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！

龙图腾网获悉浙江工业大学;中国科学院宁波材料技术与工程研究所;宁波慈溪生物医学工程研究所申请的专利一种基于弱监督学习的UWF眼底图像病灶区域定位方法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：CN116596845B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202310362261.7，技术领域涉及：G06T7/00；该发明授权一种基于弱监督学习的UWF眼底图像病灶区域定位方法是由陈方胜;张炯;郝晋奎;岳星宇;阎岐峰;顾愿愿;赵一天设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本一种基于弱监督学习的UWF眼底图像病灶区域定位方法在说明书摘要公布了：本发明提供一种基于弱监督学习的UWF眼底图像病灶区域定位方法，包括：获得UWF眼底图像；构建ResNet卷积神经网络模型；获取多尺度特征数据；获取全局注意力特征数据；将多尺度特征数据以及全局注意力特征数据相加获得特征显著数据；过滤；对病灶区域进行定位；对每张定位后的数据进行标记；对带标记的数据进行概率映射；构建分类器，对映射后数据以及带标记的数据进行训练；通过训练后的分类器对测试图像集中的病灶区域进行定位与预测；本发明只需要进行简单的分类标签来对模型进行标记，形成弱监督学习，且能在最后有效定位病灶区域，也不需要在眼底图像像素级的尺度上进行人工标记，人工成本大大降低。

本发明授权一种基于弱监督学习的UWF眼底图像病灶区域定位方法在权利要求书中公布了：1.一种基于弱监督学习的UWF眼底图像病灶区域定位方法，其特征在于，包括以下步骤： S1、获得UWF眼底图像，将所述UWF眼底图像分为训练图像集和测试图像集； S2、构建ResNet卷积神经网络模型，将所述训练图像集输入所述ResNet卷积神经网络模型；根据所述ResNet卷积神经网络模型的层数预设第一路径与第二路径，所述第一路径与第二路径均用于输出所述训练图像集中各图像的特征数据； S3、构建基于所述ResNet卷积神经网络模型的特征融合模块，用于接收所述第一路径中的特征数据，并将所述第一路径中的特征数据处理为多尺度特征数据；构建基于所述ResNet卷积神经网络模型的全局注意力模块，用于接收所述第二路径中的特征数据，并将所述第二路径中的特征数据处理为全局注意力特征数据； S4、将所述多尺度特征数据与所述全局注意力特征数据相加，获得所述训练图像集中各图像的特征显著数据； S5、对所述特征显著数据依次进行卷积以及激活操作，获得特征显著过滤数据； S6、构建基于ResNet卷积神经网络模型的病灶定位模块，用于对所述特征显著过滤数据中的病灶区域进行定位，获得所述训练图像集中各图像的定位后的特征显著过滤数据；根据不同病灶类型，对每张定位后的特征显著过滤数据进行标记，标记的类型与病灶的类型一一对应，获得所述训练图像集中各图像的带标记的特征显著过滤数据； S7、构建聚合函数，通过所述聚合函数对所述带标记的特征显著过滤数据进行概率映射，获得所述训练图像集中各图像的映射后的特征显著过滤数据； S8、构建基于ResNet卷积神经网络模型的分类器，对所述映射后的特征显著过滤数据以及带标记的特征显著过滤数据进行训练，得到训练后的所述分类器； S9、通过训练后的所述分类器对所述测试图像集中的病灶区域进行定位，得到定位结果。

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浙江工业大学;中国科学院宁波材料技术与工程研究所;宁波慈溪生物医学工程研究所，其通讯地址为：310014 浙江省杭州市下城区朝晖六区；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”。

以上内容由龙图腾AI智能生成。