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！

龙图腾网获悉南京理工大学申请的专利SDOCT模态DR与RVO的水肿生物标志物发现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：CN116863225B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310824748.2，技术领域涉及：G06V10/764；该发明授权SDOCT模态DR与RVO的水肿生物标志物发现方法是由陈强;陶余晖设计研发完成，并于2023-07-06向国家知识产权局提交的专利申请。

本SDOCT模态DR与RVO的水肿生物标志物发现方法在说明书摘要公布了：本发明公开了一种SDOCT模态DR与RVO的水肿生物标志物发现方法。该方法首先利用收集的SDOCT数据训练深度学习模型，对两种不同视网膜疾病的SDOCT图像进行自动分类。然后利用特征可视化技术，将深度模型在分类决策中的的关注区域以热力图的形式展现，并统计深度模型关注区域的分布情况，据此提出潜在的新的生物标志物以区分该两种疾病，新的生物标志物包括视网膜外层外界膜ELM，椭圆体带EZ以及视网膜色素上皮RPE断裂率、遮挡率、平均灰度等一组量化特征。最后，对这些量化特征进行统计学分析，将具有强统计学差异p值小于0.001的特征作为最终新发现的生物标志物。

本发明授权SDOCT模态DR与RVO的水肿生物标志物发现方法在权利要求书中公布了：1.SDOCT模态DR与RVO的水肿生物标志物发现方法，其特征在于，所述方法包括以下步骤： 步骤1，采集糖尿病性视网膜病变DR与视网膜静脉阻塞RVO的SDOCT视网膜图像；所述SDOCT为频域光学相干断层成像； 步骤2，构建并训练对DR和RVO的SDOCT视网膜图像进行自动分类的深度分类模型； 步骤3，对于训练好的深度分类模型，利用特征可视化技术获取该模型在分类决策中的关注区域； 步骤4，统计所述关注区域在视网膜中的分布情况； 步骤5，根据所述分布情况，发现区分DR与RVO的生物标志物； 步骤4所述统计所述关注区域在视网膜中的分布情况，具体包括： 筛选出深度分类模型预测正确的分类结果进行类激活图统计； 依据内界膜ILM、外丛状层OPL和布鲁赫膜BM，将视网膜区域分为视网膜内层、外层与整层；所述内层为ILM至OPL区域，外层为OPL至BM区域，整层为ILM至BM区域； 统计关注区域在视网膜内层、外层与整层的分布情况； 步骤5所述根据所述分布情况，发现区分DR与RVO的生物标志物，具体包括： 步骤5‑1，针对关注区域分布最多的视网膜内层或外层或整层区域，统计该区域中的层断裂率、层遮挡率与平均灰度特征； 某区域中视网膜层断裂率、层遮挡率以及平均灰度特征的定义分别为： Average Grayvalue＝meangrayvalue[layerfirst:layerlast]其中，disrupted_layer_num为某层视网膜出现层断裂的图像帧数，obscured_layer_num为某层视网膜出现层遮挡的图像帧数，total_layer_num为一个SDOCT体数据中所有帧数，mean表示求平均值操作，grayvalue[layerfirst:layerlast]表示某区域中第一层layerfirst至最后一层layerlast间视网膜区域的灰度值； 步骤5‑2，计算各特征的显著性差异p值，选择p值＜0.001的特征作为区分DR与RVO的生物标志物。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。