-
公开(公告)号：CN109726743B
公开(公告)日：2023-03-24
申请号：CN201811516615.4
申请日：2018-12-12
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/774 , G06V10/20 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于三维卷积神经网络的视网膜OCT图像分类方法，包括以下步骤：（a）采集图像并将采集到的图像分为训练集和测试集，对图像进行预处理；（b）搭建VinceptionC3D网络结构，VinceptionC3D网络是基于C3D卷积神经网络的改进，在C3D网络的基础上添加了融合多通道特征的Vinception模块，并把批标准化的方法应用到了原始C3D网络中，（c）模型的训练和测试：利用C3D的预训练模型作为VinceptionC3D的预训练模型，利用训练集中的数据训练加载预训练模型后的网络得到训练好的VinceptionC3D模型，模型训练结束后，用测试集测试模型。本发明能对三维视网膜OCT图像进行整体分类，为后续的视网膜OCT图像分割与分析提高效率奠定基础。
-
Patent Agency Ranking
公开(公告)号：CN110349162B
公开(公告)日：2021-10-22
申请号：CN201910645849.7
申请日：2019-07-17
Applicant: 苏州大学
Abstract: 本发明公开了一种视网膜黄斑水肿多病变图像分割方法，包括采集三维视网膜OCT体数据并将其转化为二维视网膜OCT B扫描图像；将所述二维视网膜OCT B扫描图像输入已训练好的编解码注意力网络模型进行视网膜黄斑水肿多病变联合分割，获取分割图像结果。本发明采用编解码注意力网络模型进行多病变联合分割，能够获取更加丰富的全局特征，实现对视网膜黄斑水肿多病变图像中的视网膜水肿、视网膜下积液和色素上皮层脱离多病变同时分割，为后续病变的定量分析奠定基础。
-
公开(公告)号：CN109726743A
公开(公告)日：2019-05-07
申请号：CN201811516615.4
申请日：2018-12-12
Applicant: 苏州大学
Abstract: 本发明公开了一种基于三维卷积神经网络的视网膜OCT图像分类方法，包括以下步骤：（a）采集图像并将采集到的图像分为训练集和测试集，对图像进行预处理；（b）搭建VinceptionC3D网络结构，VinceptionC3D网络是基于C3D卷积神经网络的改进，在C3D网络的基础上添加了融合多通道特征的Vinception模块，并把批标准化的方法应用到了原始C3D网络中，（c）模型的训练和测试：利用C3D的预训练模型作为VinceptionC3D的预训练模型，利用训练集中的数据训练加载预训练模型后的网络得到训练好的VinceptionC3D模型，模型训练结束后，用测试集测试模型。本发明能对三维视网膜OCT图像进行整体分类，为后续的视网膜OCT图像分割与分析提高效率奠定基础。
-
公开(公告)号：CN110689083B
公开(公告)日：2022-04-12
申请号：CN201910942993.7
申请日：2019-09-30
Applicant: 苏州大学
IPC: G06V10/80 , G06V10/774 , G06V10/26 , G06K9/62
Abstract: 本发明公开了一种上下文金字塔融合网络和图像分割方法，上下文金字塔融合网络包括：特征编码模块：包括多个逐级相连的特征提取层，用于获取原始图像的特征图；多个全局金字塔引导模块：分别与不同特征提取层连接，用于将和其连接的特征提取层提取的特征图与所有更高特征提取层提取的特征图相融合，以获取全局上下文信息，并通过跳跃连接将全局上下文信息引导和传递给特征解码模块；尺度感知金字塔融合模块：与特征编码模块的最高特征提取层连接，用于根据不同尺度的特征图动态选择正确的感受野并融合多尺度上下文信息；特征解码模块：用于根据全局上下文信息和多尺度上下文信息重建特征图。本发明图像分割性能良好，具有较好的有效性和通用性。
-
公开(公告)号：CN110689083A
公开(公告)日：2020-01-14
申请号：CN201910942993.7
申请日：2019-09-30
Applicant: 苏州大学
Abstract: 本发明公开了一种上下文金字塔融合网络和图像分割方法，上下文金字塔融合网络包括：特征编码模块：包括多个逐级相连的特征提取层，用于获取原始图像的特征图；多个全局金字塔引导模块：分别与不同特征提取层连接，用于将和其连接的特征提取层提取的特征图与所有更高特征提取层提取的特征图相融合，以获取全局上下文信息，并通过跳跃连接将全局上下文信息引导和传递给特征解码模块；尺度感知金字塔融合模块：与特征编码模块的最高特征提取层连接，用于根据不同尺度的特征图动态选择正确的感受野并融合多尺度上下文信息；特征解码模块：用于根据全局上下文信息和多尺度上下文信息重建特征图。本发明图像分割性能良好，具有较好的有效性和通用性。
-
公开(公告)号：CN110349162A
公开(公告)日：2019-10-18
申请号：CN201910645849.7
申请日：2019-07-17
Applicant: 苏州大学
Abstract: 本发明公开了一种视网膜黄斑水肿多病变图像分割方法，包括采集三维视网膜OCT体数据并将其转化为二维视网膜OCT B扫描图像；将所述二维视网膜OCT B扫描图像输入已训练好的编解码注意力网络模型进行视网膜黄斑水肿多病变联合分割，获取分割图像结果。本发明采用编解码注意力网络模型进行多病变联合分割，能够获取更加丰富的全局特征，实现对视网膜黄斑水肿多病变图像中的视网膜水肿、视网膜下积液和色素上皮层脱离多病变同时分割，为后续病变的定量分析奠定基础。
-
-
-
-
-
Search Results
6
records
(took 0.053 seconds)
