摘要
本发明提供了一种基于裂隙灯图像的K‑F环自动识别分级方法和系统,方法包括:接收上传的未分级的裂隙灯图像,并自动上传至图像预处理模块;对上传的裂隙灯图像进行图像预处理,并输入K‑F环识别模块;由部署完成的基于深度学习的裂隙灯图像K‑F环自动识别分级算法模型进行处理,用于判断裂隙灯图像中是否有K‑F环;根据提前训练好的样本分级标签,自动输出分级种类,用于判断K‑F环的分级;融合以上输出信息,生成K‑F环报告,实现自动记录,用于病情追踪和管理。根据本发明技术方案,能够通过用户上传的裂隙灯图像自动判断是否存在K‑F环并分级严重程度,为提高肝豆状核变性疾病的数字化诊断和管理水平提供辅助手段。
技术关键词
裂隙灯
图像
算法模型训练
识别模块
角膜
注意力机制
肝豆状核变性
报告
训练集
标签
随机梯度下降
镜像
可视化工具
片状
分级系统
样本
后系统
网络结构
系统为您推荐了相关专利信息
转移预测方法
肿瘤
人机交互模块
构建预测模型
可拆卸定位
贴图技术
图像处理模块
信息采集模块
数据
生成三维模型