资源类型：
申请人：
清华大学深圳国际研究生院
;
首都医科大学附属北京同仁医院
;
当前专利权人：
清华大学深圳国际研究生院
;
首都医科大学附属北京同仁医院
;
申请号：
申请日期：
授权年份：
公开号：
公开日：
法律状态：
主分类号：
分类号：
摘要：
本发明公开了一种白内障分类方法、病灶点可视化方法及相关装置，应用于图像处理领域，包括获取待测眼底图像；将所述待测眼底图像输入至已训练好的白内障分类网络，得到输出特征向量；根据所述输出特征向量，得到所述待测眼底图像的类型信息。获取待测眼底图像，将待测眼底图像输入至已训练好的白内障分类网络，得到特征向量，并根据输出特征向量，对待测眼底图像进行分类，得到待测眼底图像的类型信息，该白内障分类方法能够获取待测眼底图像对应的白内障分类结果，减少了人工判断的过程，使得患者的治疗更加即时，提升了用户的使用体验。
主权项：
1.一种白内障分类方法，其特征在于，包括： 获取待测眼底图像； 将所述待测眼底图像输入至已训练好的白内障分类网络，得到输出特征向量； 根据所述输出特征向量，得到所述待测眼底图像的类型信息； 其中，所述将所述待测眼底图像输入至已训练好的白内障分类网络，得到输出特征向量，包括： 将所述待测眼底图像通过多级卷积网络模块进行扩充，得到第一特征图集，其中，所述第一特征图集为M通道的Nt*Nt结构，M为大于等于1的正整数,Nt为大于等于1的正整数； 将所述第一特征图集依次通过池化层、全连接层和激活函数，得到输出特征向量； 所述卷积网络模块的通道数逐级增加，和/或，所述卷积网络模块生成的特征图的尺寸逐级递减，以使得所述第一特征图集中特征图的尺寸满足：Nt=N0/2s，s为卷积网络模块的级数； 所述待测眼底图像为3通道的N*N结构；所述将所述待测眼底图像通过多级卷积网络模块进行扩充，得到第一特征图集，包括： 将所述待测眼底图像通过第一级卷积网络模块，得到第二特征图集，其中，所述第二特征图集为M/25通道的N/22*N/22的结构； 将所述第二特征图集通过第二级卷积网络模块，得到第三特征图集，其中，所述第三特征图集为M/23通道的N/22*N/22结构； 将所述第三特征图集通过第三级卷积网络模块，得到第四特征图集，其中，所述第四特征图集为M/22通道的N/23*N/23结构； 将所述第四特征图集通过第四级卷积网络模块，得到第五特征图集，其中，所述第五特征图集为M/2通道的N/24*N/24结构； 将所述第五特征图集通过第五级卷积网络模块，得到第一特征图集,其中，Nt=N0/25。
