申请/专利权人：合肥奥比斯科技有限公司

申请日：2020-08-31

公开（公告）日：2024-03-12

公开（公告）号：CN111968107B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/26;G06V10/764;G06V10/82;G06N3/0455;G06N3/0464;G06N3/047;G06N3/082;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2020.12.08#实质审查的生效;2020.11.20#公开

摘要：本发明提供了一种基于不确定度的早产儿视网膜病plus病变分类系统，涉及深度学习技术领域。通过血管分割模块，先分割出眼底图像的血管，分类模块再利用贝叶斯深度学习分类网络模型提取特征，通过多次dropout蒙特卡洛，获取三组分别对应三个病变类型的概率值和一组图像噪声，并计算每组概率值的均值以及方差，将均值最大的病变类型作为最终分类结果，将图像噪声的均值作为偶然不确定度，方差和作为模型不确定度。在实际投入使用时，可以通过两种不确定度判定图像分类结果的可信程度，而不是选择盲目相信模型给予的诊断结果，这对于医生和患者而言，考虑是否需要人工眼科专家重新诊断帮助非常大，在实际临床使用更加安全可靠。

主权项：1.一种基于不确定度的早产儿视网膜病plus病变分类系统，其特征在于，该系统包括：预处理模块、血管分割模块、分类模块以及用于存储图像的存储模块；所述预处理模块用于对眼底图像进行预处理，预处理模块还用于对血管分割图像进行归一化处理；所述血管分割模块用于利用训练好的血管分割网络模型将眼底图像转化为血管分割图像；所述分类模块用于将归一化处理后的血管分割图像作为训练好的贝叶斯深度学习分类网络模型的输入，并通过多次dropout蒙特卡洛，获取三组分别对应三个病变类型的概率值和一组图像噪声，并计算每组概率值的均值以及方差，将均值最大的病变类型作为最终分类结果，将图像噪声的均值作为偶然不确定度，方差和作为模型不确定度。

全文数据：

权利要求：

百度查询： 合肥奥比斯科技有限公司 基于不确定度的早产儿视网膜病plus病变分类系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD