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理工大学申请的专利基于多尺度残差网络的视网膜OCT图像分类方法、系统、计算机设备和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：CN115512153B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202211146617.5，技术领域涉及：G06V10/764；该发明授权基于多尺度残差网络的视网膜OCT图像分类方法、系统、计算机设备和存储介质是由李冰;李广庆;刘侠;吴少勇;于尚宁;嫣梦雨设计研发完成，并于2022-09-21向国家知识产权局提交的专利申请。

本基于多尺度残差网络的视网膜OCT图像分类方法、系统、计算机设备和存储介质在说明书摘要公布了：基于多尺度残差网络的视网膜OCT图像分类方法、系统、计算机设备和存储介质，属于OCT图像处理技术领域，解决对视网膜OCT图像分类准确率较低问题。本发明的方法包括：获取视网膜OCT图像分类数据集，分为训练集和测试集；对训练集和测试集进行预处理；利用双通道注意力机制和多尺度残差模块对基线网络进行改进，建立视网膜OCT图像分类模型；多尺度残差模块具体包括若干条支路、残差模块、特征融合模块和相加模块，每条支路包括若干个卷积；特征融合模块用于将若干条支路的输出信息进行特征融合；相加模块用于将融合后的信息与残差模块的输出信息进行相加；获取训练后的视网膜OCT图像分类模型；对视网膜OCT图像进行分类。本发明适用于视网膜OCT图像的分类。

本发明授权基于多尺度残差网络的视网膜OCT图像分类方法、系统、计算机设备和存储介质在权利要求书中公布了：1.基于多尺度残差网络的视网膜OCT图像分类方法，其特征在于，所述方法包括： 步骤1、获取视网膜OCT图像分类数据集，并将其分为训练集和测试集； 步骤2、对所述训练集和测试集进行预处理； 步骤3、利用双通道注意力机制和多尺度残差模块对基线网络进行改进，建立视网膜OCT图像分类模型，所述基线网络为图像分类网络； 所述多尺度残差模块具体包括若干条支路、所述基线网络的残差模块、特征融合模块和相加模块，每条所述支路包括若干个卷积； 所述特征融合模块用于将所述若干条支路的输出信息进行特征融合； 所述相加模块用于将所述融合后的信息与所述残差模块的输出信息进行相加； 步骤4、利用所述预处理后的训练集对所述视网膜OCT图像分类模型进行训练； 利用所述预处理后的测试集对所述视网膜OCT图像分类模型进行测试； 获取训练后的视网膜OCT图像分类模型； 步骤5、利用所述练后的视网膜OCT图像分类模型，对视网膜OCT图像进行分类； 在所述基线网络中加入若干个双通道注意力机制模块、最大池化层和平均池化层； 用若干个所述多尺度残差网络替代所述若干个基线网络的残差模块； 设置损失函数，用于学习模型参数； 根据视网膜 OCT 图像分类任务，设置网络的输出维度； 将多尺度残差模块和双通道注意力与ResNet50相结合，用多尺度残差模块代替网络中的部分残差模块，在网络中加入最大池化层来减小网络计算量，并将加入池化层后的卷积层步长由2改为1； 双通道注意力机制模块结合了空间注意力机制模块和通道注意力机制模块，捕获输入分布在空间和通道上的有用信息； 通道注意力机制模块通过利用特征的通道间关系生成一个通道注意力特征图，一个特征图的每个通道都认为是一个特征检测器，采用了全局平均池化和最大池化两种方式来聚合一个特征图的空间信息，生成两个不同的空间上下文描述符：和，这两个描述符分别表示被平均池化的特征和被最大池化的特征； 在通道注意力机制模块之后，引入空间注意力机制模块，利用特征的空间相互关系生出一个空间注意力图，首先沿着通道轴进行平均池化操作和最大池化操作，并将二者拼接起来生成一个高效的特征描述符，最终生成一个2D空间注意力图； 在网络中加入池化层；将池化层放在网络中残差模块前，将处于池化层后的残差模块步长值由2改为1； 使用多尺度残差模块代替基线网络中的残差模块； 多尺度残差模块采用级联多核的多尺度残差模块使用1×1的卷积来进行升降维，该模块使用多核卷积来捕获分布再输入扫描中的更多的全局和局部信息，所述多核卷积是1×1、3×3和5×5； 在网络后加入平均池化层，使用交叉熵作为损失函数，更改网络的输出维度，维度设置为4。

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理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号；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”。