[发明专利]一种嵌入式眼底病变自动识别系统在审

专利信息
申请号: 201811571855.4 申请日: 2018-12-21
公开(公告)号: CN109549620A 公开(公告)日: 2019-04-02
发明(设计)人: 冉恒;宋鹏云;刘阳辉;隗征;周航;张寅睿;杨鹏飞;虎帅柯;郭子铭;韩柯 申请(专利权)人: 西南民族大学
主分类号: A61B3/12 分类号: A61B3/12;A61B3/14
代理公司: 重庆市诺兴专利代理事务所(普通合伙) 50239 代理人: 卢玲
地址: 610000 四*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 嵌入式 眼底图像 自动识别系统 眼底病变 电荷耦合器件 图像传感器 眼底相机 光路 向量 预处理 标准图像参数 互联网服务器 图形处理器 参数向量 输出控制 图像参数 显示设备 存储器 养老院 眼底 拍照 扫描 捕捉 应用
【权利要求书】:

1.一种嵌入式眼底病变自动识别系统,包括嵌入式眼底相机和互联网服务器,该嵌入式眼底相机包括光路(1)、电荷耦合器件图像传感器(8)、存储器(5)、显示设备(4)、控制机构(2)、CPU(3)和嵌入式GPU图形处理器(6);

光路(1)用于对患者眼底进行扫描,并进行拍照捕捉,获取患者眼底图像,输出到电荷耦合器件图像传感器(8);

电荷耦合器件图像传感器(8)用于将患者眼底图像转化为数字信号,并传入CPU(3)进行处理;

存储器(5)用于数据存储;

显示设备4用于对数据进行显示;

其特征在于:CPU(3)用于对收到的患者眼底图像信号进行预处理和图像参数向量的提取;CPU(3)将提取的患者眼底图像参数向量与设置的标准图像参数向量进行比较,以判断患者眼底图像是否满足规定的要求,如果比较结果不满足设定值时,则输出控制信号到控制机构(2);如果比较结果满足设定值时,则保存患者眼底图像,并将患者眼底图像输出到嵌入式GPU图形处理器(6);

控制机构根据收到的控制信号,调整光路拍摄参数;

嵌入式GPU图形处理器(6)根据收到的患者眼底图像进行患者眼底图像特征向量的提取,并将患者眼底图像特征向量分别与存储器中存储的正常眼底图像特征向量和病变眼底图像特征向量进行比较分析,判断该患者眼底是否有病变以及眼底病变类型。

2.根据权利要求1所述的一种嵌入式眼底相机,其特征在于:所述光路(1)中设置有物镜(11)、LEDs灯环(12)、可变光阑(13)和聚焦透镜(14);物镜(11)对患者眼底进行扫描,并进行拍照捕捉,获取患者眼底图像,通过聚焦透镜(14)传输到电荷耦合器件图像传感器(8);可变光阑(13)用于对光束进行调节;LEDs灯环(12)用于提供光源。

3.根据权利要求1所述的一种嵌入式眼底病变自动识别系统,其特征在于:嵌入式GPU图形处理器内部署有卷积神经网络模型并可提供眼底病变自动识别计算,该卷积神经网络模型包括输入层、隐藏层、全连接层和输出层;

输入层用于读出图像信号,并输出到第一隐藏层;

第一隐藏层进行卷积运算,并将卷积运算结果输出到第二隐藏层;第一隐藏层由若干个特征映射组成,每个特征映射由若干个神经元组成,每个神经元指定一个接受域;

第二隐藏层实现子抽样和局部平均计算,并将结果输出到第三隐藏层;第二隐藏层由若干个特征映射组成,每个特征映射由若干个神经元组成;

第三隐藏层用于进行第二次卷积运算,并将结果输出到第四隐藏层;第三隐藏层由若干个特征映射组成,每个特征映射由若干个神经元组成;

第四隐藏层用于进行第二次子抽样和局部平均计算,并将结果输出到第五隐藏层;第四隐藏层由若干个特征映射组成,每个特征映射由若干个神经元组成;

第五隐藏层用于进行第三次卷积运算,并将结果输出到全连接层;第五隐藏层由若干个神经元组成,每个神经元指定一个接受域;

最后是全连接层和输出层,并输出特征向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南民族大学,未经西南民族大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811571855.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top