基于无监督学习的视网膜OCT图像分割方法
公开
摘要
本发明公开了一种基于无监督学习的视网膜OCT图像分割方法，包括以下步骤：S1、从采集的OCT图像中，筛选出正常视网膜图像和异常网膜图像；S2、筛除质量存在问题的图像，余下的作为训练数据集；S3、构建视网膜OCT图像生成网络模型；S4、网络模型训练；S5、通过训练好的网络模型对输入的视网膜OCT图像进行病灶分割。本发明提供的方法能实现眼底视网膜OCT图像中的病灶精准分割，相比现有的无监督病灶分割方法，本发明能大大减少预处理步骤，最大程度保留原始的图像信息，对常见的渗出性和水肿型病灶都有较好的分割效果；本发明对加快眼底相关疾病的临床诊断速度、提高诊断精度和指导检查具有潜在的医学价值。
基本信息
专利标题 ：
基于无监督学习的视网膜OCT图像分割方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114612484A
申请号 ：
CN202210223934.6
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-07
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
何益王晶陈一巍樊金宇叶虹侯祖军史国华李超宏
申请人 ：
中国科学院苏州生物医学工程技术研究所
申请人地址 ：
江苏省苏州市高新区科技城科灵路88号
代理机构 ：
北京远大卓悦知识产权代理有限公司
代理人 ：
贺杰
优先权 ：
CN202210223934.6
主分类号 ：
G06T7/11
IPC分类号 ：
G06T7/11 G06T7/136 G06N3/04 G06N3/08
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
G06T5/00
图像的增强或复原
G06T5/50
通过使用多于一幅图像的，例如平均、减少
G06T7/11
区域分割
法律状态
2022-06-10 ：
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
暂无PDF文件可下载
