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！

龙图腾网获悉南京邮电大学申请的专利一种面向小样本的糖尿病视网膜病变的分类方法及系统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：CN119399524B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411460285.7，技术领域涉及：G06V10/764；该发明授权一种面向小样本的糖尿病视网膜病变的分类方法及系统是由叶宁;王子薇;肖甫;郭政鑫;王甦;王娟;汪莹设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本一种面向小样本的糖尿病视网膜病变的分类方法及系统在说明书摘要公布了：本发明公开了一种面向小样本的糖尿病视网膜病变的分类方法及系统，属于图像处理和医学领域，其中，分类方法由基于轻量级RexNet通道优化的预训练阶段，眼底图像数据预处理阶段，数据增强阶段，基于迁移学习的模型微调训练阶段，系统实现阶段组成；本发明解决了医学图像数据样本少和患者隐私问题，打破基层社区DR诊断能力不足的壁垒。同时结合迁移学习，在ImageNet进行预训练，得到预训练模型。对数据进行增强，提高糖尿病视网膜病变分类检测系统的准确度，降低计算成本，辅助基层社区针对糖尿病视网膜病变临床诊断，进行糖尿病视网膜病的预防筛查诊断。

本发明授权一种面向小样本的糖尿病视网膜病变的分类方法及系统在权利要求书中公布了：1.一种面向小样本的糖尿病视网膜病变的分类方法，其特征在于，所述分类方法包括： S1、基于轻量级RexNet通道优化的预训练阶段，引入倒残差结构和线性瓶颈，在MobileNetV2的基础上，优化网络通道设计，得到基于轻量级RexNet通道优化的预训练模型；其中，优化网络通道设计包括渐进式递增各层通道数，以及采用非线性激活函数Swish-1升秩； S2、眼底图像数据预处理阶段，数据来源于公开的APOTS数据集，针对光源不均匀图像数据进行预处理后获得预处理数据集；对眼底照片存在多余黑边和不规则的情况分别进行预处理；针对图像存在多余黑边的情况，采用基于亮度阈值的方法来解决；具体做法为将彩色图像转换到灰度图像，简化图像数据；基于得到的灰度图像和亮度阈值建立掩膜矩阵，分别对图像的RGB三个颜色通道应用掩膜矩阵进行裁剪，并重新组合生成新的彩色图像； 针对眼底图像不规则情况，采用基于圆形裁剪的方法，使其符合眼底形状特征；具体做法为建立圆形掩膜矩阵Mx,y，与原图像Ix,y进行按位与操作，运算公式为: Icroppedx,y＝Ix,y·Mx,y 其中，Icroppedx,y是裁剪后的图像在x,y位置的的像素值，Mx,y在像素点x,y到圆心的距离小于或等于半径r时，值为1； S3、数据增强阶段，通过数据增强，找到最具判别性的局部特征表示来提取糖尿病视网膜病变，提高视网膜血管分割的性能；通过组合不同的图像和标签来生成新的样本，提高泛化能力； 步骤S3包括随机的对图像进行缩放、裁剪和插值，随机地对图像进行水平翻转，自动对比度调整，直方图均衡化，图像翻转，旋转，增加图像的色调分离，增加图像的曝光，增加曝光效果，增加图像的色彩饱和度，对比度，亮度，锐度；在XY轴上相对应用剪切变换和相对平移；归一化处理；对图像进行随机擦除操作； 步骤S3还包括Mixup和cutmix，通过组合不同的图像和标签来生成新的样本；Mixup通过在两个图像之间线性插值来创建新的图像，同时标签相应的混合；Cutmixup在图像的特定区域进行剪切和替换； 步骤S3具体包括以下步骤： S31、随机对图像镜像缩放、裁剪和插值；随机裁剪是从原始图像中随机采样一个矩形区域；然后将采样区域缩放到固定大小224x224，作为网络的输入；并使用双三次插值，在图像缩放时提供较为平滑的效果，减少图像失真； S32、以50％的概率随机水平翻转图像，增加数据的多样性和泛化能力，降低模型的过拟合风险； S33，采用RandAugment算法增强图像，从预定义的一组增强操作中随机选择N个操作，并对每个操作应用一个固定的幅度M；采用的配置为rand-m9-mstd0.5-inc1，从15种操作随机选择2种，并且每个操作的幅度都符合均值9，标准差5的正态分布； S34，对图像进行标准化操作，像素值被调整为以0为中心，具有单位方差的分布；并采用随机擦除的方法，在图像中随机选择一个矩形区域，并将其像素值替换为随机值或预设的值，模拟眼底图像不完整的情况； S35，以50％的概率随机对批次中的图像应用Mixup和Cutmix方法；Mixup创建新的平滑过渡的样本，有助于模型学习类别之间的界限，并减少过拟合；其操作表示为： x′＝λxi+1-λxi y′＝λyj+1-λyj 其中，λ是从Beta分布中随机采样的数，在[0,1]范围内； Cutmix选择局部图像进行“粘贴”，同时相应地混合标签；迫使模型学习图像的不同部分，提高模型对局部特征的识别能力，其操作表示为: x′＝M⊙xA+1-M⊙xB y′＝λyA+1-λyB 其中，M是一个二进制掩码，用于指示哪些区域应保留自xA，哪些区域应来自xB；λ是从Beta分布中采样的数，用于确定标签的混合比例； S4、基于迁移学习的模型微调训练阶段，将数据预处理和数据增强后的图像数据作为输入，基于迁移学习调用预训练模型RexNet，进行模型微调，得到面向小样本的糖尿病视网膜病变的分类模型。

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南京邮电大学，其通讯地址为：210023 江苏省南京市亚东新城区文苑路9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”。

以上内容由龙图腾AI智能生成。