-
公开(公告)号：CN109117703B
公开(公告)日：2022-03-22
申请号：CN201810608329.4
申请日：2018-06-13
Applicant: 中山大学中山眼科中心 , 中山大学
Abstract: 本发明具体涉及一种基于细粒度识别的混杂细胞种类鉴定方法，包括如下步骤：预先建立细粒度识别卷积神经网络模型和细胞图像数据库，细胞图像数据库中包括有混种细胞图像，混种细胞图像为包括多种类型细胞的图像；S1、收集混种细胞图像；S2、将混种细胞图像输入细粒度识别卷积神经网络模型中，得出细胞种类热图；S3、对混种细胞图像进行阈值化，得到细胞区域二值图像；S4、结合细胞区域二值图像和细胞种类热图，得到细胞种类鉴定结果。本发明根据细胞形态特征的特异性进行细胞种类的精确识别，避免了传统细胞种类鉴定方法耗时较长、过程繁琐的缺点。模型能够学习到细粒度细胞形态特征，通过纹理等信息识别细胞种类，具有较高的识别准确率及鲁棒性。
-
公开(公告)号：CN109063547A
公开(公告)日：2018-12-21
申请号：CN201810610019.6
申请日：2018-06-13
Applicant: 中山大学中山眼科中心 , 中山大学
CPC classification number: G06K9/00147 , G06K9/6267 , G06N3/0454 , G06N3/084
Abstract: 本发明具体涉及一种基于深度学习的细胞种类鉴定方法，该方法基于深度学习来预设神经网络模型，通过滑动窗口得到多个局部图像输入神经网络模型后，再将得出来的结果进行整合，而不是直接将细胞图像输入到神经网络模型中，提高了得到细胞种类热图的精度。上述过程均为计算机的图像处理过程，相比于现有常用的细胞鉴定方法，不需要人工操作，也不需要对细胞进行侵入性的检测，具有快速、方便、非侵入、全局检测等优点。
-
公开(公告)号：CN115778771A
公开(公告)日：2023-03-14
申请号：CN202211530640.4
申请日：2022-12-01
Applicant: 中山大学中山眼科中心
Abstract: 本发明提出基于亮度调节和立体视标刺激的外斜视训练眼镜及方法，涉及眼部锻炼技术领域。该眼镜包括：亮度调节装置，用于调节入眼光照度。瞳孔扫描定位装置，用于识别患者的双眼正位状态，并触发计时器进行累计计时。计时器，用于累计双眼正位状态时间，并按预设训练时长进行倒计时。立体视标显示屏，用于结合眼镜使患者在不同立体视标刺激下进行注视训练。该方法首先调节入眼光照度、设置训练时长、立体视标，然后进行倒计时训练，识别双眼正位状态并累计计时。最后计算正位累计时长占训练时长的百分比，并按照预设评分规则进行评分，得到本次训练数据。从而通过亮度变化、眼位控制计时与立体视标三者结合，对间歇性外斜视患者进行眼位训练改善。
-
公开(公告)号：CN113887311A
公开(公告)日：2022-01-04
申请号：CN202111031513.5
申请日：2021-09-03
Applicant: 中山大学中山眼科中心 , 清华大学
Abstract: 本发明公开了一种保护眼科患者隐私的方法、装置及存储介质，其中方法包括：采集眼科患者的检查视频；提取检查视频中每一帧图像的图像特征，根据图像特征中的器官位置信息对每一帧图像进行区域划分，并根据区域划分结果得到待精密重建区域和待弱化重建区域；对待精密重建区域和待弱化重建区域进行三维重建，得到每一帧图像对应的三维重建数据；将所有三维重建数据渲染成三维重建视频。本发明根据该位置信息将每一帧图像都划分为多个图像区域，在图像区域中得到待精密重建区域和待弱化重建区域已进行三维重建，能够在保留眼科患者大部分病例特征的同时，掩盖眼科患者的大部分身份特征，从而能够在不影响医生诊断的前提下保护眼科患者的隐私。
-
公开(公告)号：CN113822861A
公开(公告)日：2021-12-21
申请号：CN202111044291.0
申请日：2021-09-07
Applicant: 中山大学中山眼科中心
Abstract: 本发明公开了一种眼表肿物的判断方法及装置，所述方法包括：先获取眼表肿物图；再将眼表肿物图输入至眼表肿物判断模型中，以使眼表肿物判断模型进行眼表肿物良恶性判断，得到判断结果；其中，眼表肿物判断模型用于根据眼表肿物图获取第一特征图和候选区域，继而根据第一特征图和候选区域得到多个第二特征图，将多个第二特征图的维度设置为第一维度后进行眼表肿物良恶性判断；其中，所述候选区域为疑似病灶区域。采用本发明实施例能提高判断眼表肿物良恶性的准确度。
-
Patent Agency Ranking
公开(公告)号：CN113887311B
公开(公告)日：2023-05-02
申请号：CN202111031513.5
申请日：2021-09-03
Applicant: 中山大学中山眼科中心 , 清华大学
IPC: G06V20/40 , G06V10/44 , G06T7/11 , G06T15/00 , G06T17/00 , G06V10/82 , G06N3/04 , G06N3/08 , G16H10/60
