-
公开(公告)号:CN113610118B
公开(公告)日:2023-12-12
申请号:CN202110814221.2
申请日:2021-07-19
Applicant: 中南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多任务课程式学习的眼底图像分类方法、装置、设备及介质,方法为:使用眼底图像样本训练教师网络,然后生成眼底图像样本的证据图谱;设计包括证据图谱预测和青光眼预测两个分支的多任务学生网络;根据青光眼分类标签、教师网络和学生网络的预测结果,设计样本先验加权系数和样本反馈损失系数,基于该两个系数设计学生网络的损失函数;以眼底图像样本同时作为学生网络两个预测分支的输入,以分类标签作为青光眼预测分支的输出,以标签证据图谱作为证据图谱预测分支的输出,基于损失函数训练学生网络;使用训练完毕的学生网络,生成待分类眼底图像的青光眼分类(56)对比文件Guo F等.MTCLF: A multitask curriculumlearning framework for unbiased glaucomascreenings《.Computer Methods and Programsin Biomedicine》.2022,第221卷1-13.Xuan Nie等.GEME: Dual-stream multi-task GEnder-based micro-expressionrecognition《.Neurocomputing》.2021,第427卷13-28.
-
公开(公告)号:CN118710971A
公开(公告)日:2024-09-27
申请号:CN202410834427.5
申请日:2024-06-26
Applicant: 中南大学
IPC: G06V10/764 , G06V10/82 , G06T7/00 , G06T5/70 , G06T5/20 , G16H50/20 , G06N3/042 , G06N3/09 , G06N3/0464 , G06N3/047 , G06N3/048 , A61B3/113 , A61B3/12 , A61B3/14
Abstract: 本发明公开了一种基于眼动信号监督的青光眼分类方法、设备和介质,方法包括:获取专业医生在阅读眼底图像训练样本时的眼动信号和给出的青光眼分类类别;对眼动信号处理获得专家凝视注意力图像;以眼底图像为输入,以青光眼类别及其注意力图为输出,搭建青光眼分类网络,并使用眼底图像训练样本训练青光眼分类网络;其中,训练青光眼分类网络的损失,采用专家凝视注意力图像和青光眼类别作为监督信号构建得到;将眼底图像待检测样本输入至训练好的青光眼分类网络,输出得到待检测样本对应是否患有青光眼。本发明将眼动信息作为专家领域知识注入青光眼分类网络,有效提高青光眼判别的准确性,还可一定程度上解决精细标注的成本和耗时问题。
-
公开(公告)号:CN113610118A
公开(公告)日:2021-11-05
申请号:CN202110814221.2
申请日:2021-07-19
Applicant: 中南大学
Abstract: 本发明公开了一种基于多任务课程式学习的眼底图像分类方法、装置、设备及介质,方法为:使用眼底图像样本训练教师网络,然后生成眼底图像样本的证据图谱;设计包括证据图谱预测和青光眼预测两个分支的多任务学生网络;根据青光眼分类标签、教师网络和学生网络的预测结果,设计样本先验加权系数和样本反馈损失系数,基于该两个系数设计学生网络的损失函数;以眼底图像样本同时作为学生网络两个预测分支的输入,以分类标签作为青光眼预测分支的输出,以标签证据图谱作为证据图谱预测分支的输出,基于损失函数训练学生网络;使用训练完毕的学生网络,生成待分类眼底图像的青光眼分类标签和证据图谱。本发明提升分类准确率并生成分类决策的证据图谱。
-
-