龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：淮阴工学院
摘要：本发明公开了一种基于裂隙灯图像的角膜溃疡诊断分类方法，获取角膜溃疡数据集，对图片进行标签设置；将数据集按照一定比例划分为训练集和测试集并且对角膜溃疡图像进行预处理；构建MSConv模块，并对提取的角膜溃疡特征进行信息融合；改进并构建ResNet和ViT相结合的深度学习网络模型，利用预处理数据集对该网络进行训练和验证，得到角膜溃疡分类模型；通过所述的角膜溃疡分类模型对待分类的角膜溃疡进行分类识别。本发明首先在不同尺度下提取角膜溃疡的初步特征，其次通过融合卷积的ViT将局部和全局的特征图进行融合，解决了角膜溃疡病理特征变化大、病灶分布不规则、尺度多变的问题，从而能够提高角膜溃疡的识别准确性。
主权项：1.一种基于裂隙灯图像的角膜溃疡诊断分类方法，其特征在于，所述方法包括以下步骤：步骤1：获取角膜溃疡数据集，对角膜溃疡图像进行标签设置；步骤2：预处理角膜溃疡图像，按照一定比例划分为训练集和测试集；步骤3：改进ResNet和ViT模型，结合构建深度学习网络模型；步骤3.1：改进ResNet模型，ResNet模型包括MSConv模块、StageBlock残差模块和SCSE模块；MSConv模块提取初步的多尺度特征，保留ResNet的StageBlock残差模块，并在残差模块中增加SCSE模块，将每层的特征残差连接到最后一层；步骤3.2：改进VIT模型，在VIT模型中嵌入VSS模块，用卷积操作代替原来的Patch划分操作，并将划分后的Patch传入Transformer模块和VSS模块中；步骤3.3：构建一个特征融合模块，将改进后的ResNet模型提取的局部特征和ViT模型提取的全局特征的进行融合；步骤4：将预处理的数据集对结合构建的深度学习网络模型进行训练和测试，得到角膜溃疡分类模型；步骤5：通过训练测试得到的角膜溃疡分类模型对待分类的角膜溃疡进行分类识别。
全文数据：
权利要求：
百度查询： 淮阴工学院 一种基于裂隙灯图像的角膜溃疡诊断分类方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号