-
公开(公告)号：CN115619747B
公开(公告)日：2023-09-19
申请号：CN202211319482.8
申请日：2022-10-26
Applicant: 中山大学中山眼科中心
Abstract: 本发明公开一种幼儿眼底视网膜全景影像图谱生成和随访数据对齐方法，通过十几例影像数据结合临床指南中图例便可以快速生成指南中对应疾病的视网膜影像图谱，再利用生成的影像图谱，能够对新的影像数据进行空间上的映射对齐，利用生成的影像图谱，能够对随访数据进行时间和空间上的映射对齐，以早产儿视网膜病变为例，能快速辅助医生进行随访数据在空间对齐后进行时间序列的分析。
-
公开(公告)号：CN114897678A
公开(公告)日：2022-08-12
申请号：CN202210320757.3
申请日：2022-03-29
Applicant: 中山大学中山眼科中心
Abstract: 本发明公开了一种婴幼儿眼底视网膜全景影像生成采集反馈方法及系统，利用深度学习技术分别实现了配准模型和融合模型的建模设计和训练流程。通过实现影像文件监测，多图像持续配准，多图像持续融合以及全景影像图谱提示等模块功能，设计了一种婴幼儿眼底视网膜全景影像生成和反馈系统，能够在使用者采集数据过程中实时显示已采集数据的拼接图，提示已采集影像范围、未采集区域以及生成并显示视网膜全景影像。
-
-
公开(公告)号：CN115619747A
公开(公告)日：2023-01-17
申请号：CN202211319482.8
申请日：2022-10-26
Applicant: 中山大学中山眼科中心
Abstract: 本发明公开一种幼儿眼底视网膜全景影像图谱生成和随访数据对齐方法，通过十几例影像数据结合临床指南中图例便可以快速生成指南中对应疾病的视网膜影像图谱，再利用生成的影像图谱，能够对新的影像数据进行空间上的映射对齐，利用生成的影像图谱，能够对随访数据进行时间和空间上的映射对齐，以早产儿视网膜病变为例，能快速辅助医生进行随访数据在空间对齐后进行时间序列的分析。
-
公开(公告)号：CN115294071A
公开(公告)日：2022-11-04
申请号：CN202210959255.5
申请日：2022-08-10
Applicant: 中山大学中山眼科中心
Abstract: 本公开描述一种基于视频数据的泪膜检测系统及方法，该系统包括获取模块，其被配置为获取针对泪膜的视频数据对应的多个检测帧并作为泪膜数据队列；状态分析模块，其被配置为基于泪膜数据队列中连续的三个检测帧中角膜区域的形状大小的变化情况确定中间的检测帧的眼睛状态；检测段分析模块，其被配置为基于由状态分析模块获得的检测帧的眼睛状态获取视频数据对应的多个检测段，并基于眼睛状态为睁开状态的检测帧确定各个检测段的检测结果；以及结果分析模块，其被配置为基于多个检测段对应的多个检测结果确定目标检测结果。由此，能够使泪膜检测的分段精度较高、支持实时分析且便捷。
-
Patent Agency Ranking
公开(公告)号：CN114862760A
公开(公告)日：2022-08-05
申请号：CN202210327065.1
申请日：2022-03-30
Applicant: 中山大学中山眼科中心
IPC: G06T7/00 , G06T3/40 , G06V10/25 , G06V10/774 , A61B3/12
Abstract: 本发明公开一种早产儿视网膜病变检测方法和装置，方法包括以下步骤：S1：获取待筛查个体的左右两边不同方位的眼底广角影像；S2：以待筛查个体为单位将不同方位的眼底广角影像送入预先训练好的病灶检出模型，得到每张眼底广角影像的病灶检出结果；S3：将带有病灶检出结果的不同方位的眼底广角影像进行拼接合并，得到最终的拼接图像；S4：根据最终的拼接图像得到眼底视网膜分区；S5：在分区后的图像中可视化病灶检出结果和分区标识，并按照病灶类型给出分期结果。本发明实现自动检出病灶、多方位图像拼接融合、分区、分期以及各亚型识别的完整诊断流程。
-
公开(公告)号：CN115701868B
公开(公告)日：2024-02-06
申请号：CN202211007844.X
申请日：2022-08-22
Applicant: 中山大学中山眼科中心
