申请/专利权人：北京理工大学

申请日：2024-04-03

公开（公告）日：2024-07-05

公开（公告）号：CN118299005A

主分类号：G16H30/00

分类号：G16H30/00;G06T7/00

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：本发明公开了基于病变程度连续标签的眼底彩照病理性近视检测方法，属于图像处理技术领域，包括：S1、定义训练样本标签；S2、将步骤S1得到的连续标签输入到双分支排序特征提取模型中，双分支排序特征提取模型输入为标准化的眼底彩照，参考分支与查询分支同时分别输入n张参考图像与对应的1张查询图像，输出时空编码的查询特征和空间编码的参考特征；S3、搭建多任务模块以及对应的损失函数来约束特征空间的特征分布，实现按照疾病严重程度对特征在高维空间进行排序并完成对眼底彩照的病理性近视的智能检测。本发明采用上述的基于病变程度连续标签的眼底彩照病理性近视检测方法，能够利用临床病变连续变化的先验信息有效提高近视检测的准确率。

主权项：1.基于病变程度连续标签的眼底彩照病理性近视检测方法，其特征在于，包括以下步骤：S1、定义训练样本标签S11、收集正常以及包含病理性近视的眼底彩照作为训练样本；S12、对训练样本进行分辨率的标准化，得到标准化的眼底彩照；S13、对标准化后的眼底彩照进行分级和排序；S14、计算得出基于病变程度的连续标签，连续标签包括相对顺序标签和绝对顺序标签；S2、将步骤S1得到的连续标签输入到双分支排序特征提取模型中，双分支排序特征提取模型输入为标准化的眼底彩照，参考分支与查询分支同时分别输入n张参考图像与对应的1张查询图像，输出时空编码的查询特征Ft和空间编码的参考特征具体包括如下子步骤：S21、卷积特征提取模块E提取卷积特征，输入为标准化的眼底彩照，输出为卷积网络提取出的R512维度特征；S22、经过步骤S21得到n个R512维度的参考特征fr和1个R512维度的查询特征Fq，分别输入空间编码模块，得到对应的R512维度的空间编码后的查询特征和空间编码后的参考特征S23、经过步骤S22得到的n个R512维度的空间编码的参考特征和1个R512维度的空间编码的查询特征作为时间编码的输入，同时输入时间编码模块，最终输出经过时空编码的查询图像特征Ft；S3、搭建多任务模块以及对应的损失函数来约束特征空间的特征分布，实现按照疾病严重程度对特征在高维空间进行排序并完成对眼底彩照的病理性近视的智能检测。

全文数据：

权利要求：

百度查询： 北京理工大学 基于病变程度连续标签的眼底彩照病理性近视检测方法

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