[发明专利]用于判别角膜溃烂的深度学习模型的构建方法及其系统在审
| 申请号： | 201810586987.8 | 申请日： | 2018-06-08 |
| 公开（公告）号： | CN108985328A | 公开（公告）日： | 2018-12-11 |
| 发明（设计）人： | 唐晓颖;周检根 | 申请（专利权）人： | 佛山市顺德区中山大学研究院;广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 左恒峰 |
| 地址： | 528399 广东省佛山市顺德区*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了用于判别角膜溃烂的深度学习模型的构建方法及其系统，对角膜测试图像进行处理，并且利用AlexNet和VGGNet来获取不同的深度学习模型，并在此之后，通过不断调整深度学习模型的各类参数来获取新的深度学习模型，在每次调整后，均以识别率更高的深度学习模型作为基础与下次调整后的进行比较，因此能够针对深度学习模型的各项参数分别进行优化，总体上藉由这些优化，能够大大提升识别率。因此，本发明给出了优化后的深度学习模型的构建方法，此深度学习模型能够代替人眼判别且具有较高的识别率，方便医务人员及研究者使用。 | ||
| 搜索关键词： | 学习 识别率 构建 角膜 溃烂 优化 测试图像 人眼 | ||
【主权项】：
1.用于判别角膜溃烂的深度学习模型的构建方法，其特征在于，包括以下步骤：对角膜测试图像进行处理，得到角膜处理图像；基于AlexNet和VGGNet训练得到两个深度学习模型并利用此两个深度学习模型分别对角膜处理图像进行识别，将识别率更高的作为第一深度学习模型；调整第一深度学习模型的卷积层数，由调整前与调整后的第一深度学习模型分别对角膜处理图像进行识别，将识别率更高的作为第二深度学习模型；用于调整第二深度学习模型的卷积核数，由调整前与调整后的第二深度学习模型分别对角膜处理图像进行识别，将识别率更高的作为第三深度学习模型；用于调整第三深度学习模型的优化器模型，由调整前与调整后的第三深度学习模型分别对角膜处理图像进行识别，将识别率更高的作为最终判别模型。
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佛山市顺德区中山大学研究院;广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学，未经佛山市顺德区中山大学研究院;广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学许可，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/patent/201810586987.8/，转载请声明来源钻瓜专利网。
