公开(公告)号：CN115512153A

公开(公告)日：2022-12-23

申请号：CN202211146617.5

申请日：2022-09-21

Applicant: 哈尔滨理工大学

Inventor： 李冰 ,  李广庆 ,  刘侠 ,  吴少勇 ,  于尚宁 ,  嫣梦雨

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06V10/42 ,  G06V10/52 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 基于多尺度残差网络的视网膜OCT图像分类方法、系统、计算机设备和存储介质，属于OCT图像处理技术领域，解决对视网膜OCT图像分类准确率较低问题。本发明的方法包括：获取视网膜OCT图像分类数据集，分为训练集和测试集；对训练集和测试集进行预处理；利用双通道注意力机制和多尺度残差模块对基线网络进行改进，建立视网膜OCT图像分类模型；多尺度残差模块具体包括若干条支路、残差模块、特征融合模块和相加模块，每条支路包括若干个卷积；特征融合模块用于将若干条支路的输出信息进行特征融合；相加模块用于将融合后的信息与残差模块的输出信息进行相加；获取训练后的视网膜OCT图像分类模型；对视网膜OCT图像进行分类。本发明适用于视网膜OCT图像的分类。

公开(公告)号：CN115546227A

公开(公告)日：2022-12-30

申请号：CN202211266750.4

申请日：2022-10-17

Applicant: 哈尔滨理工大学

Inventor： 李冰 ,  吴少勇 ,  刘侠 ,  李广庆 ,  宋方影 ,  嫣梦雨

IPC: G06T7/10 ,  G06N3/04 ,  G06N3/08 ,  G06T5/50

Abstract: 基于改进Unet网络的视网膜血管分割网络、分割方法、计算机设备和存储介质，属于图像处理技术领域，解决对视网膜血管OCTA图像分割不准确出现漏检现象问题。本发明的网络：首先，使用不对称卷积边界细化模块(ACBR)从网络的编码器端提取丰富的视网膜血管信息并对其进行细化。其次，通道注意模块用于为那些分辨率较低的血管赋予足够的权重，防止它们在深度卷积和池化操作下权重消失。最后在网络中加入一个残差结构，增加了网络的深度，提高了网络的鲁棒性，防止了网络过拟合。本发明适用于对视网膜血管图像的分割。