公开(公告)号：CN112581448A

公开(公告)日：2021-03-30

申请号：CN202011494749.8

申请日：2020-12-17

Applicant: 中南大学

Inventor： 邹北骥 ,  杨璐璐 ,  陈园琼 ,  姜灵子

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/90 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种视网膜图像硬性渗出物识别方法，包括获取原始的视网膜图像、标记硬性渗出物并初步处理；建立视网膜图像硬性渗出物初步识别模型并设置模型的损失函数；采用处理后的图像数据对视网膜图像硬性渗出物初步识别模型进行训练得到视网膜图像硬性渗出物识别模型；将实时获取的视网膜图像输入视网膜图像硬性渗出物识别模型并完成实时获取的视网膜图像中硬性渗出物的识别。本发明还提供了一种包括所述视网膜图像硬性渗出物识别方法的成像方法。本发明采用基于多尺度的边缘检测网络HED模型进行硬性渗出物检测，同时更新了识别模型中的损失函数，从而保证了模型识别的精度和效果；因此，本发明方法的可靠性高、准确性好，而且效果较好。

公开(公告)号：CN112700409A

公开(公告)日：2021-04-23

申请号：CN202011581334.4

申请日：2020-12-28

Applicant: 中南大学

Inventor： 邹北骥 ,  单希 ,  杜婧瑜 ,  程真真 ,  杨璐璐

IPC: G06T7/00 ,  G06K9/32 ,  G06K9/34 ,  G06N3/04

Abstract: 本发明公开了一种视网膜微动脉瘤自动检测方法，包括获取原始视网膜彩色眼底图像并标记；提取通道分量和感兴趣区域；对图像数据进行图像处理得到训练数据集；以U形网络为基本架构构建视网膜微动脉瘤初步识别模型；采用训练数据集训练识别模型得到最终的视网膜微动脉瘤识别模型；采用视网膜微动脉瘤识别模型对实时获取的视网膜彩色眼底图像进行识别检测。本发明还公开了一种包括所述视网膜微动脉瘤自动检测方法的成像方法。本发明采用卷积神经网络和注意力引导滤波器训练得到深度学习模型，可以自动提取特征，相比于传统方法，省去了复杂的人工特征设计和提取过程，具有速度快、准确率高的优势，而且可靠性高、实用性好、适用范围广且易于实施。