-
公开(公告)号：CN112184647B
公开(公告)日：2023-07-04
申请号：CN202011000834.4
申请日：2020-09-22
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/047 , G06N3/0985
Abstract: 本发明公开一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，包括：对眼底图像数据集进行随机数据增广；将眼底图像数据集标注为是否患有血管病变；将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；将眼底图像数据集划分为训练集与测试集；对眼底图像数据集进行裁剪；修改网络架构的深层；对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；通过所述血管病变识别模型使用所述测试集产生识别血管病变的结果；基于所述血管病变识别模型，将分类器调整为多分类器算法进行动静脉局部狭窄严重程度的分级判断，并产生分级结果。本发明能解决眼底动静脉局部狭窄严重程度的多分类问题，能提高识别的准确率。
-
公开(公告)号：CN112184647A
公开(公告)日：2021-01-05
申请号：CN202011000834.4
申请日：2020-09-22
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
Abstract: 本发明公开一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，包括：对眼底图像数据集进行随机数据增广；将眼底图像数据集标注为是否患有血管病变；将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；将眼底图像数据集划分为训练集与测试集；对眼底图像数据集进行裁剪；修改网络架构的深层；对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；通过所述血管病变识别模型使用所述测试集产生识别血管病变的结果；基于所述血管病变识别模型，将分类器调整为多分类器算法进行动静脉局部狭窄严重程度的分级判断，并产生分级结果。本发明能解决眼底动静脉局部狭窄严重程度的多分类问题，能提高识别的准确率。
-
公开(公告)号：CN113177916A
公开(公告)日：2021-07-27
申请号：CN202110427944.7
申请日：2021-04-21
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明公开了基于少样本学习方法的轻微高血压眼底辨别模型，包括：孪生神经网络，连接于孪生神经网络输出端的距离度量网络，以及连接于距离度量网络输出端的全连接网络；孪生神经网络包括两个并列的主干特征提取网络，分别用于提取输入的两张待比对的眼底图像的特征向量；其中，所述两个并列的主干提取网络具有相同的网络架构且共享网络参数和权值，并且包含通道注意力机制和空间注意力机制；所述两张待比对的眼底图像包括一张轻微高血压眼底图像和一张待检测眼底图像；所述距离度量网络通过距离函数计算所述两个并列的主干特征提取网络所输出的两个特征向量之间的距离；所述全连接网络根据所述距离输出两张待比对的眼底图像的相似度结果。
-
公开(公告)号：CN113177916B
公开(公告)日：2023-04-07
申请号：CN202110427944.7
申请日：2021-04-21
Applicant: 清华大学深圳国际研究生院
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了基于少样本学习方法的轻微高血压眼底辨别模型，包括：孪生神经网络，连接于孪生神经网络输出端的距离度量网络，以及连接于距离度量网络输出端的全连接网络；孪生神经网络包括两个并列的主干特征提取网络，分别用于提取输入的两张待比对的眼底图像的特征向量；其中，所述两个并列的主干提取网络具有相同的网络架构且共享网络参数和权值，并且包含通道注意力机制和空间注意力机制；所述两张待比对的眼底图像包括一张轻微高血压眼底图像和一张待检测眼底图像；所述距离度量网络通过距离函数计算所述两个并列的主干特征提取网络所输出的两个特征向量之间的距离；所述全连接网络根据所述距离输出两张待比对的眼底图像的相似度结果。
-
-
-
Search Results
4
records
(took 0.04 seconds)
