公开(公告)号：CN110837803A

公开(公告)日：2020-02-25

申请号：CN201911079788.9

申请日：2019-11-07

Applicant: 复旦大学

Inventor： 侯君临 ,  魏彤 ,  杜姗姗 ,  冯瑞

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G16H30/40 ,  G16H50/20

Abstract: 本发明提供一种基于深度图网络的糖尿病视网膜病变分级方法，能够有效模拟眼科医生对糖尿病视网膜病变的实际诊断过程，对患者单只眼睛的多张图像进行患病特征的信息传递与整合，从而得到更加准确的诊断结果，其特征在于，包括如下步骤：步骤S1，对患者的双眼的多张待测眼底图像进行至少包括图像质量检测以及左右眼分类识别的预处理从而得到预处理眼底图像；步骤S2，分别根据与患者的单眼对应的多张预处理眼底图像构建逻辑图数据，该逻辑图数据包含一个由多张预处理眼底图像作为节点的全连接图；步骤S3，将逻辑图数据输入预先训练完成的糖尿病视网膜病变分级模型从而得到患者的糖尿病视网膜病变等级信息。

公开(公告)号：CN110826470A

公开(公告)日：2020-02-21

申请号：CN201911060368.6

申请日：2019-11-01

Applicant: 复旦大学

Inventor： 侯君临 ,  杜姗姗 ,  冯瑞

IPC: G06K9/00

Abstract: 本发明提供一种基于深度主动学习的眼底图像左右眼识别方法，能够针对主视野眼底图像以及识别难度相对较大的非主视野眼底图像完成精确的左右眼识别，其特征在于，包括如下步骤：步骤S1，对待测图像进行预处理；步骤S2，将预处理后的图像输入眼底图像左右眼识别模型从而得到待测图像的左右眼分类结果，眼底图像左右眼识别模型通过如下方法训练：步骤T1，构建初始眼底图像识别模型；步骤T2，将训练集输入初始眼底图像识别模型训练得到主视野眼底图像识别模型；步骤T3，利用主视野眼底图像识别模型从多张眼底图像中选出非主视野眼底图像作为难样本；步骤T4，将难样本作为增加的训练集对主视野眼底图像识别模型进行训练得到眼底图像左右眼识别模型。

公开(公告)号：CN110837803B

公开(公告)日：2022-11-29

申请号：CN201911079788.9

申请日：2019-11-07

Applicant: 复旦大学

Inventor： 侯君临 ,  魏彤 ,  杜姗姗 ,  冯瑞

IPC: G06V40/18 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G16H30/40 ,  G16H50/20

Abstract: 本发明提供一种基于深度图网络的糖尿病视网膜病变分级方法，能够有效模拟眼科医生对糖尿病视网膜病变的实际诊断过程，对患者单只眼睛的多张图像进行患病特征的信息传递与整合，从而得到更加准确的诊断结果，其特征在于，包括如下步骤：步骤S1，对患者的双眼的多张待测眼底图像进行至少包括图像质量检测以及左右眼分类识别的预处理从而得到预处理眼底图像；步骤S2，分别根据与患者的单眼对应的多张预处理眼底图像构建逻辑图数据，该逻辑图数据包含一个由多张预处理眼底图像作为节点的全连接图；步骤S3，将逻辑图数据输入预先训练完成的糖尿病视网膜病变分级模型从而得到患者的糖尿病视网膜病变等级信息。

公开(公告)号：CN112869706A

公开(公告)日：2021-06-01

申请号：CN202110208791.7

申请日：2021-02-24

Applicant: 复旦大学

Inventor： 姜璐璐 ,  侯君临 ,  邵金杰 ,  冯瑞

IPC: A61B3/12 ,  A61B3/14 ,  G06N3/04 ,  G06N3/08 ,  G06T3/40 ,  G06T5/50

Abstract: 本发明提供了一种基于深度学习的双视野眼底图像融合方法，具有这样的特征，包括以下步骤，步骤S1，对两张待测图像进行预处理获得两张预处理图像；步骤S2，搭建卷积神经网络模型，对卷积神经网络模型进行训练，从而得到训练后的卷积神经网络模型，称为M‑net；步骤S3，将M‑net分成两部分，称为M‑net PartⅠ和M‑net PartⅡ；步骤S4，将两张预处理图像分别放入M‑net PartⅠ进行特征提取，获得两张图像特征图；步骤S5，将两张图像特征图进行拼接，得到拼接图像；步骤S6，将拼接图像放入M‑net PartⅡ进行特征融合。

公开(公告)号：CN112419256A

公开(公告)日：2021-02-26

申请号：CN202011284149.9

申请日：2020-11-17

Applicant: 复旦大学

Inventor： 魏彤 ,  侯君临 ,  冯瑞

IPC: G06T7/00

Abstract: 本发明提供一种基于模糊图神经网络的糖网病眼底图像分级方法，通过一个预先训练完成的糖网病眼底图像分级模型对糖网病眼底图像进行分级，该模型具有特征提取器、关系编码器、隶属函数模块以及图分类器，方法包括如下步骤：步骤S1，利用特征提取器对糖网病眼底图像进行特征提取得到眼底特征；步骤S2，将眼底特征以及预训练的支持集中的图像特征作为节点并通过关系编码器和隶属函数模块构建稀疏图结构；步骤S3，在稀疏图结构上，通过图分类器进行关注节点特征的图网络更新，对更新过后的节点进行分类完成糖网病眼底图像的分级；步骤S4，判断支持集中的图像数量是否达到预设的数量上限，若否则将将糖网病眼底图像加入到支持集中从而形成新的支持集。