[发明专利]一种基于卷积神经网络的眼底图像硬性渗出物病变检测方法在审
| 申请号： | 201811226566.0 | 申请日： | 2018-10-22 |
| 公开（公告）号： | CN109447962A | 公开（公告）日： | 2019-03-08 |
| 发明（设计）人： | 张芳;肖志涛;徐旭;耿磊;吴骏;王雯;刘彦北 | 申请（专利权）人： | 天津工业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T5/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300387 天津市西青区宾水*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于卷积神经网络的眼底图像硬性渗出物检测方法，该方法包括：1)对眼底图像进行预处理，通过Gamma校正算法增强图像对比度；2)对图像进行分块处理以扩充数据；3)将DRIVE、MESSIDOR数据库中专家手动标注的病变结果作为监督数据，使用调整后的VGG‑16网络对分块图像进行训练，同时引入通道加权模块，以学习的方式显式地建立特征通道的依赖关系；4)用训练好的网络模型对眼底图像中硬性渗出物病变进行检测。与传统方案相比，本发明方法避免了复杂的图像处理过程，不会受到眼底视盘和棉絮斑对硬性渗出物病变的影响，实现了硬性渗出物病变高精度检测，可广泛地用于眼底硬性渗出物自动筛查领域。 | ||
| 搜索关键词： | 渗出物 眼底图像 病变 卷积神经网络 预处理 图像处理过程 高精度检测 图像对比度 病变检测 分块处理 分块图像 加权模块 监督数据 手动标注 算法增强 特征通道 网络模型 眼底视盘 依赖关系 引入通道 棉絮斑 检测 筛查 显式 眼底 数据库 图像 网络 学习 | ||
【主权项】：
1.一种基于卷积神经网络的眼底图像硬性渗出物病变检测方法，包括下列步骤：步骤1：收集眼底图像作为样本数据；步骤2：利用Gamma校正算法对眼底样本数据进行预处理；步骤3：分块处理眼底图像，归一化为224×224的相同尺寸，作为后续网络训练数据；步骤4：设置损失函数理想值，通过引入通道加权、多尺度特征结构与优化的残差模块来改进VGG‑16网络结构，将原图与监督图像输入网络中，训练中通过计算网络损失函数来调整网络参数，得到最优的网络训练模型；步骤5：利用最优网络模型对眼底图像中硬性渗出物病变进行检测，输出检测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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天津工业大学，未经天津工业大学许可，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/patent/201811226566.0/，转载请声明来源钻瓜专利网。
- 上一篇：内观检测方法及其装置
- 下一篇：一种脑部影像识别的方法及装置
