-
公开(公告)号：CN113768461B
公开(公告)日：2024-03-22
申请号：CN202111073695.2
申请日：2021-09-14
Applicant: 北京鹰瞳科技发展股份有限公司 , 上海鹰瞳医疗科技有限公司
IPC: A61B3/12 , A61B3/14 , G06V10/764 , G06N3/0464 , G06N3/08 , G06T7/00 , G06T7/11
Abstract: 本发明实施例提供了一种眼底图像分析方法、系统和电子设备，该方法包括：获取待分析的眼底图像；对所述眼底图像进行像素级分割，得到标识每个像素属于豹纹或者非豹纹区域的豹纹分割信息；基于所述眼底图像分割出现豹纹对视力影响程度不同的多种感兴趣区域，得到标识每个像素所属感兴趣区域的区域分割信息；根据豹纹分割信息和区域分割信息对眼底豹纹进行量化分析；本发明根据豹纹分割信息和区域分割信息更精准地对眼底豹纹进行量化分析，从而快速、精准地给出诊断结果；医生无需花费大量精力和时间去学习和分析如何根据眼底图像确定豹纹的程度。
-
公开(公告)号：CN117635549A
公开(公告)日：2024-03-01
申请号：CN202311527222.4
申请日：2023-11-15
Applicant: 上海鹰瞳医疗科技有限公司 , 北京鹰瞳科技发展股份有限公司
IPC: G06T7/00 , G06V10/44 , G06V10/82 , G06V10/764 , G16H50/30 , G06N3/0464 , G06N3/084
Abstract: 本公开关于一种眼底图像分析方法、装置、电子设备及存储介质，包括：获取待检测彩色眼底图像；将待检测彩色眼底图像输入颅内肿瘤风险预测模型中进行特征提取，得到图像特征，并根据图像特征进行颅内肿瘤风险预测，输出预测结果；预测结果用于指示待检测彩色眼底图像的拍摄对象为颅内肿瘤风险人员的概率；其中，颅内肿瘤风险预测模型基于不确定度感知器和辅助一致性训练模型对预设卷积神经网络模型进行预训练得到。不确定度感知器促使预设卷积神经网络模型更加关注那些不确定度较低的样本，辅助一致性训练模型促使预设卷积神经网络模型能够学习到训练过程中的历史信息，因此，颅内肿瘤风险预测模型可以实现基于彩色眼底图像快速、准确、非侵入性且低成本地对颅内肿瘤进行诊断。
-
公开(公告)号：CN113768461A
公开(公告)日：2021-12-10
申请号：CN202111073695.2
申请日：2021-09-14
Applicant: 北京鹰瞳科技发展股份有限公司 , 上海鹰瞳医疗科技有限公司
Abstract: 本发明实施例提供了一种眼底图像分析方法、系统和电子设备，该方法包括：获取待分析的眼底图像；对所述眼底图像进行像素级分割，得到标识每个像素属于豹纹或者非豹纹区域的豹纹分割信息；基于所述眼底图像分割出现豹纹对视力影响程度不同的多种感兴趣区域，得到标识每个像素所属感兴趣区域的区域分割信息；根据豹纹分割信息和区域分割信息对眼底豹纹进行量化分析；本发明根据豹纹分割信息和区域分割信息更精准地对眼底豹纹进行量化分析，从而快速、精准地给出诊断结果；医生无需花费大量精力和时间去学习和分析如何根据眼底图像确定豹纹的程度。
-
公开(公告)号：CN118196535A
公开(公告)日：2024-06-14
申请号：CN202410421934.6
申请日：2024-04-09
Applicant: 上海鹰瞳医疗科技有限公司 , 北京鹰瞳科技发展股份有限公司
IPC: G06V10/764 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种对用于代谢性疾病的分类模型进行训练的方法及相关产品。所述方法包括：将原始视网膜图像和视网膜灰度图像分别输入至分类模型，经由蛇形卷积模块、融合模块和分类器模块依次执行蛇形卷积操作、多视角融合操作和分类操作，以获得各自对应的第一分类结果和第二分类结果；根据第一分类结果和第二分类结果确定代谢性疾病的最终分类结果，并且计算分类模型的初始损失函数；在初始损失函数中引入蛇形卷积操作过程中的高阶连续约束项，以形成第一损失函数；以及基于第一损失函数对用于代谢性疾病的分类模型进行训练。利用本申请的方案，可以更好地捕捉视网膜图像中的复杂特征，提高分类模型的准确性。
-
公开(公告)号：CN117038088B
公开(公告)日：2024-02-02
申请号：CN202311293821.4
申请日：2023-10-09
Applicant: 北京鹰瞳科技发展股份有限公司 , 上海鹰瞳医疗科技有限公司
IPC: G16H50/30 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种糖尿病视网膜病变的发病确定方法、装置、电子设备及存储介质，所述方法包括：获取糖尿病用户的眼底图像；基于糖尿病性视网膜病变发病预测模型，对所述眼底图像进行糖尿病性视网膜病变的发病风险预测，得到糖尿病视网膜病变的发病风险评估结果，其中，所述糖尿病性视网膜病变发病预测模型是基于深度神经网络对眼底图像样本中的视觉特征进行训练得到的模型。本发明中，利用糖尿病性视网膜病变发病预测模型，可以快速、准确的为糖尿病患者提供未来糖尿病性视网膜病变发病的风险预测，使糖尿病患者实现提前干预和治疗。
-
Patent Agency Ranking
公开(公告)号：CN116994100B
公开(公告)日：2023-12-22
申请号：CN202311275090.0
申请日：2023-09-28
