龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了一种基于深度学习的眼底硬渗出物分割方法，本发明在传统的Unet模型基础上加上了双重注意力模块，有利于关注重要的病变区域；并且加入了更多的多尺度融合，提取更多的特征和语义信息；最后使用了金字塔式的融合方式，使得改进后的模型可以有效提高对硬渗出物的检测能力；本发明针对眼底硬渗出物的类不平衡问题，提出一种基于DiceLoss改进的损失函数，该损失函数能够提高目标分割的召回率和错误分割的权重。将此损失函数应用在上面改进的Unet模型有利于提升分割效果。
主权项：1.一种基于深度学习的眼底硬渗出物分割方法，其特征在于，该方法具体包括以下步骤：步骤1、将含有眼底病变的数据集图像作为原始的数据样本，对其进行数据预处理；步骤2、对眼底图像中的硬渗出物病变部分进行手动标记，从而获得训练网络模型所需要的带有标注信息的数据集，将获得的数据集分为训练集和测试集；步骤3、将得到的训练集输入到改进的Unet模型，通过改进的DiceLoss损失函数监督网络训练，得到硬渗出物病变检测模型；所述的改进的Unet模型为在跳跃连接层添加了双重注意力模块，包括通道注意力和空间注意力模块；将编码层多尺度的每个输入特征经过注意力模块得到的特征图，一方面作为上一注意力特征的输入，另一方面作为解码特征的输入；下采样过程的最后一步使用多级空洞卷积模块，将卷积得到的特征图结果进行融合，并作为解码过程的输入；所述的改进的DiceLoss损失函数具体为： 其中DCc表示损失结果，α、β是可调节的变量，其中pkc为1，表示输出结果中像素k属于类别c，为0，表示输出结果中像素k不属于类别c，gkc为1，表示原标注图片属于类别c的像素k，为0，表示原标注图片不属于类别c的像素k；ε为常量，N表示样本像素的数量； 其中DMc表示处理后的损失结果，σ为调节参数；步骤4、将步骤2得到的测试集输入步骤3得到的硬渗出物检测模型中进行图像分割，根据分割的结果进行进一步地微调模型。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种基于深度学习的眼底硬渗出物分割方法
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