申请/专利权人：中国科学院宁波工业技术研究院慈溪生物医学工程研究所;中国科学院宁波材料技术与工程研究所

申请日：2020-06-08

公开（公告）日：2024-04-05

公开（公告）号：CN111784641B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/10;G06T7/60;G06V10/762;G06V10/74;G16H10/20;G16H30/20;G16H50/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2020.11.03#实质审查的生效;2020.10.16#公开

摘要：本发明属于神经图像处理领域，公开一种基于拓扑结构的神经图像弯曲度估计方法，包括获取角膜神经图像信息，通过深度学习网络分隔角膜神经图像信息得到角膜神经网络片段；计算角膜神经网络片段的弯曲度指标，采用加权平均聚合算法对角膜神经网络片段进行弯曲度指标聚合并得出弯曲度聚合指标；建立基于角膜神经图像信息的角膜神经拓扑结构；通过对角膜神经网络片段各异性分析，采用诱导广义有序加权平均方法对弯曲度聚合指标融合得到角膜神经图像的弯曲度；充分考虑不同角膜神经片段的形态结构和功能各异性，对不同的神经分支进行个体化分析，能够有效的将临床诊断经验和角膜神经弯曲度自动计算相结合，从而实现基于角膜神经图像的临床诊断。

主权项：1.一种基于拓扑结构的神经图像弯曲度估计方法，其特征在于，包括以下步骤：S1获取角膜神经图像信息，通过深度学习网络分隔所述角膜神经图像信息得到角膜神经网络片段；S2计算所述角膜神经网络片段的弯曲度指标，采用加权平均聚合算法对所述角膜神经网络片段进行弯曲度指标聚合并得出弯曲度聚合指标；S3建立基于所述角膜神经图像信息的角膜神经拓扑结构；S4通过角膜神经拓扑结构对角膜神经网络片段各异性分析，采用诱导广义有序加权平均方法对弯曲度聚合指标融合得到角膜神经图像的弯曲度；其中，所述步骤S3建立基于所述角膜神经图像信息的角膜神经拓扑结构具体包括：S301采用形态学细化算法迭代去除角膜神经外部像素，得到特定血管结构；S302采用3*3滑动窗口检测关键节点，在分叉点和交叉点处将分割图像断开，得到多个独立的血管段，并采用三次样条拟合进行中心线拟合，得到每一段神经的中心线信息；S303将每一段神经的起点和终点作为图论中的点V，根据邻域信息连接相邻的点形成图论中的边E，以此建立角膜神经网络的无向图GV，E；S304提取神经段的特征向量，在相邻点集处使用优势集进行特征向量聚类，并以此作为两点之间的相似性度量W，建立角膜神经的带权无向图G（V，E，W）；S305将落在图像边缘像素内的点作为起始点S，引入虚拟点并与各角膜神经树起点相连，采用最小生成树算法计算最小子图，最后去除虚拟点，得到个独立神经树，完成角膜神经的拓扑估计；其中，所述步骤S4通过角膜神经拓扑结构对角膜神经网络片段各异性分析，采用诱导广义有序加权平均方法对弯曲度聚合指标融合得到角膜神经图像的弯曲度具体为：根据角膜神经的拓扑分级信息定义优先级（I1，I2，…In），n为神经树中神经段的个数，根据角膜神经长度定义优先级（L1，L2，…Ln）；按照优先级IL对拓扑树中各神经段进行排序，并使用IGOWA计算出神经树个体弯曲度；调整权重向量的值，可聚合出神经树个体化的弯曲度度量值；按照长度诱导广义有序加权平均对个体化的神经树进行聚合得到角膜神经图像的弯曲度；其中，IGOWA计算出神经树个体弯曲度的方式如下所示： 为按照优先级排列的序列中第i个神经段的弯曲度指标，为聚合时的权重向量，满足，。

全文数据：

权利要求：

百度查询： 中国科学院宁波工业技术研究院慈溪生物医学工程研究所;中国科学院宁波材料技术与工程研究所 一种基于拓扑结构的神经图像弯曲度估计方法及装置

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