基于神经网络的视网膜静脉阻塞的分类方法及系统技术方案

本发明专利技术涉及医学图像分类领域，具体是基于神经网络的视网膜静脉阻塞的分类方法及系统，所述方法包括图像采集、数据预处理、全局特征提取、局部特征提取、自监督跨水平一致性学习、模型评估、分析与优化，本发明专利技术采用神经网络模型的方法，对眼底图像进行快速的特征提取以及基于视网膜静脉阻塞的分类，增加分类效率；本发明专利技术采用一种新的自监督跨层一致性学习方案，对全局特征与局部特征增强处理，提高分类准确率，减少对大量数据的依赖；本发明专利技术采用边缘算子与双通道特征融合提取全局特征，提高特征的表示能力，提升模型性能；所属系统包含数据采集模块、图像边缘检测模块、图像特征拼接模块、跨层学习模块、特征分类模块、用户界面模块。

【技术实现步骤摘要】

本专利技术属于医学图像分类领域，具体是基于神经网络的视网膜静脉阻塞的分类方法及系统。

技术介绍

1、视网膜静脉阻塞是一种眼部疾病，它发生在视网膜的静脉中，静脉血流受阻，这种情况会引起视网膜中的血液淤积和缺血，从而对视觉功能产生不良影响；视网膜静脉阻塞通常分为两种类型：中心静脉阻塞与分支静脉阻塞，两种视网膜静脉阻塞引发的症状以及恢复手段大不相同，因此，对视网膜静脉阻塞的准确分类十分重要；现有的视网膜静脉阻塞的手段主要是人工分类与基于神经网络模型的分类，但是人工分类的效率较低且对医师经验要求十分高，现有针对视网膜静脉阻塞分类的神经网络模型准确率较低，并且需要大量的图像去对模型进行训练，多数情况并没有太多眼底图像可供模型进行训练，训练后的模型分类准确率难以达到要求。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供基于神经网络的视网膜静脉阻塞的分类方法及系统，针对人工分类的效率较低的问题，本专利技术采用神经网络模型的方法，对眼底图像进行快速的特征提取以及分类，增加了分类效率；针对现有的神经网络模本文档来自技高网...

【技术保护点】

1.基于神经网络的视网膜静脉阻塞的分类方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于神经网络的视网膜静脉阻塞的分类方法，其特征在于：步骤S3，具体包括以下步骤：

3.根据权利要求2所述的基于神经网络的视网膜静脉阻塞的分类方法，其特征在于：步骤S31，具体包括以下步骤：

4.根据权利要求2所述的基于神经网络的视网膜静脉阻塞的分类方法，其特征在于：步骤S33，具体包括以下步骤：

5.根据权利要求1所述的基于神经网络的视网膜静脉阻塞的分类方法，其特征在于：步骤S5，具体包括以下步骤：

6.根据权利要求5所述的基于神经网...

【技术特征摘要】

1.基于神经网络的视网膜静脉阻塞的分类方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于神经网络的视网膜静脉阻塞的分类方法，其特征在于：步骤s3，具体包括以下步骤：

3.根据权利要求2所述的基于神经网络的视网膜静脉阻塞的分类方法，其特征在于：步骤s31，具体包括以下步骤：

4.根据权利要求2所述的基于神经网络的视网膜静脉阻塞的分类方法，其特征在于：步骤s33，具体包括以下步骤：

5.根据权利要求1所述的基于神经网络的视网膜静脉阻塞的分类方法，其特征在于：步骤s5，具体包...

【专利技术属性】
技术研发人员：叶娅，闫明，黄珍，成家莹，邓玉梦，陈丛，宋艳萍，
申请(专利权)人：中国人民解放军中部战区总医院，
类型：发明
国别省市：