申请/专利权人：中日友好医院(中日友好临床医学研究所)

申请日：2024-02-28

公开（公告）日：2024-03-29

公开（公告）号：CN117789284A

主分类号：G06V40/18

分类号：G06V40/18;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：缺血型视网膜静脉阻塞的识别方法及装置，能提取全局信息和上下文信息，又能准确地抓取其局部信息，全方位地准确识别缺血型视网膜静脉阻塞。包括：（1）数据读取：读取标注好的FFA影像，对数据进行预处理和增强，并按照比例随机划分为训练集、验证集和测试集；（2）模型训练：分别经过VisionTransformer和CNN网络提取特征，将两张特征图拼接，进行融合；送入全连接层来获取FFA影像的识别结果，期间通过损失函数进行反向传播，以此训练模型；（3）模型测试：使用训练好的模型的参数文件来进行参数的加载，读取待识别的FFA影像，对影像进行预处理使其与训练数据的格式一致，送入模型得到识别结果。

主权项：1.缺血型视网膜静脉阻塞的识别方法，其特征在于：其包括以下步骤：（1）数据读取：读取标注好的FFA影像，每一幅FFA影像的分辨率为768像素×768像素，标注由眼科医生对FFA影像进行手工标注缺血型视网膜静脉阻塞RVO无灌注区，然后对数据进行预处理和增强，并按照比例随机划分为训练集、验证集和测试集，用以训练，验证和评估所提出的网络；（2）模型训练：预处理后的FFA影像分别经过VisionTransformer和CNN网络提取特征，将两张特征图进行concat拼接，然后利用1×1的卷积对上述两个不同类型的特征进行融合，从而全方位提取FFA影像的特征信息；最后将融合后的特征图送入全连接层来获取FFA影像的识别结果，期间通过损失函数进行反向传播，以此训练模型；（3）模型测试：使用训练好的模型的参数文件来进行参数的加载，读取待识别的FFA影像，对影像进行预处理使其与训练数据的格式一致，将其送入步骤（2）的模型中，得到缺血型视网膜静脉阻塞的识别结果。

全文数据：

权利要求：

百度查询： 中日友好医院(中日友好临床医学研究所) 缺血型视网膜静脉阻塞的识别方法及装置

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