Abstract: 本发明公开了一种保护眼科患者隐私的方法、装置及存储介质，其中方法包括：采集眼科患者的检查视频；提取检查视频中每一帧图像的图像特征，根据图像特征中的器官位置信息对每一帧图像进行区域划分，并根据区域划分结果得到待精密重建区域和待弱化重建区域；对待精密重建区域和待弱化重建区域进行三维重建，得到每一帧图像对应的三维重建数据；将所有三维重建数据渲染成三维重建视频。本发明根据该位置信息将每一帧图像都划分为多个图像区域，在图像区域中得到待精密重建区域和待弱化重建区域已进行三维重建，能够在保留眼科患者大部分病例特征的同时，掩盖眼科患者的大部分身份特征，从而能够在不影响医生诊断的前提下保护眼科患者的隐私。
-
公开(公告)号：CN115953717A
公开(公告)日：2023-04-11
申请号：CN202211693689.1
申请日：2022-12-28
Applicant: 中山大学中山眼科中心 , 清华大学
IPC: G06V20/40 , G06V40/16 , G06V10/82 , G06V10/774 , G06V10/46 , G06T17/00 , G06T7/60 , G06N3/0464 , G06N3/08 , A61B3/14 , A61B3/08
Abstract: 本申请属于眼位测量技术领域，公开了一种基于三维重建的眼位偏斜角度的测量方法及装置。采集被测试者人脸图像序列；通过第一神经网络中，获取人脸图像序列的遮盖情况，确定关键帧图像；将关键帧图像输入到第二神经网络中，获取特征点热图，并转化为人脸特征点坐标；构建人脸特征点和人脸三维模型的投影点之间的目标函数，得到关键帧图像对应的头部姿态；对眼球位置进行初始化，基于头部姿态，固定基准眼位的眼球旋转角度为预设角度，求解基准眼位图像中眼球在头部坐标系下的三维坐标；固定待测量图像中眼球在头部坐标系下的三维坐标，求解待测量图像中的眼球旋转角度，得到该眼球的偏斜角度。提高了测量眼位偏斜角度的便利性和测量精度。
-
公开(公告)号：CN115861899A
公开(公告)日：2023-03-28
申请号：CN202211693813.4
申请日：2022-12-28
Applicant: 中山大学中山眼科中心 , 清华大学
IPC: G06V20/40 , G06V40/16 , G06V10/82 , G06V10/46 , G06V10/26 , G06V10/774 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本申请属于视线追踪技术领域，公开了一种基于视线估计的视线差值测量方法及装置。通过获取受试者注视视标的视频数据，从视频数据获取人脸图像序列；将该人脸图像序列输入到第一神经网络中进行关键帧提取，得到第一眼位人脸图像和第二眼位人脸图像，再输入到第二神经网络中进行人脸特征点提取，基于人脸特征点坐标进行剪裁，得到第一眼部区域图像和第二眼部区域图像；利用公开数据集中的眼部区域图像集对视线差分估计网络进行训练，得到训练好的视线差分估计网络；将第一眼部区域图像和第二眼部区域图像输入到训练好的视线差分估计网络中，得到第一眼部区域图像和第二眼部区域图像之间的预测视线差值。实现视线差值的降低测量成本，提高测量精度。
-
公开(公告)号：CN109063547B
公开(公告)日：2021-10-08
申请号：CN201810610019.6
申请日：2018-06-13
Applicant: 中山大学中山眼科中心 , 中山大学
Abstract: 本发明具体涉及一种基于深度学习的细胞种类鉴定方法，该方法基于深度学习来预设神经网络模型，通过滑动窗口得到多个局部图像输入神经网络模型后，再将得出来的结果进行整合，而不是直接将细胞图像输入到神经网络模型中，提高了得到细胞种类热图的精度。上述过程均为计算机的图像处理过程，相比于现有常用的细胞鉴定方法，不需要人工操作，也不需要对细胞进行侵入性的检测，具有快速、方便、非侵入、全局检测等优点。
-
公开(公告)号：CN109117703A
公开(公告)日：2019-01-01
申请号：CN201810608329.4
申请日：2018-06-13
Applicant: 中山大学中山眼科中心 , 中山大学
Abstract: 本发明具体涉及一种基于细粒度识别的混杂细胞种类鉴定方法，包括如下步骤：预先建立细粒度识别卷积神经网络模型和细胞图像数据库，细胞图像数据库中包括有混种细胞图像，混种细胞图像为包括多种类型细胞的图像；S1、收集混种细胞图像；S2、将混种细胞图像输入细粒度识别卷积神经网络模型中，得出细胞种类热图；S3、对混种细胞图像进行阈值化，得到细胞区域二值图像；S4、结合细胞区域二值图像和细胞种类热图，得到细胞种类鉴定结果。本发明根据细胞形态特征的特异性进行细胞种类的精确识别，避免了传统细胞种类鉴定方法耗时较长、过程繁琐的缺点。模型能够学习到细粒度细胞形态特征，通过纹理等信息识别细胞种类，具有较高的识别准确率及鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.029 seconds)
