公开(公告)号：CN114612484B

公开(公告)日：2023-07-07

申请号：CN202210223934.6

申请日：2022-03-07

Applicant: 中国科学院苏州生物医学工程技术研究所

Inventor： 何益 ,  王晶 ,  陈一巍 ,  樊金宇 ,  叶虹 ,  侯祖军 ,  史国华 ,  李超宏

IPC: G06T7/11 ,  G06T7/136 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/088 ,  G06N3/094

Abstract: 本发明公开了一种基于无监督学习的视网膜OCT图像分割方法，包括以下步骤：S1、从采集的OCT图像中，筛选出正常视网膜图像和异常网膜图像；S2、筛除质量存在问题的图像，余下的作为训练数据集；S3、构建视网膜OCT图像生成网络模型；S4、网络模型训练；S5、通过训练好的网络模型对输入的视网膜OCT图像进行病灶分割。本发明提供的方法能实现眼底视网膜OCT图像中的病灶精准分割，相比现有的无监督病灶分割方法，本发明能大大减少预处理步骤，最大程度保留原始的图像信息，对常见的渗出性和水肿型病灶都有较好的分割效果；本发明对加快眼底相关疾病的临床诊断速度、提高诊断精度和指导检查具有潜在的医学价值。

公开(公告)号：CN114612484A

公开(公告)日：2022-06-10

申请号：CN202210223934.6

申请日：2022-03-07

Applicant: 中国科学院苏州生物医学工程技术研究所

Inventor： 何益 ,  王晶 ,  陈一巍 ,  樊金宇 ,  叶虹 ,  侯祖军 ,  史国华 ,  李超宏

IPC: G06T7/11 ,  G06T7/136 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于无监督学习的视网膜OCT图像分割方法，包括以下步骤：S1、从采集的OCT图像中，筛选出正常视网膜图像和异常网膜图像；S2、筛除质量存在问题的图像，余下的作为训练数据集；S3、构建视网膜OCT图像生成网络模型；S4、网络模型训练；S5、通过训练好的网络模型对输入的视网膜OCT图像进行病灶分割。本发明提供的方法能实现眼底视网膜OCT图像中的病灶精准分割，相比现有的无监督病灶分割方法，本发明能大大减少预处理步骤，最大程度保留原始的图像信息，对常见的渗出性和水肿型病灶都有较好的分割效果；本发明对加快眼底相关疾病的临床诊断速度、提高诊断精度和指导检查具有潜在的医学价值。