-
公开(公告)号：CN109744996A
公开(公告)日：2019-05-14
申请号：CN201910027537.X
申请日：2019-01-11
Applicant: 中南大学
Abstract: 本发明公开了一种OCT图像的BMO位置定位方法，包括合成二维投影图并对彩色眼底图像进行视盘分割；彩色眼底图和二维投影图进行配准得到二维投影图上的视盘轮廓；视盘轮廓投影到OCT图像上得到两条投影线；分割RPE层并得到BMO点的粗定位点；训练识别网络；以BMO点的粗定位点为中心提取感兴趣区域并输入识别网络；将识别结果进行后处理并选取一致性最好的图像块作为最终的BMO定位区域；最终的BMO定位区域的集合中心即为最终的BMO定位点。本发明方法在BMO定位的精度上优于现有方法，更为接近专家手动标定的结果，而且本发明能够减少BMO周围组织对自动定位造成的影响，帮助临床医生自动标定出BMO位置。
-
Patent Agency Ranking
公开(公告)号：CN108961261B
公开(公告)日：2022-02-15
申请号：CN201810209966.4
申请日：2018-03-14
Applicant: 中南大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于空间连续性约束的视盘区域OCT图像层次分割方法，该方法首先使用BM3D算法去除OCT图像中的散斑噪声；之后使用基于模糊C均值和主动轮廓的ROI分割方法将图像中多个高反射区相互分离；然后使用ROI区域图像对血管阴影进行定位；使用A‑scan分割算法依次对所述ROI区域进行分割，利用血管阴影区域对每幅图像的初步分割结果进行修正；最后使用空间连续性约束优化修正后的分割结果，获得ILM、IS‑OS、BM的分割边界；该方法是一种行之有效的视盘区域OCT图像的层次分割方法，分割准确度较高，并对散斑噪声、血管阴影具有一定的鲁棒性。
-
公开(公告)号：CN108961261A
公开(公告)日：2018-12-07
申请号：CN201810209966.4
申请日：2018-03-14
Applicant: 中南大学
IPC: G06T7/11
CPC classification number: G06T7/11 , G06T2207/20016 , G06T2207/20116 , G06T2207/30041 , G06T2207/30101
Abstract: 本发明公开了一种基于空间连续性约束的视盘区域OCT图像层次分割方法，该方法首先使用BM3D算法去除OCT图像中的散斑噪声；之后使用基于模糊C均值和主动轮廓的ROI分割方法将图像中多个高反射区相互分离；然后使用ROI区域图像对血管阴影进行定位；使用A‑scan分割算法依次对所述ROI区域进行分割，利用血管阴影区域对每幅图像的初步分割结果进行修正；最后使用空间连续性约束优化修正后的分割结果，获得ILM、IS‑OS、BM的分割边界；该方法是一种行之有效的视盘区域OCT图像的层次分割方法，分割准确度较高，并对散斑噪声、血管阴影具有一定的鲁棒性。
-
公开(公告)号：CN110390650B
公开(公告)日：2022-02-11
申请号：CN201910665387.5
申请日：2019-07-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于密集连接和生成对抗网络的OCT图像去噪方法，属于图像修复技术领域，本发明根据噪声随机性的特征，采用多帧配准方式合成参考图像，从而使网络可以学习噪声图像到参考图像之间的映射关系；合成噪声的步骤可以有效的扩充散斑噪声的多样性，合成新的样本数据；利用网络的多尺度特征进行密集融合，以较少的参数增强有效特征的重复利用和传递；采用对抗生成网络的方式保证图像的整体感知质量；训练完成的生成式模型可以直接处理任何分辨率的噪声OCT图像，有较高的速度和性能，在临床中有较高的使用价值。
-
公开(公告)号：CN109744996B
公开(公告)日：2021-06-15
申请号：CN201910027537.X
申请日：2019-01-11
Applicant: 中南大学
Abstract: 本发明公开了一种OCT图像的BMO位置定位方法，包括合成二维投影图并对彩色眼底图像进行视盘分割；彩色眼底图和二维投影图进行配准得到二维投影图上的视盘轮廓；视盘轮廓投影到OCT图像上得到两条投影线；分割RPE层并得到BMO点的粗定位点；训练识别网络；以BMO点的粗定位点为中心提取感兴趣区域并输入识别网络；将识别结果进行后处理并选取一致性最好的图像块作为最终的BMO定位区域；最终的BMO定位区域的集合中心即为最终的BMO定位点。本发明方法在BMO定位的精度上优于现有方法，更为接近专家手动标定的结果，而且本发明能够减少BMO周围组织对自动定位造成的影响，帮助临床医生自动标定出BMO位置。
-
公开(公告)号：CN110390650A
公开(公告)日：2019-10-29
申请号：CN201910665387.5
申请日：2019-07-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于密集连接和生成对抗网络的OCT图像去噪方法，属于图像修复技术领域，本发明根据噪声随机性的特征，采用多帧配准方式合成参考图像，从而使网络可以学习噪声图像到参考图像之间的映射关系；合成噪声的步骤可以有效的扩充散斑噪声的多样性，合成新的样本数据；利用网络的多尺度特征进行密集融合，以较少的参数增强有效特征的重复利用和传递；采用对抗生成网络的方式保证图像的整体感知质量；训练完成的生成式模型可以直接处理任何分辨率的噪声OCT图像，有较高的速度和性能，在临床中有较高的使用价值。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
