-
公开(公告)号：CN111353980A
公开(公告)日：2020-06-30
申请号：CN202010125033.4
申请日：2020-02-27
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的眼底荧光造影图像渗漏点检测方法。采集眼底荧光造影图像，构建数据集并预处理，进行盘区域和渗漏点轮廓线标注，使用水漫填充法二值转换；对二值分割图像进行遍历处理，分割成子图，组成特征集；构建两个U型神经网络；采用特征集和渗漏点轮廓线输入第一U型神经网络训练；采用原始图像和视盘区域、黄斑区域输入第二U型神经网络训练；针对待测的眼底荧光造影图像处理预测，取分类概率大于预设渗漏阈值的像素点组成作为渗漏点，并输出视盘区域和黄斑区域；时序前后造影图配准，判断假渗漏点剔除。本发明使用深度卷积神经网络对渗漏点进行语义分割，排除错误的渗漏点，具有更高的准确率和可靠度。
-
公开(公告)号：CN110120055A
公开(公告)日：2019-08-13
申请号：CN201910294122.9
申请日：2019-04-12
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的眼底荧光造影图像无灌注区自动分割方法。本发明针对医生手动分割标注的无灌注区眼底造影图像眼底造影图像对构建的卷积神经网络进行训练，使卷积神经网络的最终输出值符合医生标注的结果，从而可以利用训练好的卷积神经网络对糖尿病视网膜病变进行自动分割识别眼底无灌注区。本发明的方法通过具备无灌注区位置标记的眼底造影图像，采用深度学习实现自动从训练范例眼底造影图像库中学习所需特征并进行语义分割。在训练过程中不断优化卷积神经网络的参数，提取数据特征，从而辅助临床运用中的对糖尿病视网膜病变进行眼底激光治疗时，识别需要治疗的无灌注区，精准地辅助眼底激光。
-
公开(公告)号：CN101721389B
公开(公告)日：2012-04-18
申请号：CN200910154359.3
申请日：2009-11-30
Applicant: 浙江大学
Abstract: 本发明公开了一种载治疗性物质的微胶囊的制备方法。该方法运用高压静电喷雾原理，将载治疗性物质的荷电高分子溶液在高压静电作用下瞬时形成超细凝胶微粒，该微粒雾状物经荷相反电荷的高分子溶液接收，凝胶微粒表层被包裹相反电荷的高分子凝胶壳层，形成囊芯和囊壁结构，再经微孔膜过滤，得到载治疗性物质的微胶囊。囊芯和囊壁的微结构和尺度可通过电压、溶液浓度、喷射口到接收液距离进行精确控制，治疗性物质被囊芯和囊壁约束，形成控制释放，以提高治疗功效。本发明工艺简单可行，重复性好，制备工艺全流程清洁无污染，所提供的原位载治疗性物质微胶囊无需繁杂后处理，并且粒径可控、治疗性物质释放速率控制方便，具有良好的应用前景。
-
公开(公告)号：CN119632381A
公开(公告)日：2025-03-18
申请号：CN202510010634.3
申请日：2025-01-03
Applicant: 浙江大学医学院附属第一医院(浙江省第一医院)
Inventor： 叶娟
Abstract: 本发明适用于新生儿护理技术领域，提供了一种新生儿护理用安抚工具，包括：对称的设置的两个侧板，两个侧板之间固定有底板；安装在两个侧板之间并未与底板正上方的U型板，U型板两侧均安装有转轴，两个转轴支撑在两个侧板并分别与两个侧板转动连接；用于新生儿躺卧且顶部为开口的箱式婴儿床，箱式婴儿床设置在U型板两侧内壁之间并通过一侧安装的合页与U型板底部内壁铰接。本方案提供的新生儿护理用安抚工具实现了多种功能的有效集成，可进行婴儿床一端的高度调节，降低新生儿吐奶风险，且可切换到摇晃功能对新生儿进行安抚，整个过程操作简便且功能转换迅速。
-
公开(公告)号：CN115100187B
公开(公告)日：2024-06-11
申请号：CN202210892726.5
申请日：2022-07-27
Applicant: 浙江大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/774 , G06N20/20
Abstract: 本发明公开了一种基于联邦学习的青光眼图像检测方法。建立了一个两阶段的青光眼诊断网络模型，通过两阶段的青光眼诊断网络模型对眼底图像进行处理，第一阶段用于获得杯盘比结果，第二阶段用于获得青光眼分类概率结果；收集眼底图像数据并预处理，用预处理后的眼底图像数据对两阶段的青光眼诊断网络模型中的第二阶段进行训练，获得训练后的两阶段的青光眼诊断网络模型；针对待测的眼底图像输入训练后的两阶段的青光眼诊断网络模型获得两阶段的结果，综合两阶段的结果对眼底图像中的青光眼情况进行分类判断。本发明实现了快速高效的青光眼图像检测，方法大大减少了医生的诊断周期。
-
Patent Agency Ranking
公开(公告)号：CN112837805B
公开(公告)日：2024-03-29
申请号：CN202110036779.2
申请日：2021-01-12
Applicant: 浙江大学
