CN119444719A 基于深度学习的眼底影像识别方法、系统及设备 （杭州电子科技大学）_第1页
CN119444719A 基于深度学习的眼底影像识别方法、系统及设备 （杭州电子科技大学）_第2页
CN119444719A 基于深度学习的眼底影像识别方法、系统及设备 （杭州电子科技大学）_第3页
CN119444719A 基于深度学习的眼底影像识别方法、系统及设备 （杭州电子科技大学）_第4页
CN119444719A 基于深度学习的眼底影像识别方法、系统及设备 （杭州电子科技大学）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了基于深度学习的眼底影像识深度学习模型进行图像分类预测，包括模型构2骨干网络通过堆叠基于残差连接、坐标注意力机制、空间通i--模块，其特征在于：图像识别模块采用权利要求1所述的基于深度学习的眼底影像识别方3预训练网络的微调，采用生成器和判别器结构，通过引入在大规数据生成，通过结合随机噪声向量与类别标签进行图像生成，以别器通过条件输入验证生成图像的真实性和数据归一化单元，在上述经过扩充并增强的图像数据输入图像识4块包括权利要求5所述的基于深度学习的眼底影像识别系统的图像识别模块和可视化辅助据库存储和管理由便携式手持终端采集并识别的眼底5保留精确的位置信息，从而有助于模型更准确地识别眼底图像中的不同结构和异常特征，空间通道重塑卷积利用空间重建单元和通道重建单元对特征图的空间和通道两个方面进持平均标准偏差接近于1，从而有效地保持信息在模型的前向传播和反向传播过程中的流678保留精确的位置信息，从而有助于模型更准确地识别眼底图像中的不同结构和异常特征，空间通道重塑卷积利用空间重建单元和通道重建单元对特征图的空间和通道两个方面进[0052]分类器将骨干网络输出的特征图通过全局平均池化展平后，利用多层感知机和9[0069]对于图像的每个像素值a，[0075]图像识别模块，对输入的眼底图像利用本专利提出的深度学习模型进行前向推[0077]具体地，可视化辅助模块融合了Grad_CAM(Gradient_weightedClassActivationMapping)算法，旨在进一步提升医生对眼底疾病影像识别的准确性和效率，

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论