买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门眼科中心有限公司申请的专利一种基于广角眼底图像的糖尿病视网膜病变识别与分级方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119477899B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510042244.4，技术领域涉及：G06T7/00；该发明授权一种基于广角眼底图像的糖尿病视网膜病变识别与分级方法是由黎晓新;陈秀菊;龚颂建;郑昊设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种基于广角眼底图像的糖尿病视网膜病变识别与分级方法在说明书摘要公布了：本发明公开了一种基于广角眼底图像的糖尿病视网膜病变识别与分级方法，包括以下步骤：S1、采集糖尿病视网膜病变的广角眼底图像数据，并对广角眼底图像进行预处理；S2、将预处理好的广角眼底图像输入预先建立的质控神经网络模型中，判断是否存在屈光间质浑浊，若存在，则返回输出图像质量不达标报告；S3、基于所述质控神经网络模型，并结合多尺度特征提取策略，捕捉广角眼底图像中的全局结构和局部细节，识别糖尿病视网膜的常见病种的典型特征，判断是否存在眼底常见病种，若存在，则输出对应病种预测报告；S4、通过预先训练的分期神经网络模型对广角眼底图像进行视网膜病变分期，输出概率最高的分期类别。

本发明授权一种基于广角眼底图像的糖尿病视网膜病变识别与分级方法在权利要求书中公布了：1.一种基于广角眼底图像的糖尿病视网膜病变识别与分级方法，其特征在于：包括以下步骤： S1、采集糖尿病视网膜病变的广角眼底图像数据，并对广角眼底图像进行预处理，其中所述广角眼底图像的预处理方法具体为： S11、基于特征点匹配与图像融合的优化算法，自动识别并精确对齐各局部图像，同时通过无缝融合技术消除接缝，保持图像色彩和亮度的连续性； S12、根据图像内容光照自适应调整策略，识别图像中的暗区和亮区，并通过非线性映射算法实现全局光照均衡，同时保留图像细节； S13、调用尺度血管细节增强滤波器增强图像整体对比度，保留并突出血管细微结构，提高糖尿病视网膜病变特征的可视化效果； S2、将预处理好的广角眼底图像输入预先建立的质控神经网络模型中，判断是否存在屈光间质浑浊，若存在，则返回输出图像质量不达标报告，若不存在，进入步骤S3； S3、基于所述质控神经网络模型，并结合多尺度特征提取策略，捕捉广角眼底图像中的全局结构和局部细节，识别糖尿病视网膜的常见病种的典型特征，判断是否存在眼底常见病种，若存在，则输出对应病种预测报告，若不存在，则进入糖尿病视网膜病变分期； S4、通过预先训练的分期神经网络模型对广角眼底图像进行视网膜病变分期，输出概率最高的分期类别； S5、通过预先训练的病灶分割模型和视杯视盘分割模型对广角眼底图像的病灶进行分割，并对病灶的视杯视盘进行像素级标注； S6、根据分期类别和病灶分割结果生成相对应的筛查分析报告； 所述病灶分割模型和视杯视盘分割模型均采用EfficientNet-B0的语义分割网络模型结构，其中，图像病灶的分割类型包括背景、出血、硬渗、棉絮斑及新生血管，在所述病灶分割模型的训练过程中，采用DiceLoss和GeneralUnionLoss，并将两者以一定比例加权求和作为总的损失函数，其中，所述DiceLoss的加权权重与病灶的面积成反比，所述GeneralUnionLoss用于分割小病灶，提高小病灶的敏感度，所述病灶分割模型的训练周期为300个epoch，0-50epoch学习率为0.1，50-150epoch的学习率为0.05，150-250epoch的学习率为0.01，250-300epoch学习率为0.001，在所述视杯视盘分割模型的训练过程中采用DiceLoss和GeneralUnionLoss，并将两者以一定比例加权求和作为总的损失函数，训练过程中对输入图像进行边缘检测并生成边缘增强图，将其作为额外的输入通道与原始图像一同送入网络进行训练，增加边缘部分的权重，使得网络模型学习到更多的边缘特征，同时，视杯视盘分割及标注过程用于定位四个象限，以分割后视盘的中点为坐标轴原点，水平垂直方向引出x轴和y轴，基于此可形成对分割病灶的描述。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门眼科中心有限公司，其通讯地址为：361000 福建省厦门市思明区厦禾路336号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。