买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于对抗学习的双模态眼底图像分类方法，包括如下步骤：S1、构建数据集并将其分为训练集与测试集；S2、对数据集进行预处理；S3、构建双模态视网膜图像分类模型；S4、双模态视网膜图像分类模型的训练；S5、应用训练好的双模态视网膜图像分类模型，输出预测分类标签。该方法在实现多标签分类的同时，通过融合OCT图像的特征提高分类的准确率。

主权项：1.一种基于对抗学习的双模态眼底图像分类方法，其特征在于，包括如下步骤：S1、通过OCT设备与眼底照相机分别对不同视网膜疾病患者与健康人群采集其视网膜OCT图像与眼底彩照，构建数据集并将其分为训练集与测试集；S2、对数据集进行预处理；S3、构建双模态视网膜图像分类模型所述双模态视网膜图像分类模型包括一个FO网络、一个编码器Ef和一个分类器Cf，所述FO网络中包含一个编码器Eo、一个分类器Co，以及一对生成器G和判别器D；S4、双模态视网膜图像分类模型的训练将预处理后的训练集中的视网膜OCT图像与眼底彩照作为所构建的视网膜图像分类网络的输入，利用编码器Eo对OCT图像进行特征提取，获得特征向量OCT_features，将特征向量OCT_features输入分类器Co，获得由OCT图像特征得到的预测分类标签；眼底彩照和对应的分类标签作为所述的FO网络生成器G的输入，生成的特征F2O_features与编码器Eo提取的特征OCT_features分别伴随其对应的分类标签作为所述的FO网络判别器D的输入，由判别器D对OCT_features和F2O_features进行区分；在判别器D收敛后，将编码器Ef输出的特征向量FD_features和FO网络中生成器G所输出的特征向量F2O_features采用向量拼接的方式进行特征融合；融合后的特征向量由分类器Cf输出预测分类标签；S5、应用训练好的双模态视网膜图像分类模型，将待分类的眼底彩照图像输入至所述训练好的双模态视网膜图像分类模型，由该模型的FO网络中的生成器G生成含OCT特征的特征向量F2O_features；同时由该模型的编码器Ef输出眼底彩照特征向量FD_features，最后，将特征向量F2O_features和特征向量FD_features在经过特征融合后得到的特征向量输入分类器Cf，由分类器Cf输出预测分类标签。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于对抗学习的双模态眼底图像分类方法