基于人工神经网络的青光眼图像特征提取的训练方法

    公开(公告)号:CN117788407A

    公开(公告)日:2024-03-29

    申请号:CN202311806582.8

    申请日:2020-07-18

    摘要: 本公开描述了一种基于人工神经网络的青光眼图像特征提取的训练方法,包括准备眼底图像和标注图像,标注图像包括标注出视盘区域的视盘标注图像以及标注出视杯区域的视杯标注图像;对眼底图像进行预处理得到预处理眼底图像,并进行血管检测以得到血管图像;将视盘标注图像和血管图像进行混合加权以生成混合权重分布图,混合权重分布图包括视盘内血管区域、视盘内非血管区域、视盘外血管区域和视盘外非血管区域,令视盘区域的权重大于非视盘区域的权重,血管区域的权重大于非血管区域的权重;并且基于预处理眼底图像和标注图像,采用混合权重分布图对人工神经网络进行训练。由此,能够提高人工神经网络对青光眼图像特征识别的准确性。

    高血压性视网膜病变的病变特征的测量系统及测量方法

    公开(公告)号:CN115969310A

    公开(公告)日:2023-04-18

    申请号:CN202310182680.2

    申请日:2020-12-28

    摘要: 本公开提供一种高血压性视网膜病变的病变特征的测量系统及测量方法,测量系统包括:获取模块获取眼底图像,分区模块接收眼底图像并对视盘区域进行识别和分区,分割模块利用动静脉分割模型对眼底图像进行动脉和静脉分割获得分割结果的三值图像,其中动静脉血管标记结果包括通过对所述训练眼底图像中血管管径大于预设血管管径的血管的边界进行标记而形成的动脉标记结果和静脉标记结果,以及对不大于所述预设血管管径的血管的走向进行标记而形成的小血管标记结果,测量模块基于分区和分割结果中大于预设血管管径的血管对眼底图像进行高血压性视网膜病变的病变特征进行测量。本公开能够高效且客观地对高血压性视网膜病变特征进行测量。

    青光眼识别的训练方法、训练装置、识别方法及识别系统

    公开(公告)号:CN113011450B

    公开(公告)日:2023-04-07

    申请号:CN202010701373.7

    申请日:2020-07-18

    摘要: 本公开描述了一种青光眼识别的训练装置,其包括:获取模块;图像分割网络,其是基于深度学习的人工神经网络,并且通过预处理眼底图像、标注图像和空间加权图进行训练,以输出预处理眼底图像中各个像素点属于视盘的概率和属于视杯的概率,并基于预处理眼底图像中各个像素点属于视盘的概率和属于视杯的概率来生成视盘区域图像和视杯区域图像;特征提取模块,基于视盘区域图像和视杯区域图像获取青光眼特征;以及分类器,其基于机器学习通过包括青光眼特征的特征信息和青光眼分类标签进行训练,以输出属于青光眼的概率。根据本方案,能够提高对于青光眼识别的准确性。

    基于紧框标的训练方法及测量装置

    公开(公告)号:CN115359070A

    公开(公告)日:2022-11-18

    申请号:CN202211064151.4

    申请日:2021-10-19

    发明人: 王娟 夏斌

    摘要: 本公开描述了一种基于紧框标的训练方法及测量装置,是基于目标的紧框标对网络模块进行训练的训练方法,训练方法包括:构建包括输入图像数据和标签数据的训练样本,输入图像数据包括多张待训练图像,多张待训练图像包括包含至少属于一个类别的目标的图像,标签数据包括目标所属的类别的金标准和目标的紧框标的金标准;将训练样本输入网络模块以获取预测数据,预测数据包括由分割网络输出的预测分割数据和由回归网络输出的预测偏移;并且基于标签数据、预测分割数据、以及预测偏移确定网络模块的训练损失并基于训练损失对网络模块进行优化。

    基于紧框标的眼底图像的测量方法、装置及网络训练

    公开(公告)号:CN115331050A

    公开(公告)日:2022-11-11

    申请号:CN202210916971.5

    申请日:2021-10-19

    发明人: 王娟 夏斌

    摘要: 本公开描述了一种基于紧框标的眼底图像的测量方法、装置及网络训练,该网络模块包括骨干网络、用于图像分割的分割网络、以及基于边框回归的回归网络,网络训练包括构建训练样本;通过网络模块基于训练样本的眼底图像数据,获得分割网络输出的预测分割数据和回归网络输出的预测偏移,其中,骨干网络用于提取待训练图像的特征图,分割网络将特征图作为输入以输出预测分割数据,回归网络将特征图作为输入以输出预测偏移;基于训练样本对应的标签数据、预测分割数据和预测偏移确定网络模块的训练损失;基于训练损失对网络模块进行训练以优化网络模块。

