Indexed by：
Abstract：
本公开实施例涉及一种基于自监督学习的OCTA图像分类结构训练方法，包括：基于无标签信息的B‑scan OCTA图像序列对模型进行自监督学习，直至重建的B‑scan OCTA图像序列与给定的B‑scan OCTA图像序列之间的重构误差、重建OCTA特征图像与融合OCTA特征图像的重构误差满足预设条件；将给定的带标签信息的en‑face OCTA图像对自监督学习后的模型中的二维随机掩码特征编码模块、全连接层、softmax层进行微调式训练，获得用于对任一用户的OCTA图像进行分类的二维随机掩码特征编码模块，该二维随机掩码特征编码模块作为OCTA图像分类结构。本发明对基于人体视网膜en‑face OCTA图像的疾病分析提供依据，使分类结果更准确，分类准确率更高。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202210887658.3
Filing Date： 2022-07-26
Publication Date： 2022-11-29
Pub. No.： CN115410032A
Applicants： 北京工业大学
Legal Status： 实质审查
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
