公开(公告)号：CN110276763A

公开(公告)日：2019-09-24

申请号：CN201810213111.9

申请日：2018-03-15

Applicant: 中南大学

Inventor： 邹北骥 ,  何骐 ,  朱承璋 ,  陈瑶 ,  张子谦

IPC: G06T7/11

Abstract: 本发明公开了一种基于可信度和深度学习的视网膜血管分割图生成方法，包括：步骤1：获取训练数据，并利用预设的可信度模型和训练数据构建训练集；步骤2：从训练集中选取数据并输入基于卷积神经网络的深度学习模型进行训练得到分类器；步骤3：获取待测图像，并对待测图像进行图像预处理；步骤4：将步骤3中图像预处理后的待测图像输入步骤2中的分类器得到待测图像中像素点位于五类可信度区域的五个预测概率值；步骤5：依据步骤4中待测图像中像素点位于五类可信度区域的预测概率值生成视网膜血管分割图。本发明通过上述方法既能精确分割粗血管，还能精确分割细小血管。

公开(公告)号：CN110276763B

公开(公告)日：2021-05-11

申请号：CN201810213111.9

申请日：2018-03-15

Applicant: 中南大学

Inventor： 邹北骥 ,  何骐 ,  朱承璋 ,  陈瑶 ,  张子谦

IPC: G06T7/11

Abstract: 本发明公开了一种基于可信度和深度学习的视网膜血管分割图生成方法，包括：步骤1：获取训练数据，并利用预设的可信度模型和训练数据构建训练集；步骤2：从训练集中选取数据并输入基于卷积神经网络的深度学习模型进行训练得到分类器；步骤3：获取待测图像，并对待测图像进行图像预处理；步骤4：将步骤3中图像预处理后的待测图像输入步骤2中的分类器得到待测图像中像素点位于五类可信度区域的五个预测概率值；步骤5：依据步骤4中待测图像中像素点位于五类可信度区域的预测概率值生成视网膜血管分割图。本发明通过上述方法既能精确分割粗血管，还能精确分割细小血管。