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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种视网膜图像评分方法、装置、设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118552489B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410608702.1，技术领域涉及：G06T7/00；该发明授权一种视网膜图像评分方法、装置、设备及存储介质是由徐勇设计研发完成，并于2024-05-16向国家知识产权局提交的专利申请。

本一种视网膜图像评分方法、装置、设备及存储介质在说明书摘要公布了：本发明涉及图像处理技术领域，具体是涉及一种视网膜图像评分方法、装置、设备及存储介质。本发明首先将视网膜图像划分成若干个图像块，对每个图像块应用已训练深度学习模型，以得到每个图像块的分类结果，然后根据分类结果从若干个图像块中筛选出目标图像块，并根据目标图像块得到视网膜图像的评分结果。从上述分析可知，本发明的评估结果包括每个目标图像块的分类结果以及每个目标图像块，从而提高了评分结果的精准度。

本发明授权一种视网膜图像评分方法、装置、设备及存储介质在权利要求书中公布了：1.一种视网膜图像评分方法，其特征在于，包括： 获取视网膜图像，并将所述视网膜图像划分成若干个图像块，对每个所述图像块应用已训练深度学习模型，以得到每个所述图像块的分类结果，已训练深度学习模型包括八个，分别用于识别八种病变类型，八种病变类型分别是点状出血、微血管瘤、黄白色的硬性渗出、白色棉团样的软性渗出合并出血斑、视网膜新生血管膜、视网膜新生血管膜合并视网膜玻璃体出血、新生血管形成合并视网膜纤维增生、新生血管形成合并视网膜增生和增生的视网膜牵拉使视网膜脱离，所述已训练深度学习模型为训练之后的深度学习模型，所述深度学习模型包括两个并列的深度学习子模型，每个所述深度学习子模型均包括依次连接的输入层、卷积层、全连接层和输出层； 依据所述分类结果，从若干个所述图像块中筛选出目标图像块； 依据所述目标图像块，得到所述视网膜图像的评分结果； 所述依据所述分类结果，从若干个所述图像块中筛选出目标图像块，包括： 从所述分类结果筛选出病变分类结果； 将所述病变分类结果所对应的所述图像块作为目标图像块； 所述依据所述目标图像块，得到所述视网膜图像的评分结果，包括： 确定所述目标图像块的所述病变分类结果所对应的主分数Si″: Si″＝NUMi″*si″ NUMi″为属于第i″个病变分类结果的目标图像块的总数量，si″为第i″个病变分类结果所对应的评分分数； 统计属于同一所述病变分类结果的所述目标图像块的像素点总数量； 依据所述病变分类结果，确定所述像素点总数量的权重系数； 依据所述像素点总数量和所述权重系数，得到子分数； 依据所述主分数和所述子分数，得到所述视网膜图像的评分结果R：wi″为权重系数，zi″为归一化之后的像素点总数量； 所述将所述视网膜图像划分成若干个图像块，对每个所述图像块应用已训练深度学习模型，以得到每个所述图像块的分类结果，包括： 在所述视网膜图像上设置最大内接正方形； 将所述最大内接正方形等分成若干个图像块； 对每个所述图像块分别应用各个已训练深度学习模型，以得到各个所述已训练深度学习模型的输出结果，每个所述已训练深度学习模型对应一个病变类型； 依据各个所述输出结果，得到每个所述图像块的分类结果； 所述已训练深度学习模型的训练方式包括： 获取标记有分类信息的若干视网膜样本图像，并将每个所述视网膜样本图像划分成若干个图像样本块； 从若干个所述图像样本块中筛选出匹配于所述分类信息的目标样本图像块； 获取若干视网膜基准图像，并将每个所述视网膜基准图像划分成若干个图像基准块； 将每个所述视网膜样本图像的所述目标样本图像块输入至其中一个所述深度学习子模型，得到其中一个所述深度学习子模型输出的子训练结果； 将每个所述视网膜基准图像的所述图像基准块输入至另外一个所述深度学习子模型，得到另外一个所述深度学习子模型输出的子基准结果； 依据每个所述目标样本图像块所对应的所述子训练结果、每个所述图像基准块所对应的所述子基准结果，得到目标函数； 依据所述目标函数，训练两个所述深度学习子模型，并将其中一个已训练的所述深度学习子模型作为已训练深度学习模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。