龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江大学
申请日：2024-04-15
公开（公告）日：2024-07-05
公开（公告）号：CN118299007A
主分类号：G16H30/20
分类号：G16H30/20;G16H10/20;G06N3/0464;G06N3/048;G06N3/084;G06V10/44;G06V10/764;G06V10/80;G06V10/82
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了一种基于多模态融合的青光眼图像检测方法。首先，充分利用已有数据库中患者的VF‑OCT‑CFP三模态配对数据集，将每个模态图像作为特征提取网络的单个输入，然后通过构建三个独立的特征提取模块对输入模型的各模态信息进行信息特征提取，特征提取模块中集成了基于位置敏感性注意力机制和域泛化技术用来提高模型的学习能力和通用性，最后将各个网络的输出通过多模态注意力机制集成，再利用分类模块以获取最终的分类结果。通过在不同的图像数据集上进行全面的实验，证明了本发明相较于已有单一模态深度学习网络具有显著优势，并且表现出优于人类眼科专家的诊断准确率和效率。
主权项：1.一种基于多模态融合的青光眼图像检测方法，其特征在于：方法包括以下步骤：步骤1：收集临床青光眼诊断图像数据，包括视野模式偏差概率图数据、光学相干断层扫描数据和彩色眼底图像数据，进行筛选，获得一患者的一次眼科的临床青光眼诊断图像数据，作为一个样本，多个样本构建VF-OCT-CFP配对数据集；步骤2：对VF-OCT-CFP配对数据集进行预处理，得到预处理后的数据集；步骤3：通过VF特征提取模块、OCT特征提取模块和CFP特征提取模块从预处理后的数据集中获取VF数据的全局特征、OCT全局特征和CFP全局特征，再经由全局平均池化层获得各模态的卷积特征图；步骤4：将各模态的卷积特征图输入多模态注意力机制，预测VF的注意力权值、OCT的注意力权值和CFP的注意力权值，通过加权平均的方法获得多模态融合特征；步骤5：多模态融合特征使用多层感知机作为分类器，获取最终的分类结果，得到训练后的模型，通过训练后的模型对待检测的图像数据进行检测，对青光眼和正常图像的分类。
全文数据：
权利要求：
百度查询： 浙江大学 一种基于多模态融合的青光眼图像检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号