[发明专利]基于深度神经网络的角膜病图像序列化特征提取与分类方法及装置有效
| 申请号： | 201910380673.7 | 申请日： | 2019-05-08 |
| 公开（公告）号： | CN110188767B | 公开（公告）日： | 2021-04-27 |
| 发明（设计）人： | 姚玉峰;吴飞;孔鸣;许叶圣;谢文加;段润平;朱强;汤斯亮 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06T7/00 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 傅朝栋;张法高 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的角膜病图像序列化特征提取与分类方法及装置。包括如下步骤：1)把角膜病裂隙灯图像按照眼表‑角膜的自然界域进行区域标注的结果作为训练数据集，并利用滑动窗口对角膜图像中病变主体区域采样，形成区域子块集合；2)对每张角膜图像中所有区域子块，通过DenseNet模型提取其特征，获取区域向量化特征表示；3)将特征提取结果序贯链接组合，保留区域子块之间空间结构关系，并利用LSTM(长短时记忆模型)对其处理，形成角膜图像特征，并进行分类。本发明将深度序列学习模型应用于角膜疾病分类诊断。相比一般图像分类算法，本发明对角膜病诊断中区别性关键信息进行建模，有效保留角膜病特征空间结构。 | ||
| 搜索关键词： | 基于 深度 神经网络 角膜 图像 序列 特征 提取 分类 方法 装置 | ||
【主权项】：
1.一种基于深度神经网络的角膜病图像序列化特征提取与分类方法，其特征在于，包括如下步骤：1)把角膜病裂隙灯图像按照眼表‑角膜的自然界域进行区域标注的结果作为训练数据集，并利用滑动窗口对角膜图像中病变主体区域进行采样，形成区域子块集合；2)对每张角膜图像中的所有区域子块，通过DenseNet模型进行特征提取，获取区域的向量化特征表示；3)将特征提取结果进行序贯链接组合，从而保留区域子块之间的空间结构关系，并利用长短时记忆模型对特征序列进行处理，形成角膜图像特征，并进行分类。
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浙江大学，未经浙江大学许可，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/201910380673.7/，转载请声明来源钻瓜专利网。
