一种脉络膜厚度估计方法、装置、设备及介质

    公开(公告)号:CN113554593A

    公开(公告)日:2021-10-26

    申请号:CN202110660286.6

    申请日:2021-06-15

    Applicant: 汕头大学

    Abstract: 本发明涉及数据处理技术领域,尤其是一种脉络膜厚度估计方法、装置、设备及介质,该方法包括:步骤S100、在OCT视网膜图像中沿脉络膜的长度方向连续截取多个分别包含部分脉络膜的图像块;步骤S200、将各所述图像块分别输入至训练好的卷积神经网络,通过训练好的卷积神经网络特征提取,得到局部厚度值;步骤S300、求取各所述局部厚度值的平均值,作为脉络膜厚度值。本发明通过先在OCT视网膜图像上将脉络膜截取在多个图像块的区域内,再通过卷积神经网络提取图像块中关于局部脉络膜厚度的特征值,再基于这些值进行均值计算,从而估算脉络膜的厚度,无需通过图像分割来定位脉络膜,可直接获得准确的脉络膜的厚度估算结果。

    回归分析卷积神经网络行为解析方法、装置、设备及介质

    公开(公告)号:CN119692400A

    公开(公告)日:2025-03-25

    申请号:CN202411681552.3

    申请日:2024-11-22

    Applicant: 汕头大学

    Inventor: 容毅标

    Abstract: 本发明主要用于图像处理技术领域。本发明公开了一种回归分析卷积神经网络行为解析方法、装置、设备及介质,该方法包括:首先,将输入图像送入回归分析卷积神经网络得到期望输出。接着,以随机初始化的方式创建种群矩阵,每个个体都是一个二值滤波器。通过预设的迭代和筛选条件,更新种群矩阵以确定最优滤波器。然后,用最优滤波器处理输入图像得到目标图像,并再次输入回归分析卷积神经网络得到目标输出。最后,通过比较目标图像与原图像的差值,以及目标输出与期望输出的差值,解析回归分析卷积神经网络的预测行为。通过识别回归分析卷积神经网络的输入值与输出值之间的关系,有助于用户理解神经网络模型的预测依据。

    一种脉络膜厚度估计方法、装置、设备及介质

    公开(公告)号:CN113554593B

    公开(公告)日:2023-07-25

    申请号:CN202110660286.6

    申请日:2021-06-15

    Applicant: 汕头大学

    Abstract: 本发明涉及数据处理技术领域,尤其是一种脉络膜厚度估计方法、装置、设备及介质,该方法包括:步骤S100、在OCT视网膜图像中沿脉络膜的长度方向连续截取多个分别包含部分脉络膜的图像块;步骤S200、将各所述图像块分别输入至训练好的卷积神经网络,通过训练好的卷积神经网络特征提取,得到局部厚度值;步骤S300、求取各所述局部厚度值的平均值,作为脉络膜厚度值。本发明通过先在OCT视网膜图像上将脉络膜截取在多个图像块的区域内,再通过卷积神经网络提取图像块中关于局部脉络膜厚度的特征值,再基于这些值进行均值计算,从而估算脉络膜的厚度,无需通过图像分割来定位脉络膜,可直接获得准确的脉络膜的厚度估算结果。

    一种基于神经网络的脉络膜厚度估计及不确定性评估方法

    公开(公告)号:CN116188375A

    公开(公告)日:2023-05-30

    申请号:CN202211675117.0

    申请日:2022-12-26

    Applicant: 汕头大学

    Abstract: 本发明公开了一种基于神经网络的脉络膜厚度估计及不确定性评估方法,其中所述方法包括:根据初始训练集和若干个不同常数,对应生成若干个最终训练集;搭建以眼底彩照图像为输入和以脉络膜厚度为输出的卷积神经网络;利用所述若干个最终训练集对所述卷积神经网络进行训练,得到若干个训练好的卷积神经网络;将待测眼底彩照图像分别输入所述若干个训练好的卷积神经网络进行处理,再结合所述若干个不同常数得到若干个初始脉络膜厚度;根据所述若干个初始脉络膜厚度,确定所述待测眼底彩照图像对应的最终脉络膜厚度及其不确定性数值。本发明可以实现对待测眼底彩照图像中所反映的最终脉络膜厚度进行求解,并辅助医生判断求解结果的可信度。

    一种移动机器人导航的混合地图的构建方法

    公开(公告)号:CN105225604B

    公开(公告)日:2018-06-29

    申请号:CN201510718698.5

    申请日:2015-10-30

    Applicant: 汕头大学

    Abstract: 本发明涉及一种移动机器人导航的混合地图的构建方法,将整个区域划分为若干个局部区域,每个局部区域必须与其相邻的一个或者多个局部区域有重叠区域;在每一个重叠区域内添加视觉标记;移动机器人分别在每个局部区域中移动,采集每个局部区域内所有点的数据;利用占用网格地图原理,将在每个局部区域中采集的数据分别生成对应的局部度量地图;在每一幅局部度量地图上添加注释,注释包括开关节点,开关节点对应重叠区域的视觉标记;把不同的局部度量地图中相同的开关节点连接,形成整个区域的拓扑结构。本发明能够实现混合地图的可靠性,能够使地图易于管理和维护,具有适应性和扩展性,能为移动机器人提供可靠的导航信息。

    一种基于无源视觉系统的焊缝边缘检测方法

    公开(公告)号:CN104616282A

    公开(公告)日:2015-05-13

    申请号:CN201410717847.1

    申请日:2014-12-01

    Applicant: 汕头大学

    CPC classification number: G06T7/0004 G06T7/13 G06T2207/10004 G06T2207/30152

    Abstract: 本发明实施例公开了一种基于无源视觉系统的焊缝边缘检测方法,采用普通的CCD相机和光学滤波器构成的无源视觉系统的焊缝边缘检测方法,将无源视觉系统采集的焊缝图像中的焊缝边缘建模为一个线性模型,通过图像处理技术和随机抽样一致性(RANSAC)算法对模型参数进行估计,从而提取出焊缝的边缘。采用本发明,能够实时、准确地提取焊缝边缘,为自动焊接过程中焊炬轨迹的控制以及焊接参数的调整提供有用的信息。

Patent Agency Ranking