【技术实现步骤摘要】
本专利技术涉及图像分类，更具体的说是涉及一种白内障图像分类的准确识别。
技术介绍
1、白内障是致盲的主要原因。研究显示，每年因白内障导致失明的患者数量将增加100万人，同时每年需要手术治疗的白内障患者将增加400万人，这庞大的患者群体给医疗系统带来了沉重的负担。白内障核严重程度的分级对于是否手术的判断和手术方案的设计至关重要。眼科医生通常通过观察病人散瞳后的裂隙灯照相图像对白内障核严重程度的进行判断。但是，这种诊断方法的缺点在于依赖眼科医生的主观视觉，存在诊断主观性问题。如何通过裂隙灯照相图像对白内障核严重程度进行更加准确和客观的分级，是本领域面临的一个技术难题。
2、为了客观精确的评估白内障严重程度，在areds(the age-related eye diseasestudy)4号文件基础上，将标准1定义为正常，标准2和3判定为轻度，标准4和5判定为中度，标准6和7定义为重度白内障，共划分四个类别。利用深度学习技术分析散瞳眼前节照相图像，可以实现白内障核严重程度的智能分级，弥补传统检测方法的不足，实现更高效的智能分级。但...
【技术保护点】
1.一种基于自监督预训练的白内障图像分类方法，其特征在于，具体步骤为：
2.根据权利要求1所述的一种基于自监督预训练的白内障图像分类方法，其特征在于，掩码模板的构建步骤为：
3.根据权利要求1所述的一种基于自监督预训练的白内障图像分类方法，其特征在于，图像复原模型包括编码器和解码器；编码器分为五个阶段部分，分别是第一阶段部分stage1、第二阶段部分stage2、第三阶段部分stage3、第四阶段部分stage4和第五阶段部分stage5；第二阶段部分stage2、第三阶段部分stage3、第四阶段部分stage4和第五阶段部分stage5内的...
【技术特征摘要】
1.一种基于自监督预训练的白内障图像分类方法，其特征在于，具体步骤为：
2.根据权利要求1所述的一种基于自监督预训练的白内障图像分类方法，其特征在于，掩码模板的构建步骤为：
3.根据权利要求1所述的一种基于自监督预训练的白内障图像分类方法，其特征在于，图像复原模型包括编码器和解码器；编码器分为五个阶段部分，分别是第一阶段部分stage1、第二阶段部分stage2、第三阶段部分stage3、第四阶段部分stage4和第五阶段部分stage5；第二阶段部分stage2、第三阶段部分stage3、第四阶段部分stage4和第五阶段部分stage5内的结构分别重复堆叠3、4、6和3次；解码器包括特征融合模块、第一上采样块upblock1、第二上采样块upblock2、第三上采样块upblock3、第四上采样块upblock4和第五上采样块upblock5。
4.根据权利要求3所述的一种基于自监督预训练的白内障图像分类方法，其特征在于，第二阶段部分stage2、第三阶段部分stage3、第四阶段部分stage4和第五阶段部分stage5中均设有卷积层，卷积层包括卷积操作、批量归一化操作和激活函数...
【专利技术属性】
技术研发人员：杨卫华，张少冲，谢翠娟，席文群，赵佳妮，张哲，
申请(专利权)人：深圳市眼科医院深圳市眼病防治研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。