-
Patent Agency Ranking
公开(公告)号：CN103679198A
公开(公告)日：2014-03-26
申请号：CN201310669758.X
申请日：2013-12-10
Applicant: 苏州大学
Abstract: 本发明公开了本发明公开了一种基于K近邻的视网膜内节/外节缺失自动检测方法，主要步骤包括：步骤S01，图像预处理，采用多尺度三维图搜索方法将视网膜内部分层，内节/外节区域提取和平坦化；步骤S02，提取以黄斑中心为中心、直径1mm的内节/外节区域为感兴趣区域；对感兴趣区域提取特征；步骤S03，采用零均值归一化方法对所提取的特征进行归一化；步骤S04，分类，采用K近邻分类器对感兴趣区域中的体素进行缺失/非缺失识别，并计算相应的体积。本发明首次提供了一种具有可行性和有效性的视网膜内节/外节缺失自动检测方法，对于眼外伤等临床常见眼科疾病的诊断与治疗起到了重要的辅助作用。
-
公开(公告)号：CN103679198B
公开(公告)日：2016-09-14
申请号：CN201310669758.X
申请日：2013-12-10
Applicant: 苏州大学
Abstract: 本发明公开了一种基于K近邻的视网膜内节/外节缺失自动检测方法，主要步骤包括：步骤S01，图像预处理，采用多尺度三维图搜索方法将视网膜内部分层，内节/外节区域提取和平坦化；步骤S02，提取以黄斑中心为中心、直径1mm的内节/外节区域为感兴趣区域；对感兴趣区域提取特征；步骤S03，采用零均值归一化方法对所提取的特征进行归一化；步骤S04，分类，采用K近邻分类器对感兴趣区域中的体素进行缺失/非缺失识别，并计算相应的体积。本发明首次提供了一种具有可行性和有效性的视网膜内节/外节缺失自动检测方法，对于眼外伤等临床常见眼科疾病的诊断与治疗起到了重要的辅助作用。
-
公开(公告)号：CN104143087A
公开(公告)日：2014-11-12
申请号：CN201410356040.X
申请日：2014-07-24
Applicant: 苏州大学
Abstract: 本发明公开了一种基于SD-OCT图像的挫伤性视网膜内节/外节缺失三维自动检测方法，包括以下步骤：（1）图像预处理，采用多尺度三维图割方法将视网膜内部自动分割成11个表面，提取位于第7表面和第8表面之间的内节/外节区域作为感兴趣区域，进行平坦化处理和双线性滤波增强；（2）对感兴趣区域中每个体素提取5类（共计57个）特征；（3）采用主成份分析方法对特征进行优化选择；（4）将特征样本分成训练集和测试集，对训练集样本采用Adaboost算法训练集成分类器；（5）对测试集样本进行缺失/非缺失识别；（6）对识别结果进行血管轮廓影响排除和孤立点排除等后处理，计算相应的缺失体积，缺失体积识别误差小，准确性好。
-
公开(公告)号：CN103886592B
公开(公告)日：2016-08-24
申请号：CN201410079706.1
申请日：2014-03-05
Applicant: 苏州大学
Abstract: 本发明公开了一种基于3D?OCT的视网膜层间灰度分析方法，首先对输入的3D?OCT图像进行预处理，之后利用图搜索技术将视网膜的多层结构分割出来，再利用纹理分类方法将RAO区域检测出来，最后进行视网膜层的灰度分析。本发明提供的基于3D?OCT的视网膜层间灰度分析方法，通过对RAO患者内视网膜层灰度的定量分析，使得“患有RAO疾病”这一定性判断，得到了定量的表达，给出定量的指标，来对RAO的严重程度进行独立客观的判断。通过证明此种定量化方法的可行性，为今后向医生提供RAO患者病情的客观依据打下基础。
-
公开(公告)号：CN103699901A
公开(公告)日：2014-04-02
申请号：CN201310692851.2
申请日：2013-12-17
Applicant: 苏州大学
Abstract: 本发明公开了一种基于支持向量机的3D OCT视网膜图像中IS/OS缺失区域自动检测方法，包括获取受试者的视网膜三维图像数据；对视网膜三维图像数据进行分层找到视网膜IS/OS区域；对视网膜IS/OS区域的缺失区域进行人工手动标定作为金标准；选取特征对视网膜IS/OS区域的每一个像素点进行特征提取构建特征集；训练集和测试集的构建；利用支持向量机对训练集和测试集进行训练和测试，得测试集的测试结果；将测试结果与金标准进行比较，获得测试结果的准确率信息，将测试结果反馈到视网膜三维图像数据中，完成测试结果的直观显示。本发明方法简单可行；使得“视网膜IS/OS缺失与视力存在一定的关系”得到定量表达。
-
-
-
-
Search Results
5
records
(took 0.037 seconds)
