[发明专利]基于小波变换和迁移学习的视网膜OCT图像分类方法在审
| 申请号： | 201910687911.9 | 申请日： | 2019-07-29 |
| 公开（公告）号： | CN110472530A | 公开（公告）日： | 2019-11-19 |
| 发明（设计）人： | 纪庆革;洪赛丁 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 44245 广州市华学知识产权代理有限公司 | 代理人： | 林梅繁<国际申请>=<国际公布>=<进入 |
| 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： | 本发明属于计算机视觉、医学图像处理技术领域，为基于小波变换和迁移学习的视网膜OCT图像分类方法，包括步骤：对视网膜OCT图像进行小波变换，得到低频细节分量、水平细节分量、垂直细节分量、对角线细节分量四条子带；对四条子带的图像，基于迁移学习进行子带特征的提取；将所提取的四个子带图像的特征进行级联和特征融合，然后将级联和特征融合后的特征作为训练集输入到随机森林中，进行训练、分类和预测结果。本发明充分利用了视网膜OCT图像原本的信息，在一定程度上能减少训练参数、加速运行，提高最终分类预测的准确率。 | ||
| 搜索关键词： | 视网膜 特征融合 小波变换 级联 条子 迁移 图像 医学图像处理 对角线细节 分类和预测 计算机视觉 垂直细节 水平细节 随机森林 细节分量 训练参数 训练集 分类 准确率 子带 学习 预测 | ||
【主权项】：
1.基于小波变换和迁移学习的视网膜OCT图像分类方法，其特征在于，包括步骤：/nS1、对视网膜OCT图像进行小波变换，得到低频细节分量、水平细节分量、垂直细节分量、对角线细节分量四条子带；/nS2、对四条子带的图像，基于迁移学习进行子带特征的提取；/nS3、将所提取的四个子带图像的特征进行级联和特征融合，然后将级联和特征融合后的特征作为训练集输入到随机森林中，进行训练、分类和预测结果。/n
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/201910687911.9/，转载请声明来源钻瓜专利网。
- 上一篇：目标识别导航方法及系统
- 下一篇：视频处理方法、装置、电子设备及存储介质
