[发明专利]基于深度学习子网络特征提取的视网膜OCT图像分类方法有效
| 申请号： | 201910462063.1 | 申请日： | 2019-05-30 |
| 公开（公告）号： | CN110188820B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 纪庆革;刘稳;黄捷 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06V40/18 | 分类号： | G06V40/18;G06V10/764;G06V10/82;G06N3/0464 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 林梅繁 |
| 地址： | 510275 广东*** | 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： | 本发明涉及计算机视觉技术，为基于深度学习子网络特征提取的视网膜OCT图像分类方法，对计算机辅助诊断提供算法支持，计算资源消耗小，训练速度快，准确率高；包括步骤：准备视网膜OCT图像数据；构建多个不同的深度学习模型子网络；对视网膜OCT图像数据用所构建的不同的深度学习模型子网络进行特征提取，将所提取的特征输入随机森林分类器进行训练和分类，并对训练和分类的结果进行评估筛选，获得准确率较高的几个模型；利用所评估筛选出来的模型，采用特征连接或多数投票的分类方法对视网膜OCT图像进行分类。 | ||
| 搜索关键词： | 基于 深度 学习 网络 特征 提取 视网膜 oct 图像 分类 方法 | ||
【主权项】：
1.基于深度学习子网络特征提取的视网膜OCT图像分类方法，其特征在于，包括以下步骤：S1、准备视网膜OCT图像数据；S2、构建多个不同的深度学习模型子网络；S3、对视网膜OCT图像数据用步骤S2所构建的不同的深度学习模型子网络进行特征提取，将所提取的特征输入随机森林分类器进行训练和分类，并对训练和分类的结果进行评估筛选，获得准确率较高的几个模型；S4、利用步骤S3所评估筛选出来的模型，采用特征连接或多数投票的分类方法对视网膜OCT图像进行分类。
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中山大学，未经中山大学许可，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/201910462063.1/，转载请声明来源钻瓜专利网。
