申请/专利权人:河北工程大学
申请日:2024-01-05
公开(公告)日:2024-03-29
公开(公告)号:CN117788827A
主分类号:G06V10/26
分类号:G06V10/26;G06V10/762;G06V10/44;G06V10/776;G06V10/774;G06V10/54;G06V10/80;G06N3/0895;G06N3/088;G06N3/045;G06N3/0464
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:本发明公开了基于对比学习与谱聚类的视网膜眼底图像分割方法,涉及图像处理技术领域;为了解决目前图像分割技术存在的局限性;具体包括如下步骤:输入医学图像至特征学习网络中进行特征提取;采用谱聚类方法对特征向量进行处理与聚类分割。本发明提出的一种面向视网膜眼底图像分割的两阶段无监督模型,设计与所提取特征向量相对应的相似度矩阵,相互强化优势,实现更准确的聚类分割,致力于通过网络结构的重新设计,保存局部细节的同时,有效强化关键特征,同时通过设计独特的亲和性矩阵,实现与谱聚类的有效结合,以提高图像分割的准确性,凸显了其在疾病诊断和治疗方面的应用价值。
主权项:1.基于对比学习与谱聚类的视网膜眼底图像分割方法,其特征在于,包括如下步骤:S1:输入医学图像至特征学习网络中进行特征提取;S2:采用谱聚类方法对特征向量进行处理与聚类分割。
全文数据:
权利要求:
百度查询: 河北工程大学 基于对比学习与谱聚类的视网膜眼底图像分割方法
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。