申请/专利权人：南京航空航天大学

申请日：2023-08-21

公开（公告）日：2024-04-09

公开（公告）号：CN117078697B

主分类号：G06T7/11

分类号：G06T7/11;G06T7/00;G06V10/764;G06T7/136;G06T5/70;G06T7/90;G06V10/774;G06V10/82;G06V10/25

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.12.05#实质审查的生效;2023.11.17#公开

摘要：本发明提供一种基于级联模型融合的眼底病种检测方法，包括：原始眼底图像采集；图像预处理并输入分割网络；采用分割网络提取眼底视杯试盘、血管和黄斑区部位图像；预处理后的图像以及分割结果输入健康非健康眼底图像分类器，判断是否为健康眼底；预处理后的图像以及分割结果输入眼底病种分类器，判断眼底疾病。本发明基于眼底图像自动分割网络进行精确的部位分割，将其与原始图像结合进行诊断，提高了算法可解释性，分割结果有助医生临床诊断，快速定位病灶。本发明仅使用单分割模型+双分类模型级联方式，即可达到单模型处理单病种并组合方式的精度，避免随着病种数量不断增加而导致模型数量不断上升的问题，提高了诊断效率，降低了运算成本。

主权项：1.一种基于级联模型融合的眼底病种检测方法，其特征在于，包括如下过程：步骤1：采集原始眼底图像并输入图像处理设备；步骤2：图像处理设备通过预处理算法对原始眼底图像进行预处理，并将预处理后的图像输入分割网络中；步骤3：采用分割网络提取眼底视杯视盘、血管和黄斑区部位图像，并将分割结果输入数据接收设备中；分割网络包括编码器模块、空洞卷积模块、注意力模块、解码器模块；步骤4：将预处理后的图像以及数据接收设备接收的分割结果共同输入健康非健康眼底图像分类器，判断是否为健康眼底，若是则进入步骤6，否则进入步骤5；步骤5：将预处理后的图像以及数据接收设备接收的分割结果共同输入眼底病种分类器，判断眼底图像对应的眼底疾病类别；步骤6：将眼底图像对应的具体眼底病种诊断结论保存至数据服务器中，并返回给接口调用方，供其查看；所述步骤3中，分割网络提取眼底视杯视盘、血管和黄斑区部位图像的具体方法如下：步骤3.1：编码器模块采用EfficientNet-V2卷积网络的体征提取部分对预处理后的图像进行特征提取，获得核心编码特征以及多阶段特征，并分别输入空洞卷积模块和注意力模块；步骤3.2：空洞卷积模块搭建在分割网络核心部分，空洞卷积模块采用三种空洞系数的空洞卷积层提取输入的特征图的特征并进行组合，最终获得多感受野特征，并输入到解码器模块；注意力模块包括空间注意力模块与通道注意力模块，空间注意力模块通过同一特征图的不同像素点进行加权，从而提高特征图中病灶部分的特征响应，通道注意力模块通过聚集所有特征图并分别对每张特征图加权，从而选择性地强调某些特征图；最后，将空间注意力模块与通道注意力模块的输出特征进行融合以获得最终的权重重新分配特征，并输入到解码器模块；步骤3.3：解码器模块通过将提取的特征经过多级上采样生成对应尺寸分割图，分割图为二值化结果，1表示目标区域，0表示背景区域；解码器模块最终输出三通道的分割图，分别代表三个眼底重点部位，即视杯视盘、血管和黄斑区的分割结果，分割结果进一步输入数据接收设备中。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于级联模型融合的眼底病种检测方法

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。

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