[发明专利]一种基于递归残差网络的视网膜OCT图像分类方法在审
| 申请号： | 202210772144.3 | 申请日： | 2022-07-02 |
| 公开（公告）号： | CN115131612A | 公开（公告）日： | 2022-09-30 |
| 发明（设计）人： | 李冰;李广庆;吴少勇 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/82;G06T7/00;G06N3/04;G06N3/08;A61B3/10;A61B3/12;A61B3/14;A61B3/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 递归 网络 视网膜 oct 图像 分类 方法 | ||
1.基于递归残差网络的视网膜OCT图像分类方法，其特征在于，包含以下步骤：
步骤一，获取视网膜OCT图像分类数据集，并分为训练集和测试集，为后续的工作做准备；
步骤二，图像预处理；
步骤三，以ResNet50网络模型为基线网络，结合了门控注意力机制模块(attentiongate module，AG)；
步骤四，结合发明的递归残差模块；
步骤五，通过消融实验，获取网络最优模型。
2.根据权利要求1所述的基于多尺度残差网络的视网膜OCT图像分类方法，其特征在于：使用的视网膜OCT图像是联合摄影专家组格式，符合医学图像成像和通信规范。
3.根据权利要求1所述的基于递归残差网络的视网膜OCT图像分类方法，其特征在于：步骤一中训练集和测试集按照9：1的比例进行划分。
4.根据权利要求1所述的基于递归残差网络的视网膜OCT图像分类方法，其特征在于：步骤二中以将视网膜OCT图像统一尺寸为224×224，采用下采样将四种类别的视网膜OCT图像数量统一，对图像进行标准化的方式进行图像预处理。
5.根据权利要求1所述的基于递归残差网络的视网膜OCT图像分类方法，其特征在于：步骤三中的基线网络为ResNet50，并引入了门控注意力机制模块。
6.根据权利要求1所述的基于递归残差网络的视网膜OCT图像分类方法，其特征在于：步骤四中发明的递归残差网络为双分支残差模块结构，并在其中加入循环通道。
7.根据权利要求1所述的基于递归残差网络的视网膜OCT图像分类方法，其特征在于：步骤五中，通过消融实验，得出网络最优模型，使用发明的递归残差模块替代基线网络中的残差模块。
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哈尔滨理工大学，未经哈尔滨理工大学许可，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/202210772144.3/1.html，转载请声明来源钻瓜专利网。