IPC: G16H50/20 , G06V40/18 , G06V10/28 , G06V10/82 , G06V10/762 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于深度学习的眼睑拓扑形态特征的提取方法。具体为：采集正常人的电子数码照片，对电子数码照片进行处理后构建ROI图像训练集，将ROI图像训练集输入待训练的卷积神经网络中得到训练好的卷积神经网络；对待测的电子数码照片使用面部识别方法定位眼部感兴趣区域位置(ROI)，获得待测的ROI区域图像，将待测的ROI区域图像输入训练后的卷积神经网络输出带有眼睑轮廓线和角膜轮廓线图像，确定待测的电子数码照片的圆形比例尺、瞳孔中心，提取单眼的眼睑拓扑形态特征。本发明使用卷积神经网络对眼睑及角膜结构进行分割，并使用MeanShift聚类确定瞳孔中心后进行眼睑相关结构参数自动化计算，获得与手动测量相当的准确度。
-
公开(公告)号：CN117671237A
公开(公告)日：2024-03-08
申请号：CN202311564830.2
申请日：2023-11-22
Applicant: 浙江大学
IPC: G06V10/25 , G06V10/764 , G06V10/22 , G06V10/774 , G06V10/80 , G06T3/40 , G06N3/04 , G06N3/08 , A61B3/10 , A61B3/13 , A61F9/007
Abstract: 本发明公开了一种基于深度学习的机器人视网膜下注射针的检测与定位方法。本发明利用光学相干断层扫描2维横截面图像(OCT B‑扫描)中视网膜上方可见的针头部分信息来粗略定位视网膜下的针头位置，并裁剪图像感兴趣区域(ROI)；然后将多个裁剪后的相邻图像送入到视网膜下注射针头检测和定位模型实现针头精确定位。本发明在输入数据的前景和背景之间提供了平衡，与完整的OCT B‑扫描相比，裁剪扫描数据包含更少的噪声和更少的镜像伪影，有助于生成高精度的结果。该方法不仅考虑了注射针的变形，而且不需要任何几何特征。本发明有助于提高视网膜下注射针的检测和定位精度。
-
公开(公告)号：CN115909470B
公开(公告)日：2023-07-07
申请号：CN202211484012.7
申请日：2022-11-24
Applicant: 浙江大学
IPC: G06V40/18 , A61B3/10 , G06N3/0464 , G06N3/08 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的全自动眼睑疾病术后外观预测系统和方法，通过利用眼部检测单元、图像裁剪单元以及预测单元依据输入的术前人脸正面图像预测术后条带图像，术后条带图像带有术后的眼睑轮廓线和角膜轮廓线，然后再依据术后条带图像并利用测量单元来测量计算眼睑形态参数的实际尺寸并输出，同时将术后条带图像粘贴回术前人脸正面图像，得到术后人脸外观预测图像并输出，这样基于深度学习通过计算机辅助图像处理和图像生成，以全自动化的方式获得了眼睑疾病术后外观预测图像，避免了现有人工预测方法的繁琐与误差，从而提高眼睑疾病术后效果预测的准确性和客观性，可辅助临床决策、预测术后各阶段恢复情况、促进手术前后医患沟通。
-
公开(公告)号：CN115762787A
公开(公告)日：2023-03-07
申请号：CN202211484150.5
申请日：2022-11-24
Applicant: 浙江大学
IPC: G16H50/30 , G16H50/20 , G16H30/00 , G06V40/16 , G06V40/18 , G06V10/26 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , A61B3/10
Abstract: 本发明公开了一种基于眼睑拓扑形态分析的眼睑疾病手术疗效评估方法和系统，通过基于全局注意力门控和循环残差卷积神经网络的第一模型和第二模型对术前人脸图像和术后人脸图像进行粗分割和细分割得到眼睑掩膜和角膜掩膜，然后基于角膜掩膜采用聚类方式确定术前瞳孔中心和术后瞳孔中心，最后依据术前瞳孔中心和术后瞳孔中心、术前眼睑掩膜和角膜掩膜、术后眼睑掩膜和角膜掩膜分别确定术前眼睑拓扑形态和术后眼睑拓扑形态，并依据图像比例尺转换为术前眼睑拓扑形态实际尺寸、术后眼睑拓扑形态实际尺寸，通过眼睑拓扑形态参数的精确测量，能快速客观地评估眼睑疾病患者的手术疗效，为患者提供便捷的诊疗服务。
-
公开(公告)号：CN114694236A
公开(公告)日：2022-07-01
申请号：CN202210220173.9
申请日：2022-03-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于循环残差卷积神经网络的眼球运动分割定位方法。采集获得被试者的眼位照输入第一阶段循环残差卷积神经网络模型处理得到旋转后眼位照；再次输入第一阶段循环残差卷积神经网络模型得二值掩膜，裁剪获得左右眼检测区域图片，输入第二阶段循环残差卷积神经网络模型检测获得双眼的眼睑和角膜掩膜；根据额头上圆形标记得到比例尺；再由眼睑角膜掩膜对眼位照图像处理测量眼球运动，获得六条眼外肌功能的像素距离，换算得到实际尺寸值。本发明技术性能稳定，分割准确率高，能快速自动检测眼球运动，以计算机辅助图像处理方式避免了人工测量的误差，从而提高眼肌疾病诊断的准确性和客观性。本发明为体检筛查、远程医疗等也提供了可能性。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.02 seconds)
