-
公开(公告)号：CN117994266B
公开(公告)日：2024-08-16
申请号：CN202311805255.0
申请日：2023-12-26
Abstract: 本发明公开了一种基于对抗性域适应的低质量眼底彩照智能分割方法，首先进行数据采集和预处理；然后构建生成对抗网络，包括生成器和判别器，用于样本间的映射和真实性判别，对抗训练包括多种损失函数的优化；然后构造UNet分割模型，并进行预训练和微调，最终实现高精度的眼底图像分割。本基于对抗性域适应的低质量眼底彩照智能分割方法结合对抗性域适应和深度学习分割技术，不仅可提高模型在处理不同质量图像上的适应性和鲁棒性，而且可提升分割的准确性和效率，在实际应用中，即使是来自质量较低的成像设备的图像，也能被准确分割，从而可以为眼科医生提供更可靠的诊断信息。
-
Patent Agency Ranking
公开(公告)号：CN118096685A
公开(公告)日：2024-05-28
申请号：CN202410208209.0
申请日：2024-02-26
Abstract: 本发明公开了一种基于深度学习的眼底图像渗漏区定量化计算方法，针对出现弥漫性渗漏患者的FFA图像，对同一患者不同时间的图像进行配准后作差，对得到的非零像素区域进行定量分析，实现观察该患者弥漫性渗漏的面积变化并分析；针对非弥漫性渗漏患者的FFA图像，对同一对象的不同部分计算不同的原型，将不同的图像区域与不同的原型相关联来执行基于原型的语义表示，通过充分利用有限支持图像的语义来增强小样本分割性能，实现系统性地解决语义模糊问题，进而得到相对精确的渗漏区域。
-
公开(公告)号：CN117994266A
公开(公告)日：2024-05-07
申请号：CN202311805255.0
申请日：2023-12-26
Abstract: 本发明公开了一种基于对抗性域适应的低质量眼底彩照智能分割方法，首先进行数据采集和预处理；然后构建生成对抗网络，包括生成器和判别器，用于样本间的映射和真实性判别，对抗训练包括多种损失函数的优化；然后构造UNet分割模型，并进行预训练和微调，最终实现高精度的眼底图像分割。本基于对抗性域适应的低质量眼底彩照智能分割方法结合对抗性域适应和深度学习分割技术，不仅可提高模型在处理不同质量图像上的适应性和鲁棒性，而且可提升分割的准确性和效率，在实际应用中，即使是来自质量较低的成像设备的图像，也能被准确分割，从而可以为眼科医生提供更可靠的诊断信息。
-
公开(公告)号：CN119887800A
公开(公告)日：2025-04-25
申请号：CN202411880812.X
申请日：2024-12-19
IPC: G06T7/11 , G06T7/00 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/094
Abstract: 本发明提供了一种多尺度统一建模的荧光素眼底血管造影图像智能分割方法，步骤一：数据采集与预处理；步骤二：进行拉普拉斯金字塔分解；高斯分解；拉普拉斯分解；对于来自源域和目标域的不同图像均进行两层的拉普拉斯分散；步骤三：构建域对齐网络；构建全局结构编码器和细节增强编码器；分别捕捉来自源域和目标域的全局上下方信息，并将它们映射至共享的向量空间中；引入多尺度特征融合机制，并将融合输出特征映射至共享的向量空间中；最小化域间分布差异；步骤四：构建U‑Net自动分割模型；搭建分割网络；采用U‑Net模型搭建分割网络模型；模型训练；步骤五：进行眼底彩照跨设备的自动分割。该方法能够显著提升多样化眼底图像上的分割精度。
-
公开(公告)号：CN117994509B
公开(公告)日：2024-07-12
申请号：CN202311805256.5
申请日：2023-12-26
IPC: G06V10/26 , G06V10/94 , G06V40/18 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于交互式的眼底图像无灌注区域智能识别方法，首先对图像进行预处理，之后使用U‑net分割模型结合本发明提出的补丁拉锯对比正则化模型和交互记忆网络来进行模型的预训练，预训练时使用少量标记数据即可；最后在用户使用过程中进行多轮交互、迭代改进，交互记忆网络根据用户对小区域识别修改后进行学习并记忆，通过多轮推理逐步提升分割性能。通过本基于交互式的眼底图像无灌注区域智能识别方法来识别眼底的无灌注区域可以提高分割效率，可帮助医生更快速、准确和高效识别患者的眼底无灌注区域，进而进行有针对性的及时治疗。
-
公开(公告)号：CN117994509A
公开(公告)日：2024-05-07
申请号：CN202311805256.5
申请日：2023-12-26
IPC: G06V10/26 , G06V10/94 , G06V40/18 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于交互式的眼底图像无灌注区域智能识别方法，首先对图像进行预处理，之后使用U‑net分割模型结合本发明提出的补丁拉锯对比正则化模型和交互记忆网络来进行模型的预训练，预训练时使用少量标记数据即可；最后在用户使用过程中进行多轮交互、迭代改进，交互记忆网络根据用户对小区域识别修改后进行学习并记忆，通过多轮推理逐步提升分割性能。通过本基于交互式的眼底图像无灌注区域智能识别方法来识别眼底的无灌注区域可以提高分割效率，可帮助医生更快速、准确和高效识别患者的眼底无灌注区域，进而进行有针对性的及时治疗。
-
-
-
-
-
Search Results
6
records
(took 0.041 seconds)
