-
公开(公告)号:CN111179258A
公开(公告)日:2020-05-19
申请号:CN201911419425.5
申请日:2019-12-31
Applicant: 中山大学中山眼科中心
Abstract: 本发明涉及医学图像处理领域,更具体地涉及一种识别视网膜出血图像的人工智能方法及系统,包括以下步骤:对卷积神经网络进行深度学习训练得到识别视网膜出血模型;将广域眼底图像输入到所述识别视网膜出血模型中,判断所述广域眼底图像是否出现视网膜出血;当判断存在视网膜出血时,在所述广域眼底图像上定位视网膜出血病灶部位。本发明依靠人工智能深度学习的敏感性和准确性对广域眼底图像的视网膜进行分析,使得视网膜出血的早期筛查更准确、更智能、更便携,有利于提高筛查效率,减少其对人群造成不可逆的损害。
-
公开(公告)号:CN111161257A
公开(公告)日:2020-05-15
申请号:CN201911421861.6
申请日:2019-12-31
Applicant: 中山大学中山眼科中心
Abstract: 本发明涉及一种广域眼底图像质量控制的方法及人工智能系统,其中所述方法包括以下步骤:A1.接收广域眼底照相仪拍摄的广域眼底图片;A2.将所述广域眼底图片输入已训练的二分类模型,判断所述广域眼底图片是否为低质量图片;A3.当判断所述广域眼底图片为低质量图片时,发送重新拍摄提示;A4.判断发送重新拍摄提示的次数,若未超过预设的次数则返回步骤A1,若超过预设次数则发出转诊的提示。通过将拍摄好的广域眼底图片输入已训练的二分类模块进行广域眼底图片质量的判断,当图片被判断为低质量图片时,发送重新拍摄提示,从而实现对广域眼底图片的质量进行实时、准确的质量控制。
-
公开(公告)号:CN110432860A
公开(公告)日:2019-11-12
申请号:CN201910591852.5
申请日:2019-07-01
Applicant: 中山大学中山眼科中心
Abstract: 本发明涉及一种基于深度学习识别广域眼底图中格变裂孔的方法和系统,将广域眼底图像输入卷积神经网络中,判断所述广域眼底图像中是否存在周边视网膜格子样变性或裂孔;当判断为所述广域眼底图像中存在周边视网膜格子样变性或裂孔时,采用显著性区域算法定位广域眼底图像中的格子样变性位置或裂孔位置。本发明可以辅助眼科医生更准确、更便捷地解读患者的广域眼底图像。
-
公开(公告)号:CN110432860B
公开(公告)日:2022-03-11
申请号:CN201910591852.5
申请日:2019-07-01
Applicant: 中山大学 , 中山大学中山眼科中心
Abstract: 本发明涉及一种基于深度学习识别广域眼底图中格变裂孔的方法和系统,将广域眼底图像输入卷积神经网络中,判断所述广域眼底图像中是否存在周边视网膜格子样变性或裂孔;当判断为所述广域眼底图像中存在周边视网膜格子样变性或裂孔时,采用显著性区域算法定位广域眼底图像中的格子样变性位置或裂孔位置。本发明可以辅助眼科医生更准确、更便捷地解读患者的广域眼底图像。
-
公开(公告)号:CN110974151A
公开(公告)日:2020-04-10
申请号:CN201911077281.X
申请日:2019-11-06
Applicant: 中山大学中山眼科中心
Abstract: 本发明涉及医疗图像处理技术领域,尤其涉及一种识别视网膜脱离的人工智能系统和方法,包括:将广域眼底图像输入到第一卷积神经网络中,判断其是否存在视网膜脱离;当判断所述广域眼底图像存在视网膜脱离时,在所述广域眼底图像上定位视网膜脱离病灶部位;在判断为存在视网膜脱离的所述广域眼底图像上生成由所述广域眼底图像中心指向所述视网膜脱离病灶部位中心的箭头,用于指导术前体位。本发明识别视网膜脱离准确高效,能够实现大规模的人群健康体检,即便是专业经验较少的眼科医生或者非专业的基层医院医生也可以直接通过筛查图像准确解读患者的广域眼底图像,为患者提供更全面的病情评估。
-
公开(公告)号:CN211723276U
公开(公告)日:2020-10-23
申请号:CN201921756197.6
申请日:2019-10-18
Applicant: 中山大学中山眼科中心
Abstract: 本实用新型涉及眼科领域,更具体地,涉及一种眼科外置开睑器,包括一可调节头戴式装置和活动安装于可调节头戴式装置上的开睑装置。所述可调节头戴式装置佩戴于使用者头部,所述开睑装置用于打开眼睑,被检查者在佩戴可调节头戴式装置时,根据使用者不同头型的尺寸调节可调节头戴式装置的大小;开睑装置活动安装于可调节头戴式装置上,方便移动;所述开睑装置从眼睑外侧辅助开睑,不接触眼球,增加患者的舒适性;整个结构轻巧便携,安装方便,可解放医生双手,省时省力,提高检查的准确性。
-
-
-
-
-