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！

龙图腾网恭喜沈阳航空航天大学申请的专利基于深度稀疏自编码器集成的三阶段框架的青光眼诊断方法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：CN114266763B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202111626321.9，技术领域涉及：G06T7/00；该发明授权基于深度稀疏自编码器集成的三阶段框架的青光眼诊断方法是由周唯;纪鉴航;杨吉琨;王静;易玉根设计研发完成，并于2021-12-28向国家知识产权局提交的专利申请。

本基于深度稀疏自编码器集成的三阶段框架的青光眼诊断方法在说明书摘要公布了：本发明公开了一种基于深度稀疏自编码器集成的三阶段框架的青光眼诊断方法，通过对眼底图像中的原始图像特征采用DSA特征提取模型进行深度特征的提取，而后将原始图像特征和深度特征进行融合，获得混合特征，进而提高挖掘眼底图像隐藏的特征结构，提高了提取特征的鲁棒性和分辨力，进而改善对于眼底图像中青光眼的辨别力，提高诊断的准确率。

本发明授权基于深度稀疏自编码器集成的三阶段框架的青光眼诊断方法在权利要求书中公布了：1.一种基于深度稀疏自编码器集成的三阶段框架的青光眼诊断方法，其特征在于，包括如下步骤：S1：获取眼底图像；S2：将所述眼底图像进行预处理，获得预处理后的感兴趣区域图像并提取图像特征X，其中，X＝[x1,x2,...,xD]，D为每幅感兴趣区域图像的维数；S3：采用DSA特征提取模型对所述图像特征X进行深度特征提取，获得深度特征d，DSA特征提取模型推导过程如下：在DSA表示提取模型中，X∈RN×D表示预处理阶段输出得到的输入数据，其中，N为图像个数，D为每幅图像的维数；H∈RN×d表示隐藏特征，其中为第t隐含层输出矩阵，dt为第t隐藏层的单位数；假设模型中有L个AEs，那么隐藏层的数量也是L；混合特性通过融合原始特性和前面的自编器的编码结果作为下一个AE的输入，制定的混合特性其中表示将原始特征x与网络输出特征h连接的连接操作；E∈RD+d×d是由0和1组成的变换矩阵，E的元素由以下因素决定： 其中，D为的协方差矩阵，Dmm为D的第m个对角元素，v∈Rd是通过在D的对角元素中选择前d个最大值而获得的d维向量，vn是v的第n个元素；将特征的发散度用来衡量分类分辨能力，混合特征的目标函数定义为： DSA中第p个AE的编码器函数定义为： 式中，为第p-1个混合特征输出的重构结果，其中将原始特征x与hp-1的编码结果连接，Wp1和bp1为编码器在第p次AE中的权重矩阵和偏置向量；f·为逻辑回归sigmoid函数；同理，第p个AE的解码器函数为： 式中，为第p-1个混合特征输出的重构结果；Wp2和bp2表示解码器在第p次AE中的权重矩阵和偏置向量；采用KL散度进行稀疏表示，具体表示为： 式中，ρ是稀疏参数，ρK是第K个隐藏神经元上所有训练样本的平均激活值；采用局部依赖，将隐藏特征H划分为两个子部分，包括原始特征HG1和前一层输出特征HG2，即，H＝[HG1,HG2]，则隐藏特征H上的稀疏约束表示为：ΓH＝||HG1||1+||HG2||16式中，||·||1为L1常模；将稀疏约束与混合特征结合到一个统一的框架中，得到混合稀疏特征组；DSA中第p个AE的最终目标函数为： 式中，包含三项，第一项为重构误差，第二项为L2权值正则化，第三项为稀疏正则化；α和β分别是L2权值正则化和稀疏正则化的两个系数；其中，d＝[d1,d2,...,dz]，z为特征的维度，为重构误差，为L2权值正则化，为稀疏正则化，α为L2权值正则化系数，β为稀疏正则化系数；通过上述DSA特征提取模型获得深度特征，表示为d＝[d1,d2,...,dz]；S4：将所述图像特征X与所述深度特征d进行融合，获得混合特征F，其中，F＝{f1,f2,...,fN}，且fi＝[xi，di]；S5：将所述混合特征F归一化处理后，输入到已训练完成的分类模型中，进行青光眼诊断。

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沈阳航空航天大学，其通讯地址为：110136 辽宁省沈阳市道义经济开发区道义南大街37号；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”。