申请/专利权人:长春理工大学
申请日:2024-05-23
公开(公告)日:2024-06-21
公开(公告)号:CN118229682A
主分类号:G06T7/00
分类号:G06T7/00;G06T7/11
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明属于眼科疾病图像分析技术领域,具体涉及一种基于深度学习的眼底图像视杯视盘分割方法及其系统。步骤1:获取眼底彩照图像形成数据集,并对数据集中的数据进行图像增强,将增强后的数据集分为训练集与验证集;步骤2:构建U型网络,所述U型网络包括一个压缩编码器路径和三个可扩展解码器路径;步骤3:将步骤1的训练集输入到步骤2构建的U型网络中,对U型网络进行训练;步骤4:将步骤3训练后的U型网络利用步骤1的验证集进行验证,采用验证后的U型网络实现眼底图像视杯视盘分割。本发明用以解决现阶段青光眼诊断中存在的距离图估计任务使模型错误分类的问题。
主权项:1.一种基于深度学习的眼底图像视杯视盘分割方法,其特征在于,所述的眼底图像视杯视盘分割方法包括以下步骤:步骤1:获取眼底彩照图像形成数据集,并对数据集中的数据进行图像增强,将增强后的数据集分为训练集与验证集;步骤2:构建U型网络,所述U型网络包括一个压缩编码器路径和三个可扩展解码器路径;步骤3:将步骤1的训练集输入到步骤2构建的U型网络中,对U型网络进行训练;步骤4:将步骤3训练后的U型网络利用步骤1的验证集进行验证,采用验证后的U型网络实现眼底图像视杯视盘分割。
全文数据:
权利要求:
百度查询: 长春理工大学 基于深度学习的眼底图像视杯视盘分割方法及其系统
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。