公开(公告)号：CN114821189A

公开(公告)日：2022-07-29

申请号：CN202210550803.9

申请日：2022-05-18

Applicant: 重庆邮电大学

Inventor： 周雨 ,  周贺凯 ,  袁慧 ,  郭恒睿 ,  刘姝杭 ,  曹恩苓

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于眼底图像的病灶图像分类与识别方法，属于医学影像处理领域。该方法采用YOLOv5网络结构和目标框加权融合为框架，将采集得到的眼底图像经过Mosaic方法深化数据集，再结合深化后的图像数据集和损失函数训练，图像分类后进入目标框加权融合框架，最后根据分类概率输出不同眼底图像的二值图，分类输出病灶二值图。本发明采用提高了网络模型对病灶特征的提取能力。

公开(公告)号：CN114663440B

公开(公告)日：2025-04-04

申请号：CN202210293140.7

申请日：2022-03-23

Applicant: 重庆邮电大学

Inventor： 郭恒睿 ,  周贺凯 ,  余天 ,  曹恩苓 ,  周雨

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/77 ,  G06V10/82 ,  G06V40/18 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明涉及一种基于深度学习的眼底图像病灶分割方法，属于医学影像领域。该方法包括：S1：使用眼底图像作为原始数据集，并采用SMOTE增强原始数据集，分为训练集和验证集；S2：采用U‑Net网络结构作为框架，编码器由Swin‑Transformer构成，解码器部分由DUpsampling模块构成；S3：使用残差网络结构改进编码器部分；S4：训练改进后的U‑Net网络，使用log‑cosh dice loss损失函数来计算病症分割的损失值；S5：根据优化后的U‑Net网络模型，输入测试眼底图像数据，输出病征分割图像。本发明能提高眼底图像细节特征捕捉能力，图像分割的效率和准确性。

公开(公告)号：CN114821189B

公开(公告)日：2024-06-18

申请号：CN202210550803.9

申请日：2022-05-18

Applicant: 重庆邮电大学

Inventor： 周雨 ,  周贺凯 ,  袁慧 ,  郭恒睿 ,  刘姝杭 ,  曹恩苓

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于眼底图像的病灶图像分类与识别方法，属于医学影像处理领域。该方法采用YOLOv5网络结构和目标框加权融合为框架，将采集得到的眼底图像经过Mosaic方法深化数据集，再结合深化后的图像数据集和损失函数训练，图像分类后进入目标框加权融合框架，最后根据分类概率输出不同眼底图像的二值图，分类输出病灶二值图。本发明采用提高了网络模型对病灶特征的提取能力。

公开(公告)号：CN114663440A

公开(公告)日：2022-06-24

申请号：CN202210293140.7

申请日：2022-03-23

Applicant: 重庆邮电大学

Inventor： 郭恒睿 ,  周贺凯 ,  余天 ,  曹恩苓 ,  周雨

IPC: G06T7/10 ,  G06N3/04

Abstract: 本发明涉及一种基于深度学习的眼底图像病灶分割方法，属于医学影像领域。该方法包括：S1：使用眼底图像作为原始数据集，并采用SMOTE增强原始数据集，分为训练集和验证集；S2：采用U‑Net网络结构作为框架，编码器由Swin‑Transformer构成，解码器部分由DUpsampling模块构成；S3：使用残差网络结构改进编码器部分；S4：训练改进后的U‑Net网络，使用log‑cosh dice loss损失函数来计算病症分割的损失值；S5：根据优化后的U‑Net网络模型，输入测试眼底图像数据，输出病征分割图像。本发明能提高眼底图像细节特征捕捉能力，图像分割的效率和准确性。