公开(公告)号：CN115018756B

公开(公告)日：2024-11-22

申请号：CN202210223486.X

申请日：2022-03-09

Applicant: 苏州大学

Inventor： 王加俊 ,  胡丹峰 ,  沈丹 ,  邹玮

IPC: G06T7/00 ,  G06V40/14 ,  G06V40/18 ,  G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09 ,  A61B3/12

Abstract: 本发明公开了一种眼底视网膜动静脉的分类方法，包括获取彩色的眼底视网膜图像；将眼底视网膜图像分别输入到多尺度深监督全卷积网络和深监督高分辨率网络中，分别得到信息融合所需的处理结果；将两种处理结果按照特征级融合或决策级融合的策略，并利用对应的信息融合技术进行融合，实现同时对视网膜动静脉的整体结构和细小血管进行分割和分类。本发明以彩色眼底视网膜图像为研究对象，利用深度学习技术，结合视网膜图像特点，通过多尺度深监督全卷积神经网络，或改进条件生成对抗网络，或多尺度深监督全卷积网络和深监督高分辨率网络融合算法，对彩色眼底视网膜图像进行动静脉分类，不仅提高了分类的准确性及效率较高，而大大降低了劳动强度。

公开(公告)号：CN115018756A

公开(公告)日：2022-09-06

申请号：CN202210223486.X

申请日：2022-03-09

Applicant: 苏州大学

Inventor： 王加俊 ,  胡丹峰 ,  沈丹 ,  邹玮

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08 ,  G06N3/04 ,  A61B3/12

Abstract: 本发明公开了一种眼底视网膜动静脉的分类方法，包括获取彩色的眼底视网膜图像；将眼底视网膜图像分别输入到多尺度深监督全卷积网络和深监督高分辨率网络中，分别得到信息融合所需的处理结果；将两种处理结果按照特征级融合或决策级融合的策略，并利用对应的信息融合技术进行融合，实现同时对视网膜动静脉的整体结构和细小血管进行分割和分类。本发明以彩色眼底视网膜图像为研究对象，利用深度学习技术，结合视网膜图像特点，通过多尺度深监督全卷积神经网络，或改进条件生成对抗网络，或多尺度深监督全卷积网络和深监督高分辨率网络融合算法，对彩色眼底视网膜图像进行动静脉分类，不仅提高了分类的准确性及效率较高，而大大降低了劳动强度。