    眼底图像分类的阅片系统及阅片方法

    公开(公告)号:CN115131592A

    公开(公告)日:2022-09-30

    申请号:CN202110316350.9

    申请日:2021-03-24

    摘要: 本公开描述了一种眼底图像分类的阅片系统。该阅片系统包括获取眼底图像的获取模块;对眼底图像进行预处理的预处理模块,利用基于深度学习的第一分类模型对预处理眼底图像进行分类以获取第一分类结果和分类结果类型的第一分类模块;将预处理眼底图像分成阴性结果图像、阳性结果图像和待再分类图像的分组模块;第一质控模块,其基于利用预设阴性预测率和预设阳性预测率配置的质控模型以获取最终分类结果和待仲裁图像;第二分类模块,其利用第二分类模型对待再分类图像进行分类以获取最终分类结果和待仲裁图像;对待仲裁图像进行仲裁以获取仲裁分类结果的仲裁模块。根据本公开,提供一种能够提高分类准确率的眼底图像分类的阅片系统及阅片方法。

    眼底图像筛查系统的质量控制方法及质量控制系统

    公开(公告)号:CN115131266A

    公开(公告)日:2022-09-30

    申请号:CN202110316343.9

    申请日:2021-03-24

    摘要: 本公开描述了一种眼底图像筛查系统的质量控制方法。该质量控制方法包括基于眼底图像样本的样本信息和眼底图像样本的正确筛查结果筛选错判样本,基于错判样本的样本信息对错判样本进行划分,并基于划分的划分类别对眼底图像样本进行分类以获取各个分类的分类准确率;获取批次的目标眼底图像的目标信息;基于目标信息和划分类别对目标眼底图像进行分类,并将属于分类准确率低于规定值的划分类别对应的目标眼底图像作为质控眼底图像;对质控眼底图像进行质控审核;基于抽检方案对各个批次的目标眼底图像进行抽样并对抽样结果中的抽样眼底图像进行抽样审核以判定各个批次是否合格。根据本公开,能够提高眼底图像筛查系统的可靠性。

    眼底病变的识别系统
    8.
    发明授权

    公开(公告)号:CN111493814B

    公开(公告)日:2021-11-12

    申请号:CN202010359211.X

    申请日:2017-08-05

    IPC分类号: A61B3/14 A61B3/12 G06T7/00

    摘要: 本发明提供了一种眼底病变的识别系统,其特征在于,包括:图像采集装置,其用于采集眼底图像,眼底图像包括来自于同一个人的目标眼底图像和参考眼底图像;以及自动识别装置,其基于深度学习方法对来自于图像采集装置的眼底图像进行处理,在深度学习方法中,将目标眼底图像和参考眼底图像分别独立作为输入,并基于目标眼底图像和参考眼底图像来自动判断目标眼底图像是否存在病变。在本发明中,其利用深度学习方法对眼底图像进行自动判定并输出判断结果,因此,能够辅助医生对眼底图像进行病变识别的诊断,大幅度地提高识别效率,而且特别适用于大范围的眼底病变筛查。

    使用眼底相机采集眼底图像的采集方法

    公开(公告)号:CN113558566A

    公开(公告)日:2021-10-29

    申请号:CN202110876744.X

    申请日:2019-12-30

    IPC分类号: A61B3/12 A61B3/15

    摘要: 本公开涉及一种使用眼底相机采集眼底图像的采集方法,包括:使用眼底相机对准眼底,并使用光源向眼底发射第一光束;驱动机构驱动透镜组件相对于成像元件移动,当第一光束经眼底反射聚焦于成像元件时,记录模块将此时透镜组件相对于成像元件的位置记录为第一对焦位置;处理模块基于第一光束的波长、透镜组件的屈光度、第一对焦位置获得眼球的屈光度,并且基于第二光束的波长、眼球的屈光度、透镜组件的屈光度获得第二对焦位置;并且驱动机构驱动透镜组件相对于成像元件移动,以将第二对焦位置移动至成像元件。根据本公开,能够在采集眼底图像时准确地对眼底进行自动对焦,并且能够在对焦过程中有效减少对眼睛的光刺激。

    眼底图像的血管管径的测量方法及测量装置

    公开(公告)号:CN112288794B

    公开(公告)日:2021-09-07

    申请号:CN202010924287.2

    申请日:2020-09-04

    发明人: 马俊明 王娟 夏斌

    IPC分类号: G06T7/62 G06T3/40 G06T7/12

    摘要: 本公开描述了一种眼底图像的血管管径的测量方法及测量装置。其中,眼底图像的血管管径的测量方法包括获取眼底图像;基于眼底图像生成血管分割图像;将血管分割图像按照预设倍数进行分辨率增强以生成增强血管分割图像;提取增强血管分割图像中的血管骨架并对血管骨架进行拟合以获取连续血管骨架和测量像素点的管径测量方向;基于增强血管分割图像、测量像素点、测量像素点的管径测量方向和预设精度生成测量像素点对应的血管轮廓;并且基于测量像素点对应的血管轮廓中的血管像素点的个数、预设倍数和预设精度计算测量像素点对应的血管管径。根据本公开,能够对血管管径进行自动超分辨率测量并具有较高的测量准确度。