基于深度学习的眼底荧光造影图像渗漏点检测方法
授权
摘要
本发明公开了一种基于深度学习的眼底荧光造影图像渗漏点检测方法。采集眼底荧光造影图像,构建数据集并预处理,进行盘区域和渗漏点轮廓线标注,使用水漫填充法二值转换;对二值分割图像进行遍历处理,分割成子图,组成特征集;构建两个U型神经网络;采用特征集和渗漏点轮廓线输入第一U型神经网络训练;采用原始图像和视盘区域、黄斑区域输入第二U型神经网络训练;针对待测的眼底荧光造影图像处理预测,取分类概率大于预设渗漏阈值的像素点组成作为渗漏点,并输出视盘区域和黄斑区域;时序前后造影图配准,判断假渗漏点剔除。本发明使用深度卷积神经网络对渗漏点进行语义分割,排除错误的渗漏点,具有更高的准确率和可靠度。
基本信息
专利标题 :
基于深度学习的眼底荧光造影图像渗漏点检测方法
专利标题(英):
暂无
公开(公告)号 :
CN111353980A
申请号 :
CN202010125033.4
公开(公告)日 :
2020-06-30
申请日 :
2020-02-27
授权号 :
CN111353980B
授权日 :
2022-05-17
发明人 :
叶娟金凯陈梦露吴健尤堃徐宇峰陆逸飞
申请人 :
浙江大学
申请人地址 :
浙江省杭州市西湖区余杭塘路866号
代理机构 :
杭州求是专利事务所有限公司
代理人 :
林超
优先权 :
CN202010125033.4
主分类号 :
G06T7/00
IPC分类号 :
G06T7/00 G06T7/12 G06T7/155 G06T7/30
相关图片
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-05-17 :
授权
2020-07-24 :
实质审查的生效
IPC(主分类) : G06T 7/00
申请日 : 20200227
申请日 : 20200227
2020-06-30 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN111353980A.PDF
PDF下载