 ,  G06T2207/30041

Abstract: 本发明公开了一种基于混合模型的视网膜OCT图像视乳头结构分割方法，包括以下步骤：1）图像预处理，对视网膜图像进行滤波、拉平处理；2）根据手动标记的标记点，建立主动外观模型，并用主动外观模型进行视网膜图像结构的粗分割；3）以步骤2）中的结果为约束条件，用图搜索方法进行视网膜图像结构的精确分割。本发明首次提供了一种具有可行性和有效性的对以视盘为中心的SD‑OCT（频域光学相干断层成像）视网膜图像进行分割的方法，使显微镜成像设备可以利用这种方法进行非接触、高分辨率、高解析度的成像。

公开(公告)号：CN103854284B

公开(公告)日：2016-08-31

申请号：CN201410066419.7

申请日：2014-02-26

Applicant: 苏州大学

Inventor： 陈新建 ,  石霏

IPC: G06T7/00 ,  G06T5/00

Abstract: 本发明公开了一种基于三维图搜索浆液性色素上皮层脱离的视网膜分割方法，包括：（1）基于视网膜上界面分割的块速B扫描图像对齐方法；（2）按分界面显著程度顺序、以已分割界面为约束条件的多分辨率图搜分割方法；（3）用不同的约束条件进行图搜算法得到有隆起区域的色素上皮层下界面和平滑的视网膜底部分界面的方法；（4）基于色素上皮层下界面和视网膜底部分界面位置差别，并结合区域大小和亮度信息的浆液性色素上皮层脱离的分割方法；（5）将图像平坦化后进行外层视网膜层次分割和校正的方法。本发明分割结果具有较高的准确性，能够替代手动分割，对于临床相关眼科疾病的诊断与治疗能起到重要的辅助作用。

公开(公告)号：CN104574374A

公开(公告)日：2015-04-29

申请号：CN201410810074.1

申请日：2014-12-23

Applicant: 苏州大学

Inventor： 陈新建 ,  孙助力 ,  石霏

IPC: G06T7/00 ,  A61B3/12 ,  A61B3/14

Abstract: 视网膜浆液性色素上皮层脱离的自动分割方法，包括以下步骤：a.预处理：把光学相干断层扫描眼部成像仪获取的三维视网膜图像输入计算机，使用曲线异向扩散滤波方法对视网膜浆液性色素上皮层脱离的图像去噪；b.自动分割：使用图搜索算法对视网膜浆液性色素上皮层脱离的图像分层，得到初始分割结果；根据初始分割结果使用数学形态学算法获得前景、背景种子点；使用图割算法对视网膜浆液性色素上皮脱离区域自动分割；c.后处理：使用数学形态学算法优化自动分割结果。本发明有效地融合了图搜索，图割和数学形态学算法，实现了视网膜浆液性色素上皮层脱离区域的自动分割。