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！

龙图腾网获悉青岛科技大学申请的专利一种基于图卷积神经网络的眼底图像视网膜血管分割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：CN116862928B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310848187.X，技术领域涉及：G06T7/11；该发明授权一种基于图卷积神经网络的眼底图像视网膜血管分割方法是由程远志;张洪红;何健飞;王翔;史操;许灿辉;葛全序;杨星海设计研发完成，并于2023-07-12向国家知识产权局提交的专利申请。

本一种基于图卷积神经网络的眼底图像视网膜血管分割方法在说明书摘要公布了：本发明提出了一种图卷积神经网络的眼底图像血管分割方法。通过特征提取网络提取眼底图像特征信息，建立四层多尺度特征表示网络；其中，低三层的特征图作为图的低层次卷积特征聚合模块的输入；高三层的特征图作为图的高层次卷积特征聚合模块的输入，特征图上的像素作为图的结点，像素之间的关系作为边。高层次卷积特征聚合模块利用更多的语义信息重构无血管视网膜图像，低层次卷积特征聚合模块利用更多的细节信息对血管进行分割。本发明还通过低秩矩阵的矩阵填充法得到无血管的眼底图像，作为标签来训练基于图的高层次卷积特征聚合模块，增强前景背景的对比，提高算法分割精度。

本发明授权一种基于图卷积神经网络的眼底图像视网膜血管分割方法在权利要求书中公布了：1.一种基于图卷积神经网络的眼底图像视网膜血管分割方法，其特征在于，包括： 步骤A、建立多层级特征表示模块，采用ResNet作为骨干网络进行视觉特征提取从下往上建立四层多尺度的特征图； 步骤B、建立基于图的高层次卷积特征聚合模块 将步骤A中多层级特征表示模块的后三层作为基于图的高层次卷积特征聚合模块的输入，每一层达到相同的分辨率和通道数，图初始化后，聚合特征，更新节点，对特征进行拼接和反卷积，获取无血管眼底图像；将所述无血管眼底图像，采用低秩补全法重建无血管的眼底图像，并将其反向输入到网络中；所述低秩补全法包括： 待处理的眼底图像为，是眼底图像去除掉血管之后的图像，代表一次延迟嵌入操作，对于输入的E，以及M经过一次操作后，得到： ； ； 得到的是一个2N阶的汉克张量，低秩矩阵的修复如下： ； ； ； 其中，代表反转MDT操作，为因子矩阵，为核张量，初始值=1； 步骤C、建立基于图的低层次卷积特征聚合模块 将步骤A中多层级特征表示模块的低三层作为基于图的低层次卷积特征聚合模块的输入，每一层达到相同的分辨率和通道数； 步骤D、输出分割结果。

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青岛科技大学，其通讯地址为：266000 山东省青岛市崂山区松岭路99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。