公开(公告)号：CN115100187B

公开(公告)日：2024-06-11

申请号：CN202210892726.5

申请日：2022-07-27

Applicant: 浙江大学

Inventor： 叶娟 ,  王琳艳 ,  卓晓玲 ,  程志明 ,  宋思远 ,  金凯 ,  邵安

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N20/20

Abstract: 本发明公开了一种基于联邦学习的青光眼图像检测方法。建立了一个两阶段的青光眼诊断网络模型，通过两阶段的青光眼诊断网络模型对眼底图像进行处理，第一阶段用于获得杯盘比结果，第二阶段用于获得青光眼分类概率结果；收集眼底图像数据并预处理，用预处理后的眼底图像数据对两阶段的青光眼诊断网络模型中的第二阶段进行训练，获得训练后的两阶段的青光眼诊断网络模型；针对待测的眼底图像输入训练后的两阶段的青光眼诊断网络模型获得两阶段的结果，综合两阶段的结果对眼底图像中的青光眼情况进行分类判断。本发明实现了快速高效的青光眼图像检测，方法大大减少了医生的诊断周期。

公开(公告)号：CN115100187A

公开(公告)日：2022-09-23

申请号：CN202210892726.5

申请日：2022-07-27

Applicant: 浙江大学

Inventor： 叶娟 ,  王琳艳 ,  卓晓玲 ,  程志明 ,  宋思远 ,  金凯 ,  邵安

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N20/20

Abstract: 本发明公开了一种基于联邦学习的青光眼图像检测方法。建立了一个两阶段的青光眼诊断网络模型，通过两阶段的青光眼诊断网络模型对眼底图像进行处理，第一阶段用于获得杯盘比结果，第二阶段用于获得青光眼分类概率结果；收集眼底图像数据并预处理，用预处理后的眼底图像数据对两阶段的青光眼诊断网络模型中的第二阶段进行训练，获得训练后的两阶段的青光眼诊断网络模型；针对待测的眼底图像输入训练后的两阶段的青光眼诊断网络模型获得两阶段的结果，综合两阶段的结果对眼底图像中的青光眼情况进行分类判断。本发明实现了快速高效的青光眼图像检测，方法大大减少了医生的诊断周期。

公开(公告)号：CN113449785A

公开(公告)日：2021-09-28

申请号：CN202110678923.2

申请日：2021-06-18

Applicant: 浙江大学

Inventor： 叶娟 ,  王琳艳 ,  吕岱霖 ,  王亚奇 ,  孙玲玲 ,  邵安 ,  金凯

IPC: G06K9/62 ,  G06T7/00 ,  G16H50/20

Abstract: 本发明公开了一种基于深度学习的眼睑肿瘤数字化病理切片图像多分类方法。对已知病变类别分类的眼睑肿瘤病理切片，扫描得到图像构建训练集；数据增强和归一化处理，构建三层级联的肿瘤数字化病理切片诊断网络，使用增强后的训练集训练肿瘤数字化病理切片诊断网络，再进行预测处理，生成概率热力图并病变类别检测。本发明能有效地可视化出全野数字切片中肿瘤的位置与病变类型，来辅助诊断，进行病变区域的初筛与提示，改变网络对通道的注意力，提升网络性能。

公开(公告)号：CN120015221A

公开(公告)日：2025-05-16

申请号：CN202510506480.7

申请日：2025-04-22

Applicant: 浙江大学

Inventor： 吴健 ,  刘晓聪 ,  徐红霞 ,  邵安 ,  叶娟 ,  檀韬

IPC: G16H15/00 ,  G16H30/00 ,  G16H50/30

Abstract: 本发明公开了一种眼底荧光血管造影图像的报告生成与临床评估方法和装置，属于医学人工智能技术领域，包括：获取多模态临床FFA数据并构建为数据集；构建FFA报告生成模型用于生成与输入FFA序列图像对应的FFA报告，利用数据集和基于报告生成任务的损失以及基于疾病诊断监督的对比学习损失指导模型训练；将待分析的FFA序列图像输入训练好的FFA报告生成模型获得生成的FFA报告；构建包括自然语言生成指标、以关键病灶为核心的临床效能指标、人工智能辅助的效率指标、以及李克特量表指标的综合临床评估体系，对生成的FFA报告进行精准临床评估。本发明能实现自动生成FFA报告并进行全面评估，提高眼科报告的生成质量和可靠性。

公开(公告)号：CN113449785B

公开(公告)日：2022-08-05

申请号：CN202110678923.2

申请日：2021-06-18

Applicant: 浙江大学

Inventor： 叶娟 ,  王琳艳 ,  吕岱霖 ,  王亚奇 ,  孙玲玲 ,  邵安 ,  金凯

IPC: G06V10/764 ,  G06K9/62 ,  G06T7/00 ,  G16H50/20 ,  G06V10/80

Abstract: 本发明公开了一种基于深度学习的眼睑肿瘤数字化病理切片图像多分类方法。对已知病变类别分类的眼睑肿瘤病理切片，扫描得到图像构建训练集；数据增强和归一化处理，构建三层级联的肿瘤数字化病理切片诊断网络，使用增强后的训练集训练肿瘤数字化病理切片诊断网络，再进行预测处理，生成概率热力图并病变类别检测。本发明能有效地可视化出全野数字切片中肿瘤的位置与病变类型，来辅助诊断，进行病变区域的初筛与提示，改变网络对通道的注意力，提升网络性能。