-
公开(公告)号:CN111353980A
公开(公告)日:2020-06-30
申请号:CN202010125033.4
申请日:2020-02-27
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的眼底荧光造影图像渗漏点检测方法。采集眼底荧光造影图像,构建数据集并预处理,进行盘区域和渗漏点轮廓线标注,使用水漫填充法二值转换;对二值分割图像进行遍历处理,分割成子图,组成特征集;构建两个U型神经网络;采用特征集和渗漏点轮廓线输入第一U型神经网络训练;采用原始图像和视盘区域、黄斑区域输入第二U型神经网络训练;针对待测的眼底荧光造影图像处理预测,取分类概率大于预设渗漏阈值的像素点组成作为渗漏点,并输出视盘区域和黄斑区域;时序前后造影图配准,判断假渗漏点剔除。本发明使用深度卷积神经网络对渗漏点进行语义分割,排除错误的渗漏点,具有更高的准确率和可靠度。
-
公开(公告)号:CN117257968A
公开(公告)日:2023-12-22
申请号:CN202311096804.1
申请日:2023-08-29
Applicant: 浙江大学
Abstract: 本发明公开了一种胆红素修饰的树枝状纳米药物载体及其制备方法和应用,属于药物制剂技术领域,所述的胆红素修饰的树枝状纳米药物载体由树枝状大分子与胆红素通过酰胺化反应合成得到,粒径相对较小、水溶性好、稳定性高,表面含大量胺基官能团,可以用于递送小分子疏水药物;本发明还公开了一种纳米药物,由所述的胆红素修饰的树枝状纳米药物载体和小分子疏水药物组成,小分子疏水药物被装载于胆红素修饰的树枝状纳米药物载体的疏水空腔内。该纳米药物细胞毒性极低、生物相容性好,具有高抗氧化应激性能,在制备治疗和/或预防眼底血管疾病药物方面应用前景广泛。
-
公开(公告)号:CN111353980B
公开(公告)日:2022-05-17
申请号:CN202010125033.4
申请日:2020-02-27
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的眼底荧光造影图像渗漏点检测方法。采集眼底荧光造影图像,构建数据集并预处理,进行盘区域和渗漏点轮廓线标注,使用水漫填充法二值转换;对二值分割图像进行遍历处理,分割成子图,组成特征集;构建两个U型神经网络;采用特征集和渗漏点轮廓线输入第一U型神经网络训练;采用原始图像和视盘区域、黄斑区域输入第二U型神经网络训练;针对待测的眼底荧光造影图像处理预测,取分类概率大于预设渗漏阈值的像素点组成作为渗漏点,并输出视盘区域和黄斑区域;时序前后造影图配准,判断假渗漏点剔除。本发明使用深度卷积神经网络对渗漏点进行语义分割,排除错误的渗漏点,具有更高的准确率和可靠度。
-
公开(公告)号:CN109859172A
公开(公告)日:2019-06-07
申请号:CN201910015735.4
申请日:2019-01-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于眼底造影图像深度学习的糖网病变无灌注区识别方法。本发明针对医生标注的含无灌注区、不含无灌注区和含激光斑三类眼底造影图像,建立多层卷积神经网络,基于眼底造影图像对卷积神经网络的训练,使卷积神经网络的最终输出值符合医生标注的结果,从而可以利用训练好的卷积神经网络对糖尿病视网膜病变进行自动检测识别眼底无灌注区。本发明通过训练诊断标记的眼底造影图像,采用深度学习实现自动从训练范例眼底造影图像库中学习所需特征并进行分类判别,在训练过程中不断优化用于判断的数据特征以及卷积神经网络的参数,从而能够大幅提高临床运用中的糖尿病视网膜病变无灌注区智能识别的敏感性和特异性,精准地辅助眼底激光。
-
公开(公告)号:CN118649249A
公开(公告)日:2024-09-17
申请号:CN202410730782.8
申请日:2024-06-06
Applicant: 浙江大学
IPC: A61K47/69 , A61K45/06 , A61K33/244 , A61K9/00 , A61K9/08 , A61P27/02 , A61P29/00 , A61P9/10 , A61P39/06 , A61K31/397
Abstract: 本发明公开了一种基于环糊精修饰的氧化铈载体的纳米药物及其制备方法,属于药物制剂技术领域,所述的纳米药物包括小分子疏水药物和环糊精修饰的氧化铈载体,小分子疏水药物通过主客体作用与环糊精修饰的氧化铈载体结合;环糊精修饰的氧化铈载体由环糊精与三价铈盐通过一锅水热法合成得到,环糊精包括α‑环糊精、β‑环糊精或γ‑环糊精。该纳米药物细胞毒性低,生物相容性好,呈中性电位,有利于其在玻璃体内的扩散,具有抗氧化和抗炎双重性能,可持续缓解眼底的氧化应激状态,在治疗眼底新生血管疾病方面具有广泛的前景。
-
-
-
-