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！

龙图腾网恭喜珠海中科先进技术研究院有限公司;中国科学院深圳先进技术研究院申请的专利可解释性老年黄斑变性分类方法、装置及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114913366B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210432933.2，技术领域涉及：G06V10/764；该发明授权可解释性老年黄斑变性分类方法、装置及存储介质是由王涵;潘毅设计研发完成，并于2022-04-22向国家知识产权局提交的专利申请。

本可解释性老年黄斑变性分类方法、装置及存储介质在说明书摘要公布了：本发明公开了可解释性老年黄斑变性分类方法、装置及存储介质，属于图像处理领域。其中方法包括：对眼底照片进行AMD分类，得到非AMD眼底图像和AMD眼底图像；对AMD眼底图像进行病理特征区域识别，生成病症特征描述；对AMD眼底图像构建病理特征标记矩阵，并基于半监督图像分割得到特征分割图片；对特征分割图片进行病症及诱因标记；基于标记结果和特征分割图片建立第一多分类模型；对特征分割图片进行真实病理特征判断；基于Gan网络进行数据增强；基于阳性数据集优化图像分类模型；基于真实病理特征图片，得到第二多分类模型；根据第二多分类模型的分类结果，基于可解释算法生成可解释性病症描述。本发明能够帮助眼科医生更好地了解预测模型原理及依据。

本发明授权可解释性老年黄斑变性分类方法、装置及存储介质在权利要求书中公布了：1.一种可解释性老年黄斑变性分类方法，其特征在于，包括以下步骤：基于图像分类模型对眼底照片进行AMD分类，得到非AMD眼底图像和AMD眼底图像；基于可解释算法对所述AMD眼底图像进行病理特征区域识别，生成病症特征描述；对所述AMD眼底图像构建病理特征标记矩阵，并基于半监督图像分割得到特征分割图片；对所述特征分割图片进行病症及诱因标记，得到标记结果；基于所述标记结果和所述特征分割图片建立第一多分类模型；对所述特征分割图片进行真实病理特征判断，得到真实病理特征图片和非真实病理特征图片；基于Gan网络，将所述真实病理特征图片合成到训练数据集的阳性数据集中，将所述非真实病理特征图片合成到训练数据集的阴性数据集中；基于所述阳性数据集优化所述图像分类模型；基于所述真实病理特征图片，得到第二多分类模型；根据所述第二多分类模型的分类结果，基于可解释算法生成可解释性病症描述；其中，所述基于Gan网络，将所述真实病理特征图片合成到训练数据集的阳性数据集中，将所述非真实病理特征图片合成到训练数据集的阴性数据集中包括：基于CGAN的改良数据增强模型进行数据增强，得到生成阳性图片和生成阴性图片，并将所述生成阳性图片合成到所述阳性数据集，将所述生成阴性图片合成到所述阴性数据集；所述改良数据增强模型包括：生成器，为U型网络结构；判别器，包括第一判别器、第二判别器、第三判别器和第四判别器，所述判别器的结构为Conv×2+BN+ReLU层+Conv+激活函数；粗生成器，结构为映射+填充、三个卷积+若干正则化+线性整流函数和四个ResBlk，用于生成眼底主要特征，所述眼底主要特征包括黄斑区、视盘和颜色结构；所述第一判别器，输入为低像素图片及粗生成器生成图片，输出为半解析度图像；细生成器，结构为三个ResBlk、一个Deconv、一个Conv和一个输出启动层，用于生成局部信息，所述局部信息包括视网膜小静脉、小动脉、出血、渗出和微动脉瘤；所述第二判别器，输入为图像为高像素图片和细生成器生成图片，输出为全解析度图像；所述粗生成器和所述细生成器构成粗+细生成器，所述的粗+细生成器的结构通过将粗生成器的最后一个ResBlk添加到细生成器的第一个Conv层得到，用于生成所述眼底主要特征和所述局部信息；所述第三判别器，输入为图像为低像素图片和所述粗+细生成器的生成图片，输出为全解析度图像；所述第四判别器，输入为高像素图片和所述粗+细生成器的生成图片，输出为全解析度图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人珠海中科先进技术研究院有限公司;中国科学院深圳先进技术研究院，其通讯地址为：519000 广东省珠海市高新区唐家湾镇哈工大路2号龙园智慧产业园5栋101；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。