-
公开(公告)号：CN110188767A
公开(公告)日：2019-08-30
申请号：CN201910380673.7
申请日：2019-05-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度神经网络的角膜病图像序列化特征提取与分类方法及装置。包括如下步骤：1)把角膜病裂隙灯图像按照眼表-角膜的自然界域进行区域标注的结果作为训练数据集，并利用滑动窗口对角膜图像中病变主体区域采样，形成区域子块集合；2)对每张角膜图像中所有区域子块，通过DenseNet模型提取其特征，获取区域向量化特征表示；3)将特征提取结果序贯链接组合，保留区域子块之间空间结构关系，并利用LSTM(长短时记忆模型)对其处理，形成角膜图像特征，并进行分类。本发明将深度序列学习模型应用于角膜疾病分类诊断。相比一般图像分类算法，本发明对角膜病诊断中区别性关键信息进行建模，有效保留角膜病特征空间结构。
-
公开(公告)号：CN110188767B
公开(公告)日：2021-04-27
申请号：CN201910380673.7
申请日：2019-05-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度神经网络的角膜病图像序列化特征提取与分类方法及装置。包括如下步骤：1)把角膜病裂隙灯图像按照眼表‑角膜的自然界域进行区域标注的结果作为训练数据集，并利用滑动窗口对角膜图像中病变主体区域采样，形成区域子块集合；2)对每张角膜图像中所有区域子块，通过DenseNet模型提取其特征，获取区域向量化特征表示；3)将特征提取结果序贯链接组合，保留区域子块之间空间结构关系，并利用LSTM(长短时记忆模型)对其处理，形成角膜图像特征，并进行分类。本发明将深度序列学习模型应用于角膜疾病分类诊断。相比一般图像分类算法，本发明对角膜病诊断中区别性关键信息进行建模，有效保留角膜病特征空间结构。
-
Search Results
2
records
(took 0.013 seconds)
