您的位置：
首页
>
农业专利
>
详情页
基于深度卷积网络模型的SD-OCT图像CNV病变检测方法
- 专利权人:
- 南京理工大学
- 发明人:
- 纪则轩,周天鹏,陈强
- 申请号：
- CN201910550410.6
- 公开号：
- CN110378877A
- 申请日:
- 2019.24.06
- 申请国别(地区):
- CN
- 年份:
- 2019
- 代理人:
- 摘要：
- 本发明公开了一种基于深度卷积网络模型的SD‑OCT图像CNV病变检测方法。该方法使用DarkNet‑53模型提取特征,在预测模块使用三种不同的尺度的特征层进行预测,随后倾斜非最大值抑制去除多余预测框。训练阶段,将具有1024*512的B‑SCAN带标记图片输入到RYOLO深度网络模型中,通过大量数据训练出初步检测模型。测试阶段,首先使用初步检测模型对测试集进行病变检测,将置信度高于阈值的检测结果抽出组成在训练(Retrain)数据集对初步模型进行再训练得到最终模型,再使用最终模型对测试集进行病变检测,即为最终结果。该方法对倾斜狭长病变能预测出更加贴合的倾斜检测框,突破了传统方法为倾斜狭长病变预测出水平但是有效面积不高的检测框,对于脉络膜新生血管的预防和诊断具有重要的实际意义。
- 来源网站：
- 中国工程科技知识中心
- 来源网址：
- http://www.ckcest.cn/home/
