-
公开(公告)号：CN110517235B
公开(公告)日：2021-10-19
申请号：CN201910762318.6
申请日：2019-08-19
Applicant: 苏州大学
Abstract: 本发明公开了一种基于GCS‑Net进行OCT图像脉络膜自动分割方法，包括以下步骤：数据获取和预处理；构建GCS‑Net网络模型，采用U‑Net结构作为基础网络，在编码路径与解码路径之间的每层跨越连接层采用组间通道膨胀模块(GCD)进行连接，在解码路径中每层反卷积层后采用组间空间膨胀模块(GSD)进行层间连接；对训练好的GCS‑Net网络模型进行测试，将待分割图像输入构建好的模型中，输出对应的脉络膜分割图。上述两个模块采用两种方式分别自动选择组间的多尺度信息，显著提高了脉络膜自动分割的准确性，且适用对象可扩展至病理性近视或含视神经乳头的视网膜图像，本发明有利于提高脉络膜定量分析的准确率以及有利于全面获取三维大视野数据中脉络膜的形态信息。
-
公开(公告)号：CN109509178A
公开(公告)日：2019-03-22
申请号：CN201811240108.2
申请日：2018-10-24
Applicant: 苏州大学
Abstract: 本发明公开了一种基于改进的U-net网络的OCT图像脉络膜分割方法，该U-net网络主要改进点包括：(1)通过在网络中增加编码器和译码器的数量来提取更多特征信息；(2)在编码器后面加入精致残差块来增强每一层识别能力；(3)在译码器后面加入注意力模块让高层语义信息指导底层细节信息；(4)损失函数采用传统的L2损失和Dice损失结合来共同约束网络模型，采用本发明改进的U-net网络可以自动分割无论是正常人眼还是病理性近视人眼脉络膜的上下边界，并且分割结果准确性高。
-
公开(公告)号：CN110517235A
公开(公告)日：2019-11-29
申请号：CN201910762318.6
申请日：2019-08-19
Applicant: 苏州大学
Abstract: 本发明公开了一种基于GCS-Net进行OCT图像脉络膜自动分割方法，包括以下步骤：数据获取和预处理；构建GCS-Net网络模型，采用U-Net结构作为基础网络，在编码路径与解码路径之间的每层跨越连接层采用组间通道膨胀模块(GCD)进行连接，在解码路径中每层反卷积层后采用组间空间膨胀模块(GSD)进行层间连接；对训练好的GCS-Net网络模型进行测试，将待分割图像输入构建好的模型中，输出对应的脉络膜分割图。上述两个模块采用两种方式分别自动选择组间的多尺度信息，显著提高了脉络膜自动分割的准确性，且适用对象可扩展至病理性近视或含视神经乳头的视网膜图像，本发明有利于提高脉络膜定量分析的准确率以及有利于全面获取三维大视野数据中脉络膜的形态信息。
-
公开(公告)号：CN109509178B
公开(公告)日：2021-09-10
申请号：CN201811240108.2
申请日：2018-10-24
Applicant: 苏州大学
Abstract: 本发明公开了一种基于改进的U‑net网络的OCT图像脉络膜分割方法，该U‑net网络主要改进点包括：(1)通过在网络中增加编码器和译码器的数量来提取更多特征信息；(2)在编码器后面加入精致残差块来增强每一层识别能力；(3)在译码器后面加入注意力模块让高层语义信息指导底层细节信息；(4)损失函数采用传统的L2损失和Dice损失结合来共同约束网络模型，采用本发明改进的U‑net网络可以自动分割无论是正常人眼还是病理性近视人眼脉络膜的上下边界，并且分割结果准确性高。
-
-
-
Search Results
4
records
(took 0.013 seconds)
