公开(公告)号：CN111259982B

公开(公告)日：2023-05-12

申请号：CN202010089915.X

申请日：2020-02-13

Applicant: 苏州大学

Inventor： 陈新建 ,  彭圆圆 ,  朱伟芳

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于注意力机制的早产儿视网膜图像分类方法和装置，包括步骤：将待识别的二维视网膜眼底图像进行预处理，得到预处理后的二维视网膜眼底图像；将预处理后的二维视网膜眼底图像输入到预先训练好的深度注意力网络模型中，输出图像的分类结果识别出早产儿视网膜病变ROP图像；所述深度注意力网络模型为在原始ResNet18网络的第三个残差层和第四个残差层后分别添加互补残差注意力模块和通道注意力SE模块。本发明能够获取丰富且重要的全局和局部信息，使得网络能够学习到正确的病变特征，从而使得分类网络能较好解决病变与背景之间极大的数据不平衡问题，进而提高深度注意力网络模型的分类性能。

公开(公告)号：CN111259982A

公开(公告)日：2020-06-09

申请号：CN202010089915.X

申请日：2020-02-13

Applicant: 苏州大学

Inventor： 陈新建 ,  彭圆圆 ,  朱伟芳

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于注意力机制的早产儿视网膜图像分类方法和装置，包括步骤：将待识别的二维视网膜眼底图像进行预处理，得到预处理后的二维视网膜眼底图像；将预处理后的二维视网膜眼底图像输入到预先训练好的深度注意力网络模型中，输出图像的分类结果识别出早产儿视网膜病变ROP图像；所述深度注意力网络模型为在原始ResNet18网络的第三个残差层和第四个残差层后分别添加互补残差注意力模块和通道注意力SE模块。本发明能够获取丰富且重要的全局和局部信息，使得网络能够学习到正确的病变特征，从而使得分类网络能较好解决病变与背景之间极大的数据不平衡问题，进而提高深度注意力网络模型的分类性能。

公开(公告)号：CN112308830A

公开(公告)日：2021-02-02

申请号：CN202011161035.5

申请日：2020-10-27

Applicant: 苏州大学

Inventor： 陈新建 ,  彭圆圆

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请实施例公开一种基于注意力机制和深监督策略的早产儿视网膜病变自动分区识别方法，包括图像的预处理，将二维视网膜眼底彩照图像利用双线性插值下采样到256×256并进行减均值处理；对数据进行在线数据扩增操作；网络结构的搭建，通过在DenseNet121卷积神经网络中设置空间通道注意力模块SACAB并引入深监督策略搭建为网络结构；模型的训练和测试，通过迁移学习将ImageNet上预训练的DenseNet121卷积神经网络作为预训练模型，并通过训练集中的数据训练网络结构，网络结构训练结束后，通过测试集测试网络结构的性能。本申请实现了对早产儿视网膜眼底彩照图像中I区/II区/III区的自动分类识别，为后续的ROP自动诊断奠定基础。