眼底照片识别方法、装置、设备及存储介质

    公开(公告)号:CN110334575A

    公开(公告)日:2019-10-15

    申请号:CN201910352715.6

    申请日:2019-04-29

    Abstract: 本申请公开了一种眼底照片识别方法、装置、设备及存储介质,属于计算机技术领域。所述方法包括:获取目标眼底照片;将目标眼底照片输入至目标神经网络,获取目标神经网络输出的目标概率信息,目标概率信息用于指示目标眼底照片对应的患者罹患目标疾病的概率;其中,目标神经网络是基于第一训练集和第二训练集训练得到的,第一训练集包括m个不具有目标特征的第一眼底照片以及与m个第一眼底照片一一对应的m个第一标签值,第一标签值用于指示对应的第一眼底照片是否为罹患有目标疾病的患者的眼底照片,第二训练集包括n个具有目标特征的第二眼底照片。本申请实施例提供的技术方案可以解决神经网络训练难度较高的问题。

    腹部图像分割方法、计算机设备

    公开(公告)号:CN111161274A

    公开(公告)日:2020-05-15

    申请号:CN201811324901.0

    申请日:2018-11-08

    Abstract: 一种腹部图像分割方法、计算机存储介质及设备,该方法包括:获取待测腹部图像;基于已训练的全卷积神经网络,对待测腹部图像中各像素进行分类,确定待测腹部图像对应的分割图像;其中,已训练的全卷积神经网络基于第一训练集以及第二训练集训练确定,第一训练集包括各第一样本腹部图像以及各第一样本腹部图像对应的像素分类标签图,第二训练集包括各第二样本腹部图像以及各第二样本腹部图像分别对应属于各类别的像素数量。采用本方法,可提高分割准确性。

    眼底图像处理方法、装置、计算机设备和存储介质

    公开(公告)号:CN109390053B

    公开(公告)日:2021-01-08

    申请号:CN201810340025.4

    申请日:2018-04-16

    Abstract: 本申请涉及一种眼底图像处理方法、装置、计算机设备和存储介质。方法包括:接收采集的眼底图像;通过第一神经网络识别眼底图像,生成眼底图像的第一特征集;通过第二神经网路识别眼底图像,生成眼底图像的第二特征集,其中,第一特征集和第二特征集表征眼底图像不同的病变属性;组合第一特征集和第二特征集,得到眼底图像的组合特征集;将组合特征集输入至分类器中,得到分类结果。采用本方法能够提高对眼底图像进行分类的精确度。

    眼底图像分析方法、计算机设备和存储介质

    公开(公告)号:CN110648303A

    公开(公告)日:2020-01-03

    申请号:CN201810584685.7

    申请日:2018-06-08

    Abstract: 一种眼底图像分析方法,包括:获取目标眼底图像;通过训练确定的眼底图像分析模型对所述目标眼底图像进行分析,获得所述目标眼底图像的图像分析结果。其中,眼底图像分析模型包括:图像整体分级预测子模型、图像质量因素子模型中的至少一种。上述方法通过眼底图像分析模型对目标眼底图像进行质量分析,当该模型包括整体分级预测子模型时,可以得到目标眼底图像整体是否可分级的预测结果;当模型包括图像质量因素子模型时,可以得到眼底图像质量因素的分析结果而图像分析模型是通过大量图像训练确定的,基于上述模型确定的图像是否可分级的结果可靠性高。

    眼底图像处理方法、装置、计算机设备和存储介质

    公开(公告)号:CN109390053A

    公开(公告)日:2019-02-26

    申请号:CN201810340025.4

    申请日:2018-04-16

    Abstract: 本申请涉及一种眼底图像处理方法、装置、计算机设备和存储介质。方法包括:接收采集的眼底图像;通过第一神经网络识别眼底图像,生成眼底图像的第一特征集;通过第二神经网路识别眼底图像,生成眼底图像的第二特征集,其中,第一特征集和第二特征集表征眼底图像不同的病变属性;组合第一特征集和第二特征集,得到眼底图像的组合特征集;将组合特征集输入至分类器中,得到分类结果。采用本方法能够提高对眼底图像进行分类的精确度。

    眼底图像分析方法、计算机设备和存储介质

    公开(公告)号:CN110648303B

    公开(公告)日:2022-07-26

    申请号:CN201810584685.7

    申请日:2018-06-08

    Abstract: 一种眼底图像分析方法,包括:获取目标眼底图像;通过训练确定的眼底图像分析模型对所述目标眼底图像进行分析,获得所述目标眼底图像的图像分析结果。其中,眼底图像分析模型包括:图像整体分级预测子模型、图像质量因素子模型中的至少一种。上述方法通过眼底图像分析模型对目标眼底图像进行质量分析,当该模型包括整体分级预测子模型时,可以得到目标眼底图像整体是否可分级的预测结果;当模型包括图像质量因素子模型时,可以得到眼底图像质量因素的分析结果而图像分析模型是通过大量图像训练确定的,基于上述模型确定的图像是否可分级的结果可靠性高。

Patent Agency Ranking