公开(公告)号：CN112633403A

公开(公告)日：2021-04-09

申请号：CN202011608743.9

申请日：2020-12-30

Applicant: 复旦大学

Inventor： 邵金杰 ,  姜璐璐 ,  薛恩晓 ,  冯瑞

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供了一种基于小样本学习的图神经网络分类方法及装置，用于对小样本数据进行分类得到节点分类结果，其特征在于，包括如下步骤：利用训练好的特征提取器对小样本数据进行特征提取得到未知节点；将未知节点初始化为全连接图结构并输入训练好的关系编码器进行边缘预测，得到边预测结果；利用预定的成员函数对边预测结果计算隶属度得到隶属度值，并根据隶属度值对全连接图结构中的边进行删除从而得到非完全连接的模糊状态的图结构作为更新后图结构；将更新后图结构输入训练好的图神经网络分类器得到节点分类结果。本发明可以从小样本数据提供的图结构中学习到准确的关系，具有更强的关系归纳偏差，从而更好地完成小样本分类任务。

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：CN114445666A

公开(公告)日：2022-05-06

申请号：CN202210100811.3

申请日：2022-01-27

Applicant: 复旦大学

Inventor： 姜璐璐 ,  冯瑞

IPC: G06V10/764 ,  G06K9/62 ,  A61B3/00 ,  A61B3/12 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习眼底图像左右眼及视野位置分类方法，具有这样的特征，包括以下步骤：步骤1，对眼底图像进行预处理获得预处理图像；步骤2，基于预处理图像，搭建卷积神经网络模型，进行黄斑与视盘的检测，得到检测结果；步骤3，通过检测结果获得眼底图像的黄斑与视盘的位置信息，包括黄斑与视盘的相对位置和黄斑与视盘在眼底图像中的位置；步骤4，根据黄斑与视盘的相对位置进行左右眼分类，视盘在黄斑右侧判断为右眼图像，否则为左眼图像；步骤5，根据黄斑与视盘在图像中位置进行视野位置分类，视盘与黄斑连线中心在图像中心位置判断为单视野图像，否则为双视野图像。