Applicant: 北京鹰瞳科技发展股份有限公司 , 上海鹰瞳医疗科技有限公司
IPC: G06V10/774 , G06V40/10 , G06V10/26 , G06V10/80 , G06V10/82 , G16H30/40 , G16H50/50 , G06N3/0464
Abstract: 本申请提供了一种模型训练方法、装置、电子设备及存储介质。所述方法包括：获取用户的符合模型训练条件的样本眼底图像，样本眼底图像标注有阿尔兹海默症的真实疾病类别；将样本眼底图像输入至待训练疾病预测模型；调用所述特征筛选及血管分割层对所述样本眼底图像进行特征筛选及血管分割标注处理，得到注意力特征图和血管标注特征图；调用特征融合层对注意力特征图和血管标注特征图进行特征融合处理，得到样本眼底图像对应的预测疾病概率；基于真实疾病类别和预测疾病概率，计算得到待训练疾病预测模型的损失值；在损失值处于预设范围内的情况下，得到用于预测阿尔兹海默症的疾病预测模型。本申请可以提高阿尔兹海默症的预测准确率。
-
公开(公告)号：CN116798569A
公开(公告)日：2023-09-22
申请号：CN202310756105.9
申请日：2023-06-25
Applicant: 上海鹰瞳医疗科技有限公司 , 北京鹰瞳科技发展股份有限公司
Abstract: 本申请提供了一种晶体推荐方法、装置、电子设备及存储介质，包括：获取目标用户的用户信息及多种候选晶体的晶体参数；将用户信息及晶体参数输入至目标深度学习模型进行预测，确定每种候选晶体对应的预测术后结果；目标深度学习模型由预设深度学习模型对训练数据进行训练得到，训练数据包括样本用户的用户信息、晶体参数及样本用户植入对应的候选晶体后的样本术后结果；根据预测术后结果，从候选晶体中确定符合预设条件的目标晶体。这样，采用深度学习算法，通过预先训练好的目标深度学习模型对用户信息及晶体参数进行建模分析，能够有效准确选择目标用户对应的目标晶体，可以个性化地满足不同人群的术后需求。
-
公开(公告)号：CN113902827A
公开(公告)日：2022-01-07
申请号：CN202111454162.9
申请日：2021-12-02
Applicant: 北京鹰瞳科技发展股份有限公司 , 上海鹰瞳医疗科技有限公司
Abstract: 本发明提供了一种针对皮肤病的愈后效果预测系统、方法以及电子设备，该系统包括：皮肤区域分割模块，其包括阈值分割单元和第一分割网络，阈值分割单元用于对输入图像进行阈值分割以得到皮肤区域参考蒙版，所述第一分割网络用于利用皮肤区域参考蒙版和输入图像进行分割处理，得到皮肤区域蒙版；病灶分割模块，其包括第二分割网络，第二分割网络用于利用皮肤区域蒙版和输入图像进行分割处理，得到病灶区域蒙版；区域确定模块，用于根据预定的填补比例和病灶区域蒙版确定待填补区域蒙版；补全模块，其包括生成对抗网络，所述生成对抗网络用于根据待填补区域蒙版和输入图像生成愈后效果图；本发明可以更高效、真实地生成针对皮肤病的愈后效果图。
-
公开(公告)号：CN119207815A
公开(公告)日：2024-12-27
申请号：CN202310754484.8
申请日：2023-06-25
Applicant: 上海鹰瞳医疗科技有限公司 , 北京鹰瞳科技发展股份有限公司
IPC: G16H50/70 , G16H50/30 , G16H10/60 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例提供了一种疾病预测模型训练方法、装置、电子设备及介质。所述方法包括：获取模型训练样本，所述模型训练样本为由用户的眼底图像和所述用户的与预设疾病关联的无创用户数据形成的多模态数据，所述模型训练样本标注有真实疾病类别；基于所述多模态数据对待训练疾病预测模型进行训练，得到所述待训练疾病预测模型输出的预测疾病类别；基于所述真实疾病类别、所述预测疾病类别和所述模型训练样本对应的权重，计算得到所述待训练疾病预测模型的损失值；在所述损失值处于预设范围内的情况下，将训练后的待训练疾病预测模型作为最终的用于预测所述预设疾病的疾病预测模型。本申请实施例可以提高预设疾病预测的效率和准确率。
-
公开(公告)号：CN117079018A
公开(公告)日：2023-11-17
申请号：CN202310999122.5
申请日：2023-08-09
Applicant: 上海长征医院 , 上海鹰瞳医疗科技有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/77 , G06V10/40 , G06V40/18 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本申请公开了一种多任务识别模型训练、眼部外观照识别的方法及装置，其中模型训练的方法包括基于眼部外观照样本，通过特征共享卷积层和子任务第一独立卷积层提取得到第二提取结果；将每个子任务的第二提取结果分别和其他的第二提取结果进行合并、降维得到新的第二提取结果；将每个新的第二提取结果输入到子任务第二独立卷积层得到第三图像特征；将每个子任务的第三图像特征输入到子任务独立分类层得到第四图像特征；根据第四图像特征计算模型类别预设概率；计算模型类别预设概率与实际类别标注的交叉熵损失值；对交叉熵损失值进行优化得到多任务识别模型。本申请解决现有的深度学习技术作为判断TAO的前期辅助的方法效率低的问题。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.028 seconds)
