一种改进的DME水肿区域神经网络分割模型的构建方法

    公开(公告)号:CN111340829B

    公开(公告)日:2023-02-28

    申请号:CN202010083621.6

    申请日:2020-02-10

    Abstract: 本发明属于网络数据处理技术领域,公开了一种改进的DME水肿区域神经网络分割模型的构建方法,进行OCT图像去噪预处理;基于改进的DeepLab神经网络实现DME水肿区域的粗分割,利用空洞卷积和空间金字塔池化模块设计DeepLab神经网络结构;引入全连接条件随机场优化DME水肿区域边界;利用模型分割性能的评价指标对分割模型精度进行评价。本发明能够提高图像的对比度,在去除噪声的同时保留了病变部位的边缘纹理信息,为水肿区域的精确识别与分割奠定了较好的图像数据基础;能够获得良好的病变部位分割性能,增大感受视野、增强分割性能,提高OCT图像的分割速度。

    一种基于OCT图像的水肿区域分割模型

    公开(公告)号:CN110309827B

    公开(公告)日:2022-10-14

    申请号:CN201910371329.1

    申请日:2019-05-06

    Abstract: 本发明公开了一种基于OCT图像的水肿区域分割算法,包括如下步骤:1)图像预处理,采用高斯滤波对待分割的OCT图像进行预处理;2)水肿区域粗分割,基于K‑means算法对OCT图像进行粗分割,得到OCT图像的感兴趣区域;3)水肿区域细分割,将OCT图像的感兴趣区域的作为初始边界,基于改进的水平集算法对OCT图像进行细分割。本发明减少了边界线检测计算迭代次数,提高了分割效率;时间效率提高了约23%,迭代次数减少了约30%。本发明在分割精度方面:利用SPF函数替代边缘停止函数改进了现有的水平集模型,得出的模型可收敛到ROI内部的水肿区域,从而实现OCT图像水肿区域的分割。

    一种改进的DME水肿区域神经网络分割模型的构建方法

    公开(公告)号:CN111340829A

    公开(公告)日:2020-06-26

    申请号:CN202010083621.6

    申请日:2020-02-10

    Abstract: 本发明属于网络数据处理技术领域,公开了一种改进的DME水肿区域神经网络分割模型的构建方法,进行OCT图像去噪预处理;基于改进的DeepLab神经网络实现DME水肿区域的粗分割,利用空洞卷积和空间金字塔池化模块设计DeepLab神经网络结构;引入全连接条件随机场优化DME水肿区域边界;利用模型分割性能的评价指标对分割模型精度进行评价。本发明能够提高图像的对比度,在去除噪声的同时保留了病变部位的边缘纹理信息,为水肿区域的精确识别与分割奠定了较好的图像数据基础;能够获得良好的病变部位分割性能,增大感受视野、增强分割性能,提高OCT图像的分割速度。

    一种基于OCT图像的水肿区域分割模型

    公开(公告)号:CN110309827A

    公开(公告)日:2019-10-08

    申请号:CN201910371329.1

    申请日:2019-05-06

    Abstract: 本发明公开了一种基于OCT图像的水肿区域分割算法,包括如下步骤:1)图像预处理,采用高斯滤波对待分割的OCT图像进行预处理;2)水肿区域粗分割,基于K-means算法对OCT图像进行粗分割,得到OCT图像的感兴趣区域;3)水肿区域细分割,将OCT图像的感兴趣区域的作为初始边界,基于改进的水平集算法对OCT图像进行细分割。本发明减少了边界线检测计算迭代次数,提高了分割效率;时间效率提高了约23%,迭代次数减少了约30%。本发明在分割精度方面:利用SPF函数替代边缘停止函数改进了现有的水平集模型,得出的模型可收敛到ROI内部的水肿区域,从而实现OCT图像水肿区域的分割。

Patent Agency Ranking