-
公开(公告)号：CN110411955B
公开(公告)日：2022-05-20
申请号：CN201910636729.0
申请日：2019-07-15
Applicant: 中山大学中山眼科中心
Abstract: 本发明涉及一种基于分子特征预测物质颜色气味的人工智能预测系统，用于根据训练集训练出基于分子特征预测物质颜色/气味的机器学习模型，所述训练集包括已知颜色/气味的不同分子结构的物质样本，包括：描述符提取模块，用于提取所述物质样本的分子描述符；特性分类模块，用于根据所述物质样本的颜色/气味进行分类；模型训练模块，用于根据所述描述符提取模块所提取物质样本的分子描述符和所述特性分类模块所进行的分类，训练机器学习模型。本发明基于物质的分子描述符与物质的颜色/气味形成之间的关系，训练机器学习模型，从而能较准确地预测物质的颜色/气味。
-
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：CN110411955A
公开(公告)日：2019-11-05
申请号：CN201910636729.0
申请日：2019-07-15
Applicant: 中山大学中山眼科中心
Abstract: 本发明涉及一种基于分子特征预测物质颜色气味的人工智能训练系统，用于根据训练集训练出基于分子特征预测物质颜色/气味的机器学习模型，所述训练集包括已知颜色/气味的不同分子结构的物质样本，包括：描述符提取模块，用于提取所述物质样本的分子描述符；特性分类模块，用于根据所述物质样本的颜色/气味进行分类；模型训练模块，用于根据所述描述符提取模块所提取物质样本的分子描述符和所述特性分类模块所进行的分类，训练机器学习模型。本发明基于物质的分子描述符与物质的颜色/气味形成之间的关系，训练机器学习模型，从而能较准确地预测物质的颜色/气味。
-
公开(公告)号：CN110251071A
公开(公告)日：2019-09-20
申请号：CN201910546569.0
申请日：2019-06-21
Applicant: 中山大学中山眼科中心
Abstract: 本发明提供了一种儿童视力评估方法、系统及计算机存储介质，涉及视力评估的技术领域，包括步骤：获取待检测儿童的视力检查视频，所述视力检查视频包括时间上连续的儿童面部图像及视敏卡图像，所述儿童面部图像及视敏卡图像时间同步；根据所述连续的儿童面部图像，确定注意力方向时间序列；根据所述连续的视敏卡图像，确定视敏卡上的黑白条纹方向时间序列以及确定黑白条纹对应的视力等级；比对所述注意力方向时间序列和黑白条纹方向时间序列，将待检测儿童注意力方向与黑白条纹方向相同时的最大视力等级作为待检测儿童的视力等级。本视力评估方法对儿童眼部动作与视敏卡展板上的黑白条纹比对更加标注化、科学化，极大提升了视力评估准确率。
-
-
Patent Agency Ranking
-
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：CN111028924A
公开(公告)日：2020-04-17
申请号：CN201911001301.5
申请日：2019-10-21
Applicant: 西安电子科技大学 , 西安邮电大学 , 中山大学中山眼科中心
IPC: G16H30/40
Abstract: 本发明涉及一种多种形态医疗影像数据标注方法及系统，包括：接收用户上传的图片，根据预设的图片格式核对格式是否正确；若正确则上传图片，若不正确则提醒用户重新上传；提取图片信息与信息库进行匹配，判断图片是否有标注或属性信息；设置标注图片的权限；根据疾病种类为用户提供标注工具箱；接收用户对图片进行的标注信息，并将标注信息上传存储；提取同一级别用户对所述图片的标注信息并进行对比，判断同一级别用户的标注信息是否有差异，若无差异则生成最终标注结果，若有差异则交由下一级用户进步标注。本发明可以使用不同的标注工具对图像进行标注，满足多种形态的医疗影像的标注需求，并采用分级标注的流程，提高对图片标注的准确性。
-
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：CN109344808A
公开(公告)日：2019-02-15
申请号：CN201811326045.2
申请日：2018-11-08
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的眼部图像处理系统，包括图像初筛模块、图像定位模块：所述图像初筛模块，用于通过第一CNN模型判断眼部图像是否为眼部异常图像；所述图像定位模块，用于通过Faster-RCNN模型定位眼部图像中正常解剖结构及异常现象的位置，并对正常解剖结构及异常现象的类型进行标注，得到眼部标注图像。本发明可以获取眼部图像中正常解剖结构及异常现象的位置并且标注正常解剖结构及异常现象的类型，从而辅助系统使用者快速、准确地判断眼部图像上所包含的解剖结构及所存在的异常现象。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.036 seconds)
