申请/专利权人：新加坡国立大学;新加坡保健服务集团私人有限公司

申请日：2018-07-24

公开（公告）日：2024-04-19

公开（公告）号：CN110914835B

主分类号：G06V10/764

分类号：G06V10/764;A61F9/00;G06T7/90

优先权：["20170728 SG 10201706186V"]

专利状态码：有效-授权

法律状态：2024.04.19#授权;2020.05.29#实质审查的生效;2020.03.24#公开

摘要：公开了一种修改用于深度学习模型的视网膜眼底图像的方法100。在所描述的实施例中，方法100包括：通过将视网膜眼底图像111的像素172转换为0二值图像131的低强度经修改像素和高强度经修改像素来将视网膜眼底图像111转换为二值图像131，以及确定在二值图像131的低强度经修改像素与高强度经修改像素之间的第一边界151。该方法进一步包括：从第一边界151移除离群边界值162，根据剩余边界值163构建第二边界161，标识视网膜眼底图像在第二边界161之内的的像素172，以及5构建用于深度学习模型的经修改的视网膜眼底图像171，该经修改的视网膜眼底图像包含所标识的像素172。

主权项：1.一种修改用于深度学习模型的视网膜眼底图像的方法，所述方法包括：（i）将视网膜眼底图像转换为二值图像，所述视网膜眼底图像的像素被转换为所述二值图像的低强度经修改像素和高强度经修改像素，其中，（i）中转换所述视网膜眼底图像包括：将所述视网膜眼底图像的对应强度值低于预定强度阈值的像素分类为所述低强度经修改像素，并且将所述视网膜眼底图像的对应强度值高于所述预定强度阈值的像素分类为所述高强度经修改像素；（ii）确定所述低强度经修改像素与所述高强度经修改像素之间的第一边界；（iii）从所述第一边界移除离群边界值，并且根据剩余边界值构建第二边界，所述第二边界对应于视网膜盘的估计参数，其中，移除离群边界值包括：根据边界值计算平均径向值；以及移除其径向值偏离所述平均径向值的边界值；（iv）标识所述视网膜眼底图像的在所述第二边界之内的像素；以及（v）构建用于所述深度学习模型的经修改的视网膜眼底图像，所述经修改的视网膜眼底图像包括所标识的像素。

全文数据：

权利要求：

百度查询： 新加坡国立大学;新加坡保健服务集团私人有限公司 修改用于深度学习模型的视网膜眼底图像的方法

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