[发明专利]白内障分类方法、病灶点可视化方法及相关装置在审
申请号: | 202210451295.9 | 申请日: | 2022-04-27 |
公开(公告)号: | CN114972844A | 公开(公告)日: | 2022-08-30 |
发明(设计)人: | 马岚;魏文斌;高伟豪;邵蕾;李方;董力;张川;秦培武 | 申请(专利权)人: | 清华大学深圳国际研究生院;首都医科大学附属北京同仁医院 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/774;G06K9/62;G06N3/04;G06N3/08;A61B3/135 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 洪铭福 |
地址: | 518000 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 白内障 分类 方法 病灶 可视化 相关 装置 | ||
1.一种白内障分类方法,其特征在于,包括:
获取待测眼底图像;
将所述待测眼底图像输入至已训练好的白内障分类网络,得到输出特征向量;
根据所述输出特征向量,得到所述待测眼底图像的类型信息。
2.根据权利要求1所述的白内障分类方法,其特征在于,所述待测眼底图像的类型信息包括至少一种以下眼底图像类型:皮质性白内障、核性白内障、后囊下白内障、无白内障。
3.根据权利要求1所述的白内障分类方法,其特征在于,所述白内障分类网络的训练步骤包括:
获取多张样本眼底图像以及所述样本眼底图像对应的白内障类别;
将所述样本眼底图像输入至待训练的所述白内障分类网络,得到所述样本眼底图像对应的样本特征向量;
将所述样本特征向量进行分类,得到的所述样本特征向量与所述样本眼底图像对应的白内障类别相对应。
4.根据权利要求1所述的白内障分类方法,其特征在于,
所述将所述待测眼底图像输入至已训练好的白内障分类网络之前,包括:
对所述待测眼底图像的尺寸均一化;
对所述待测眼底图像的RGB值均一化;
将尺寸、RGB值均一化后的结果更新为所述待测眼底图像。
5.根据权利要求4所述的白内障分类方法,其特征在于,
所述对所述待测眼底图像的尺寸均一化,包括:
将所述待测眼底图像的尺寸统一为N0*N0,其中,N0为大于等于1的正整数;
所述对所述待测眼底图像的RGB值均一化,包括:
根据预设的RGB均值和RGB方差,计算所述待测眼底图像的RGB值,其中,所述待测眼底图像的RGB值可以表示为:
x=(x-mean(x))/std(x)
其中,mean为预设的RGB均值,std为预设的RGB方差,且经过尺寸、RGB值均一化后的所述待测眼底图像为3通道的N0*N0结构。
6.根据权利要求1至5任一项所述的白内障分类方法,其特征在于,
所述将所述待测眼底图像输入至已训练好的白内障分类网络,得到输出特征向量,包括:
将所述待测眼底图像通过多级卷积网络模块进行扩充,得到第一特征图集,其中,所述第一特征图集为M通道的Nt*Nt结构,M为大于等于1的正整数,Nt为大于等于1的正整数;
将所述第一特征图集依次通过池化层、全连接层和激活函数,得到输出特征向量。
7.根据权利要求6所述的白内障分类方法,其特征在于,所述卷积网络模块的通道数逐级增加,和/或,所述卷积网络模块生成的特征图的尺寸逐级递减,以使得所述第一特征图集中特征图的尺寸满足:Nt=N0/2s,s为卷积网络模块的级数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学深圳国际研究生院;首都医科大学附属北京同仁医院,未经清华大学深圳国际研究生院;首都医科大学附属北京同仁医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210451295.9/1.html,转载请声明来源钻瓜专利网。