申请/专利权人：浙江大学;浙大城市学院

申请日：2023-08-14

公开（公告）日：2023-11-17

公开（公告）号：CN117078618A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06V10/26;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.05#实质审查的生效;2023.11.17#公开

摘要：本发明公开了一种视盘视杯分割方法及装置、电子设备、介质，该方法对源域的眼底图像同时进行分类和分割训练以利用图像级和像素级标签提供的互补反馈，对源域和目标域的眼底图像进行分类训练，来降低源域和目标域之间的距离。采用基于Transformer的自注意力机制以及域自适应技术，克服了视杯视盘分割中由于视杯所占眼底图像面积小而导致的分割精度低以及由于眼底相机的不同或者拍摄环境的不同导致的得到的眼底图像会存在颜色、纹理等光学性质不同从而对模型预测结果产生较大影响的问题，进而实现对多种不同风格的眼底图像都可以获得高精度的视杯视盘分割结果。

主权项：1.一种基于域自适应与Transformer结合的视盘视杯分割方法，其特征在于，包括：步骤S11：获取源域眼底图像和目标域眼底图像，其中所述源域眼底图像带有分割标签和第一分类标签，所述目标域眼底图像带有第二分类标签；步骤S12：获取预训练的ROI提取网络，利用所述ROI提取网络从所述源域眼底图像和目标域眼底图像提取ROI区域，得到源域ROI区域图像和目标域ROI区域图像；步骤S13：将所述源域ROI区域图像和目标域ROI区域图像输入分割网络，得到源域分割图像和目标域分割图像，根据所述分割标签得到所述源域分割图像的预测分割损失；步骤S14：将所述源域分割图像和目标域分割图像输入分类网络，得到源域分类结果、目标域分类结果，根据所述第一分类标签和第二分类标签得到所述源域分割图像和所述目标域分割图像的预测分类损失；步骤S15：根据所述预测分割损失和所述预测分类损失，进行所述分割网络的参数更新，根据所述预测分类损失进行所述分类网络的参数更新；步骤S16：重复步骤S13～S15，直至所述预测分割损失和所述预测分类损失趋于稳定；步骤S17：获取待分割眼底图像，将所述待分割眼底图像输入ROI提取网络中，得到视盘粗提取结果，将所述视盘粗提取结果输入所述分割网络，得到视盘分割结果，将所述视盘分割结果输入所述分类网络，得到所述待分割眼底图像为青光眼眼底图像的概率。

全文数据：

权利要求：

百度查询： 浙江大学;浙大城市学院 一种视盘视杯分割方法及装置、电子设备、介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD