公开(公告)号：CN116091519B

公开(公告)日：2024-09-06

申请号：CN202211644781.9

申请日：2022-12-20

Applicant: 苏州大学

Inventor： 陈新建 ,  沈佳燕 ,  陈中悦 ,  朱伟芳

IPC: G06T7/11 ,  G06T3/4038 ,  G06N3/0464

Abstract: 本发明涉及深度学习技术领域，尤其是指一种脉络膜新生血管生长预测方法、装置及存储介质。本发明提出了一种基于卷积神经网络的CNV生长预测方法，将采集到的图像分割出感兴趣的CNV病变区域，并将其与原图进行拼接，作为生长预测的输入，保证CNV生长预测的准确性，所提出的基于注意力的门控递归单元，由于集成了纵向数据的空间注意力和通道注意力，着重关注时空序列图像的空间位置的变化，在减少计算量的同时，能够在多维数据中执行卷积操作来捕获时空序列图像的空间特征，在生长预测方面具有更好的性能。

公开(公告)号：CN116091519A

公开(公告)日：2023-05-09

申请号：CN202211644781.9

申请日：2022-12-20

Applicant: 苏州大学

Inventor： 陈新建 ,  沈佳燕 ,  陈中悦 ,  朱伟芳

IPC: G06T7/11 ,  G06T3/40 ,  G06N3/0464

Abstract: 本发明涉及深度学习技术领域，尤其是指一种脉络膜新生血管生长预测方法、装置及存储介质。本发明提出了一种基于卷积神经网络的CNV生长预测方法，将采集到的图像分割出感兴趣的CNV病变区域，并将其与原图进行拼接，作为生长预测的输入，保证CNV生长预测的准确性，所提出的基于注意力的门控递归单元，由于集成了纵向数据的空间注意力和通道注意力，着重关注时空序列图像的空间位置的变化，在减少计算量的同时，能够在多维数据中执行卷积操作来捕获时空序列图像的空间特征，在生长预测方面具有更好的性能。