-
公开(公告)号：CN115457642A
公开(公告)日：2022-12-09
申请号：CN202211296023.2
申请日：2022-10-21
Applicant: 南京泓图人工智能技术研究院有限公司 , 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所)
Abstract: 本发明公开了一种基于深度学习的皱纹分割方法，包括以下步骤：在人脸图像上标注皱纹生成掩模图；选取图中部分皱纹区域；对图像和掩模图进行扩展填充；将制作好的图像与掩模图送入Unet模型中进行训练；使用训练好的模型检测脸部皱纹并输出结果。该基于深度学习的皱纹分割方法可以有效避免毛发等因素干扰，且识别效率较高，能够准确实现皱纹检测，为老化程度判断给出准确的辅助信息。
-
公开(公告)号：CN112669959A
公开(公告)日：2021-04-16
申请号：CN202011500721.0
申请日：2020-12-17
Applicant: 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) , 南京所由所以信息科技有限公司
Abstract: 一种基于图像的白癜风病情自动评估方法，本方法首先采用YOLO V3网络对图像中皮肤进行检测得到白癜风区域，然后应用UNet++网络对白癜风区域进行精细分割，得到白癜风的精准区域，然后再计算白癜风区域像素面积，作为评估白癜风病情的指标，从而实现基于图像自动评估患者的白癜风病情。本发明操作自动简便，摆脱以往繁复的操作流程，用白癜风白斑面积作为评估标准更加客观真实，该评估方法也可以用于以白癜风为代表的其他色素性皮肤。
-
公开(公告)号：CN113160224B
公开(公告)日：2021-11-26
申请号：CN202110540230.7
申请日：2021-05-18
Applicant: 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) , 南京所由所以信息科技有限公司
Abstract: 本发明公开一种基于人工智能的皮肤老化程度识别方法、系统和装置，属于计算机图像处理技术领域。本发明公开了一种基于人工智能技术自动评估皮肤老化程度的方法，该方法利用计算机自动读取用户上传的面部皮肤图像，然后通过人工智能皮肤老化程度评估模型对面部皮肤的老化程度进行分级，主要方式为通过建立皮肤老化程度检测模型检测皮肤区域是否有明显细皱纹、是否有色素不均、是否有明显粗糙。然后根据Global Score For Photoaging评分方法去计算皮肤老化程度评分。
-
公开(公告)号：CN113160224A
公开(公告)日：2021-07-23
申请号：CN202110540230.7
申请日：2021-05-18
Applicant: 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) , 南京所由所以信息科技有限公司
Abstract: 本发明公开一种基于人工智能的皮肤老化程度识别方法、系统和装置，属于计算机图像处理技术领域。本发明公开了一种基于人工智能技术自动评估皮肤老化程度的方法，该方法利用计算机自动读取用户上传的面部皮肤图像，然后通过人工智能皮肤老化程度评估模型对面部皮肤的老化程度进行分级，主要方式为通过建立皮肤老化程度检测模型检测皮肤区域是否有明显细皱纹、是否有色素不均、是否有明显粗糙。然后根据Global Score For Photoaging评分方法去计算皮肤老化程度评分。
-
公开(公告)号：CN119236321A
公开(公告)日：2025-01-03
申请号：CN202411385102.X
申请日：2024-09-30
Applicant: 江苏希格玛医疗科技有限公司 , 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所)
IPC: A61N5/06
Abstract: 本发明公开了一种带紫外光掩膜的高精度紫外光疗仪，包括紫外LED光源模块、紫外光液晶数字掩膜模块、光束控制模块、摄像头、微处理器系统；摄像头获取皮肤上病变区域的图像并传输至微处理系统，微处理系统识别病变区域的形状和距离，并根据该数据在紫外光液晶数字掩膜模块上形成病变区域的掩膜，使得透过紫外光液晶数字掩膜模块形成和病变区域形状相应的光斑，然后通过光束控制模块投射在病变区域，使得辐照的病变区域的紫外光束的形状和大小与病变区域一致。
-
Patent Agency Ranking
公开(公告)号：CN117575993B
公开(公告)日：2024-05-21
申请号：CN202311372626.0
申请日：2023-10-20
Applicant: 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所)
IPC: G06T7/00 , G06N3/0464 , G06V10/44 , G06V10/82 , G06V10/764 , G06V10/26
