-
公开(公告)号：CN108537282A
公开(公告)日：2018-09-14
申请号：CN201810331222.X
申请日：2018-04-13
Applicant: 东北大学
Abstract: 本发明公开了一种使用超轻量级SqueezeNet网络的糖尿病视网膜病变分级方法，它针对每一类糖尿病视网膜病变准备大量SLO眼底照片并进行预处理和数据扩增；建立包含fire模块的超轻量级SqueezeNet深度卷积神经网络；基于大量眼底照片对深度卷积神经网络进行训练，使深度卷积神经网络的最终输出值符合眼底照片的分级结果；从而即可利用训练好的深度卷积神经网络自动进行疾病分级。本发明的方法通过对大量包括诊断标记的眼底镜照片的运用，通过超轻量级深度学习网络和很少的参数来实现自动从训练范例库中学习所需特征并进行分级判断，在训练过程中不断纠正用于判断的数据特征以及深度卷积神经网络参数，从而能够极大提高在现实应用场景中的分级准确性和可靠度。
-
公开(公告)号：CN107563996B
公开(公告)日：2019-12-03
申请号：CN201710731610.2
申请日：2017-08-23
Applicant: 东北大学
Abstract: 本发明公开了一种新型视神经盘分割方法及系统，方法步骤包括：S100、利用角点检测算法检测眼底图像中视神经盘周围的兴趣点，并计算围绕兴趣点的凸包以提取视神经盘区域图像；S200、根据视神经盘区域图像像素点之间的特征相似性，对像素点进行分组，得到能够代替大量像素表达图像特征的超像素；S300、基于凸包和超像素计算先验概率分布，在凸包内外分别统计颜色直方图并计算观测似然概率；S400、根据贝叶斯定理，计算每个像素点f属于视神经盘区域的后验概率，得到后验概率分布图；S500、基于后验概率分布图，并通过标准的霍夫变换圆检测从眼底图像中分割出视神经盘。本发明采用由粗到精的分割策略，在贝叶斯模型框架下实现对眼底图像进行视神经盘的精确分割。
-
公开(公告)号：CN107563996A
公开(公告)日：2018-01-09
申请号：CN201710731610.2
申请日：2017-08-23
Applicant: 东北大学
Abstract: 本发明公开了一种新型视神经盘分割方法及系统，方法步骤包括：S100、利用角点检测算法检测眼底图像中视神经盘周围的兴趣点，并计算围绕兴趣点的凸包以提取视神经盘区域图像；S200、根据视神经盘区域图像像素点之间的特征相似性，对像素点进行分组，得到能够代替大量像素表达图像特征的超像素；S300、基于凸包和超像素计算先验概率分布，在凸包内外分别统计颜色直方图并计算观测似然概率；S400、根据贝叶斯定理，计算每个像素点f属于视神经盘区域的后验概率，得到后验概率分布图；S500、基于后验概率分布图，并通过标准的霍夫变换圆检测从眼底图像中分割出视神经盘。本发明采用由粗到精的分割策略，在贝叶斯模型框架下实现对眼底图像进行视神经盘的精确分割。
-
-
Search Results
3
records
(took 0.014 seconds)
