公开(公告)号：CN115661066A

公开(公告)日：2023-01-31

申请号：CN202211290018.0

申请日：2022-10-21

Applicant: 东北林业大学

Inventor： 陈宇 ,  徐仕豹

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及一种基于分割和分类相融合的糖尿病性视网膜病变检测方法，基于分割和分类相融合的糖尿病性视网膜病变检测方法：首先获取相关IDRiD和DDR的数据集。对数据集进行预处理，将其裁剪为512x512的尺寸，同时进行对比度增强，使得图像的病变信息表现的更加明显。为了降低DR分类的难度和解决图像域差异的问题，我们采用两阶段的分类网络实现DR的五分类。在第一阶段中，使用ST‑Net对NPDR和PDR数据进行分类。在第二阶段中，使用改进的UNet和ViSion Transformer相结合(称为MT‑SNet)对病变进行分割，再融入到原始图像中。在分割后的NPDR数据中，再使用SRVGG进行分类。

公开(公告)号：CN117456591A

公开(公告)日：2024-01-26

申请号：CN202310325179.7

申请日：2023-03-30

Applicant: 东北林业大学

Inventor： 陈宇 ,  徐仕豹

IPC: G06V40/18 ,  G06V10/52 ,  G06V10/80 ,  G06V10/774 ,  G06V10/776 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  A61B3/12 ,  A61B3/103

Abstract: 本发明涉及一种融合多尺度信息增强的糖尿病性视网膜病变检测方法，一种融合多尺度信息增强的糖尿病性视网膜病变检测方法：首先获取相关的Kaggle EyePACS和DDR两个公开的数据，并对数据集进行降噪、裁剪、归一化等预处理工作。为了在下采样过程中获取到更加丰富的特征从而提高分类网络的性能，我们设计了多尺度最大池化和多尺度卷积两个模块，对基础网络ResNet‑50的模型进行改进。进一步，为了提高网络的鲁棒性，我们设计了一个双分支网络，用局部信息为全局信息做辅助，最终设计了一个糖尿病视网膜病变检测模型。