IPC: G06T5/00 , G06T3/04 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/092
Abstract: 本发明公开一种适用多种视觉任务的领域自适应增强方法，包括S01：针对基于深度学习算法的医学图像分析任务，从该任务中分析提取出该任务的业务模型；S02：根据业务模型，构建基于CycleGAN模型与辅助任务协同学习的域自适应框架，包括CycleGAN模块和辅助任务模块，其中，CycleGAN模块用于转换不同域的图像风格，所述辅助任务模块包括主辅助任务和次辅助任务；S03：使用未配对的目标域图像数据集和源域图像数据集训练所述基于CycleGAN模型与辅助任务协同学习的域自适应框架；S04：使用训练好的CycleGAN模型将目标域图像转换为源域图像风格，输入业务模型中，得到最终的结果。本发明改善由源域数据训练的业务模型对目标域图像
-
公开(公告)号：CN114897678B
公开(公告)日：2023-05-16
申请号：CN202210320757.3
申请日：2022-03-29
Applicant: 中山大学中山眼科中心
Abstract: 本发明公开了一种婴幼儿眼底视网膜全景影像生成采集反馈方法及系统，利用深度学习技术分别实现了配准模型和融合模型的建模设计和训练流程。通过实现影像文件监测，多图像持续配准，多图像持续融合以及全景影像图谱提示等模块功能，设计了一种婴幼儿眼底视网膜全景影像生成和反馈系统，能够在使用者采集数据过程中实时显示已采集数据的拼接图，提示已采集影像范围、未采集区域以及生成并显示视网膜全景影像。
-
公开(公告)号：CN115701868A
公开(公告)日：2023-02-14
申请号：CN202211007844.X
申请日：2022-08-22
Applicant: 中山大学中山眼科中心
IPC: G06T5/00 , G06T3/00 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/092
Abstract: 本发明公开一种适用多种视觉任务的领域自适应增强方法，包括S01：针对基于深度学习算法的医学图像分析任务，从该任务中分析提取出该任务的业务模型；S02：根据业务模型，构建基于CycleGAN模型与辅助任务协同学习的域自适应框架，包括CycleGAN模块和辅助任务模块，其中，CycleGAN模块用于转换不同域的图像风格，所述辅助任务模块包括主辅助任务和次辅助任务；S03：使用未配对的目标域图像数据集和源域图像数据集训练所述基于CycleGAN模型与辅助任务协同学习的域自适应框架；S04：使用训练好的CycleGAN模型将目标域图像转换为源域图像风格，输入业务模型中，得到最终的结果。本发明改善由源域数据训练的业务模型对目标域图像的泛化性，不需要业务标签即可提高目标域图像上的业务性能。
-
公开(公告)号：CN114372985B
公开(公告)日：2024-07-09
申请号：CN202111554879.0
申请日：2021-12-17
Applicant: 中山大学中山眼科中心
IPC: G06T7/10 , G06T7/66 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提出了适应多中心图像的糖尿病视网膜病变病灶分割方法，包括构建多中心数据集；根据多中心数据集对CycleGAN模型进行训练，生成对应的CycleGAN模型；利用训练好的CycleGAN模型建立不同目标中心DR病灶分割数据集对应的模拟数据集；构建DR病灶分割模型进行训练，得到一个适应于多个目标中心DR病灶分割数据集眼底彩照图像风格的DR病灶分割模型并对其检测评估，得到符合要求的DR病灶分割模型；将待预测的眼底彩照图像输入训练完毕的对应DR病灶分割模型中，输出最终的分割结果。本发明还提出了病灶分割系统，仅使用含有详细病灶标注的单中心数据集与不含任何标注的多中心数据集完成对DR病灶分割模型的训练，使其对目标中心的眼底彩照图像均具有良好的病灶分割功能。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.039 seconds)
