-
公开(公告)号：CN114155306A
公开(公告)日：2022-03-08
申请号：CN202110992648.1
申请日：2021-08-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于计算机视觉和深度学习的眼底疾病可视化分析方法，包括：对现有眼底疾病模型的结果进行可视化处理，标记支持模型做出最终决策的重点区域；将可视化算法生成的类别激活图与原始眼底图像进行叠加，以对模型关注区域内的图像信息进行筛选；根据筛选结果进一步对眼底图像当中的特征利用统计学算法进行分析，将病灶特征与模型得到的眼底疾病分析结果相关联。与现有方法相比，本发明所设计的眼底疾病可视化方法兼顾网络的深层与浅层输出，从而能够更加全面地分析模型的决策过程，同时本发明也为眼底病变的机理研究提供了新的分析方法。
-
公开(公告)号：CN113870270A
公开(公告)日：2021-12-31
申请号：CN202111007110.7
申请日：2021-08-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种统一框架下的眼底影像视杯、视盘分割方法，在分割前，获取眼底影像并其进行剪切，旋转等图像预处理操作；依据眼科医生在眼底彩照上标注的视杯、视盘区域，生成相应的掩膜图像；构建分割视杯、视盘的深度网络；利用掩码图像和眼底影像对深度分割网络进行迭代训练，优化网络参数；分割视杯、视盘,利用训练好的分割网络模型,得到视杯、视盘的分割结果。本发明提出了用于视杯、视盘分割的深度神经网络，包括：多尺度特征提取器，多尺度特征过渡和注意力金字塔结构。本发明可以对视杯视盘进行有效的分割，具有较高的分割精度，同时为眼底图像的分割及其他医学影像的分割提供了新的思路。
-
Patent Agency Ranking
公开(公告)号：CN113870270B
公开(公告)日：2024-05-28
申请号：CN202111007110.7
申请日：2021-08-30
Applicant: 北京工业大学
IPC: G06T7/10 , G06T7/00 , G06V10/40 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084 , G06V10/764 , G16H30/20
Abstract: 本发明公开了一种统一框架下的眼底影像视杯、视盘分割方法，在分割前，获取眼底影像并其进行剪切，旋转等图像预处理操作；依据眼科医生在眼底彩照上标注的视杯、视盘区域，生成相应的掩膜图像；构建分割视杯、视盘的深度网络；利用掩码图像和眼底影像对深度分割网络进行迭代训练，优化网络参数；分割视杯、视盘,利用训练好的分割网络模型,得到视杯、视盘的分割结果。本发明提出了用于视杯、视盘分割的深度神经网络，包括：多尺度特征提取器，多尺度特征过渡和注意力金字塔结构。本发明可以对视杯视盘进行有效的分割，具有较高的分割精度，同时为眼底图像的分割及其他医学影像的分割提供了新的思路。
-
公开(公告)号：CN113421259A
公开(公告)日：2021-09-21
申请号：CN202110957657.7
申请日：2021-08-20
Applicant: 北京工业大学
Abstract: 本公开实施例涉及一种基于分类网络的OCTA图像的分析方法，方法包括：对待分析的OCTA图像进行滤波处理，获得滤波后的OCTA浅层图像和滤波后的OCTA深层图像；OCTA图像为对用户眼部视网膜区域拍摄的包括两个不同深度的OCTA浅层图像和OCTA深层图像；采用预先训练的图像分割网络对滤波后的OCTA浅层图像进行分割处理，得到采用不同标识标记各区域的OCTA分割图像；将OCTA分割图像、滤波后的OCTA深层图像、滤波后的OCTA浅层图像进行融合处理，得到OCTA融合图像；采用训练的分类网络对OCTA融合图像进行分类处理，得到分类结果。本分析方法为基于视网膜的OCTA图像的疾病筛查提供了依据，并具有较高的分类准确度。
-
公开(公告)号：CN111582093A
公开(公告)日：2020-08-25
申请号：CN202010346094.3
申请日：2020-04-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于计算机视觉和深度学习的高分辨率图像中小目标自动检测方法，主要步骤包括：首先将原有小目标检测任务进行在不同尺度上进行分解，得到多尺度任务组。然后分别在不同尺度下训练低分辨率检测器，并应用其进行检测，得到不同尺度下的检测结果。最后将这些检测结果进行融合，得到最终针对小目标的检测结果。本发明解决了现有技术中目标检测器难以在高分辨率图像进行微小目标检测的难题。
-
公开(公告)号：CN114155306B
公开(公告)日：2024-06-18
申请号：CN202110992648.1
申请日：2021-08-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于计算机视觉和深度学习的眼底疾病可视化分析方法，包括：对现有眼底疾病模型的结果进行可视化处理，标记支持模型做出最终决策的重点区域；将可视化算法生成的类别激活图与原始眼底图像进行叠加，以对模型关注区域内的图像信息进行筛选；根据筛选结果进一步对眼底图像当中的特征利用统计学算法进行分析，将病灶特征与模型得到的眼底疾病分析结果相关联。与现有方法相比，本发明所设计的眼底疾病可视化方法兼顾网络的深层与浅层输出，从而能够更加全面地分析模型的决策过程，同时本发明也为眼底病变的机理研究提供了新的分析方法。
-
公开(公告)号：CN113421259B
公开(公告)日：2021-11-16
申请号：CN202110957657.7
申请日：2021-08-20
Applicant: 北京工业大学
Abstract: 本公开实施例涉及一种基于分类网络的OCTA图像的分析方法，方法包括：对待分析的OCTA图像进行滤波处理，获得滤波后的OCTA浅层图像和滤波后的OCTA深层图像；OCTA图像为对用户眼部视网膜区域拍摄的包括两个不同深度的OCTA浅层图像和OCTA深层图像；采用预先训练的图像分割网络对滤波后的OCTA浅层图像进行分割处理，得到采用不同标识标记各区域的OCTA分割图像；将OCTA分割图像、滤波后的OCTA深层图像、滤波后的OCTA浅层图像进行融合处理，得到OCTA融合图像；采用训练的分类网络对OCTA融合图像进行分类处理，得到分类结果。本分析方法为基于视网膜的OCTA图像的疾病筛查提供了依据，并具有较高的分类准确度。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