Abstract: 本发明公开了一种基于深度学习的滴度值的处理方法及系统，属于机器学习领域，包括：获取非梅毒螺旋体血清学试验结果的第一图像；对检验图像进行清晰度判断，输出第二图像；采用卷积神经网络对第二图像进行圆形目标检测，输出圆形目标的中心坐标和半径；根据检测到的圆形目标的中心坐标和半径对第二图像进行分割，提取圆形目标区域；根据预设排序规则，对提取的圆形目标区域进行排序；采用卷积神经网络对排序后的圆形目标区域进行分类，输出阴阳结果；计算阴阳结果对应的滴度值。针对现有技术中存在的检测结果的自动化处理效率低的问题，本申请通过整合机器学习和深度学习技术，特征提取、模型训练和图卷积神经网络等方法，提高血清学试验结果自动化处理的效率。
-
公开(公告)号：CN117575993A
公开(公告)日：2024-02-20
申请号：CN202311372626.0
申请日：2023-10-20
Applicant: 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所)
IPC: G06T7/00 , G06N3/0464 , G06V10/44 , G06V10/82 , G06V10/764 , G06V10/26
Abstract: 本发明公开了一种基于深度学习的滴度值的处理方法及系统，属于机器学习领域，包括：获取非梅毒螺旋体血清学试验结果的第一图像；对检验图像进行清晰度判断，输出第二图像；采用卷积神经网络对第二图像进行圆形目标检测，输出圆形目标的中心坐标和半径；根据检测到的圆形目标的中心坐标和半径对第二图像进行分割，提取圆形目标区域；根据预设排序规则，对提取的圆形目标区域进行排序；采用卷积神经网络对排序后的圆形目标区域进行分类，输出阴阳结果；计算阴阳结果对应的滴度值。针对现有技术中存在的检测结果的自动化处理效率低的问题，本申请通过整合机器学习和深度学习技术，特征提取、模型训练和图卷积神经网络等方法，提高血清学试验结果自动化处理的效率。
-
公开(公告)号：CN116311411A
公开(公告)日：2023-06-23
申请号：CN202211305639.1
申请日：2022-10-24
Applicant: 南京泓图人工智能技术研究院有限公司 , 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所)
Abstract: 本发明公开了一种人脸皮肤状况打分方法，包括以下步骤：S1：读入采集到的人脸图像；S2：检测出人脸上的关键点；S3：去掉与皮肤状况无关的区域，分割出ROI分析区域，计算平均灰度；S4：分析ROI中皱纹、油脂或斑点，计算皱纹、油脂或斑点分数，输出打分结果。该人脸皮肤状况打分方法能够分析人脸常见的状况表象并计算分数，以利于对人脸皮肤状况进行量化评估，为后续诊疗提供指导依据。
-
公开(公告)号：CN112669959B
公开(公告)日：2024-03-29
申请号：CN202011500721.0
申请日：2020-12-17
Applicant: 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) , 南京所由所以信息科技有限公司
IPC: G16H50/20 , G06T7/00 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , A61B5/00
Abstract: 一种基于图像的白癜风病情自动评估方法，本方法首先采用YOLO V3网络对图像中皮肤进行检测得到白癜风区域，然后应用UNet++网络对白癜风区域进行精细分割，得到白癜风的精准区域，然后再计算白癜风区域像素面积，作为评估白癜风病情的指标，从而实现基于图像自动评估患者的白癜风病情。本发明操作自动简便，摆脱以往繁复的操作流程，用白癜风白斑面积作为评估标准更加客观真实，该评估方法也可以用于以白癜风为代表的其他色素性皮肤。
-
公开(公告)号：CN116115908A
公开(公告)日：2023-05-16
申请号：CN202211443613.3
申请日：2022-11-18
Applicant: 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所)
IPC: A61N1/40
Abstract: 本发明提供一种多阵型射频微针电极治疗装置，手柄外壳，所述手柄外壳的内部设有驱动件，所述驱动件连接翼片；所述驱动件用于驱动所述翼片直线移动和开合；所述手柄外壳的端部连接电极外壳，所述电极外壳的内部设有相互连接的压盖和电路板；所述压盖的内部设有微针板件，所述微针板件包括推板组件、微针板组件和微针组件；所述推板组件包括多层自内向外成同心套叠结构的推板，且所述推板组件与驱动件同轴；所述微针板组件包括多层呈同心环状排列的微针板；所述微针组件包括多根呈矩阵分布的微针。本发明设置有可调的微针板件，可根据不同的治疗部位的适应症来设置使用微针的矩阵数量，有效提高治疗效率，适应多种治疗应用场景。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.045 seconds)
