一种基于特征融合的结核性视网膜OCT图像分类方法（高校公示15天）（不包年费滞纳金）（需要二变）
发明专利本发明公开了一种基于特征融合的结核性视网膜OCT图像分类方法，包括步骤一：获取结核性视网膜OCT图像；步骤二：图像预处理；步骤三：构建多个基准神经网络；步骤四：在多个基准网络中添加多尺度门控通道注意力机制，利用神经网络的学习来获取特征通道之间的重要程度，以此来加强对分类任务有益的特征并抑制无益特征。步骤五：训练和测试：通过多次的对比实验，找到各个网络结构最优参数下的最优模型；步骤六：模型融合；本发明利用多层卷积神经网络和门控注意力机制构造基础学习器充当特征提取器，再融合不同模型提取出来的图像特征，将融合后的特征输入至支持向量机中进行进一步的分类和预测，从而进一步提高结核性视网膜OCT图像分类的精度。
《一种基于特征融合的结核性视网膜OCT图像分类方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2023104943282，当前法律状态为已下证，由浙江工业大学提出申请，发明人为王丽萍;陈涛，申请日期为2023-05-05，公开（公告）日期为2026-05-05，国际专利分类号（IPC）为 G06V 40/18 (2022.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于特征融合的结核性视网膜OCT图像分类方法，包括步骤一：获取结核性视网膜OCT图像；步骤二：图像预处理；步骤三：构建多个基准神经网络；步骤四：在多个基准网络中添加多尺度门控通道注意力机制，利用神经网络的学习来获取特征通道之间的重要程度，以此来加强对分类任务有益的特征并抑制无益特征。步骤五：训练和测试：通过多次的对比实验，找到各个网络结构最优参数下的最优模型；步骤六：模型融合；本发明利用多层卷积神经网络和门控注意力机制构造基础学习器充当特征提取器，再融合不同模型提取出来的图像特征，将融合后的特征输入至支持向量机中进行进一步的分类和预测，从而进一步提高结核性视网膜OCT图像分类的精度。
海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！
