-
公开(公告)号：CN112184647B
公开(公告)日：2023-07-04
申请号：CN202011000834.4
申请日：2020-09-22
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/047 , G06N3/0985
Abstract: 本发明公开一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，包括：对眼底图像数据集进行随机数据增广；将眼底图像数据集标注为是否患有血管病变；将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；将眼底图像数据集划分为训练集与测试集；对眼底图像数据集进行裁剪；修改网络架构的深层；对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；通过所述血管病变识别模型使用所述测试集产生识别血管病变的结果；基于所述血管病变识别模型，将分类器调整为多分类器算法进行动静脉局部狭窄严重程度的分级判断，并产生分级结果。本发明能解决眼底动静脉局部狭窄严重程度的多分类问题，能提高识别的准确率。
-
公开(公告)号：CN111652350B
公开(公告)日：2023-04-07
申请号：CN202010378828.6
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种神经网络可视化解释方法及弱监督定位物体方法，该神经网络可视化解释方法包括如下步骤：S1、定义神经网络模型的注意力；S2、将所述注意力通过所述神经网络模型的全连层进行反向传播；S3、将所述注意力通过所述神经网络模型的卷积层进行反向传播；S4、将所述注意力通过所述神经网络模型的池化层进行反向传播；S5、在所述神经网络模型的输入层得到注意力图，将所述注意力图作为所述神经网络模型的可视化解释。本方法可以对被视为黑箱的神经网络的决策过程给出可视化解释，解释网络决策的依据，解释网络决策失误的原因，同时还可以用于弱监督定位物体方法，在弱监督定位物体的实验中取得了很有竞争力的结果。
-
公开(公告)号：CN111489353B
公开(公告)日：2023-06-23
申请号：CN202010378844.5
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/70 , G06T5/40 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种眼底图像中央凹定位方法，包括：1)由眼底图像得到视杯视盘分割结果图和血管分布图；2)将所述视杯视盘分割结果图和所述血管分布图输入训练好的粗定位网络，得到有关于眼底图像中央凹的粗定位位置信息；3)根据粗定位位置信息得到的位置信息对眼底图像进行感兴趣区域裁剪；4)将裁剪得到的眼底图像经直方图匹配后输入训练好的精确定位网络，得到精确坐标位置；5)根据精确坐标位置结合粗定位位置，进行还原得到最终坐标位置，实现眼底图像中央凹定位。本方法基于直方图匹配，通过粗定位网络、精确定位网络实现眼底图像中央凹定位，尤其有效地解决了数据差异的问题，有利于实现眼底图像中央凹精准定位。
-
公开(公告)号：CN111489353A
公开(公告)日：2020-08-04
申请号：CN202010378844.5
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
Abstract: 一种眼底图像中央凹定位方法，包括：1)由眼底图像得到视杯视盘分割结果图和血管分布图；2)将所述视杯视盘分割结果图和所述血管分布图输入训练好的粗定位网络，得到有关于眼底图像中央凹的粗定位位置信息；3)根据粗定位位置信息得到的位置信息对眼底图像进行感兴趣区域裁剪；4)将裁剪得到的眼底图像经直方图匹配后输入训练好的精确定位网络，得到精确坐标位置；5)根据精确坐标位置结合粗定位位置，进行还原得到最终坐标位置，实现眼底图像中央凹定位。本方法基于直方图匹配，通过粗定位网络、精确定位网络实现眼底图像中央凹定位，尤其有效地解决了数据差异的问题，有利于实现眼底图像中央凹精准定位。
-
公开(公告)号：CN112184647A
公开(公告)日：2021-01-05
申请号：CN202011000834.4
申请日：2020-09-22
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
Abstract: 本发明公开一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，包括：对眼底图像数据集进行随机数据增广；将眼底图像数据集标注为是否患有血管病变；将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；将眼底图像数据集划分为训练集与测试集；对眼底图像数据集进行裁剪；修改网络架构的深层；对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；通过所述血管病变识别模型使用所述测试集产生识别血管病变的结果；基于所述血管病变识别模型，将分类器调整为多分类器算法进行动静脉局部狭窄严重程度的分级判断，并产生分级结果。本发明能解决眼底动静脉局部狭窄严重程度的多分类问题，能提高识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN111652350A
公开(公告)日：2020-09-11
申请号：CN202010378828.6
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
Abstract: 一种神经网络可视化解释方法及弱监督定位物体方法，该神经网络可视化解释方法包括如下步骤：S1、定义神经网络模型的注意力；S2、将所述注意力通过所述神经网络模型的全连层进行反向传播；S3、将所述注意力通过所述神经网络模型的卷积层进行反向传播；S4、将所述注意力通过所述神经网络模型的池化层进行反向传播；S5、在所述神经网络模型的输入层得到注意力图，将所述注意力图作为所述神经网络模型的可视化解释。本方法可以对被视为黑箱的神经网络的决策过程给出可视化解释，解释网络决策的依据，解释网络决策失误的原因，同时还可以用于弱监督定位物体方法，在弱监督定位物体的实验中取得了很有竞争力的结果。
-
公开(公告)号：CN111667490B
公开(公告)日：2023-06-30
申请号：CN202010378842.6
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06T7/11 , G06T5/40 , G06T3/60 , G06T3/40 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种眼底图片视杯视盘分割方法，包括：训练阶段：训练定位网络和分割网络，所述分割网络包括生成网络与判别网络，所述定位网络单独训练，所述分割网络训练由所述生成网络与所述判别网络轮流迭代进行训练；预测阶段：通过所述定位网络得到视盘分割图；根据视盘分割图进行感兴趣区域裁剪，感兴趣区域经过对齐变换后通过所述分割网络中的生成网络得到视杯视盘分割结果图和视杯视盘边界分割结果图，将所述分割结果图还原到原来裁剪的位置和尺寸后得到最终结果图。通过生成网络与判别网络迭代共同训练来源不同的数据，能够适应多域并且端到端分割视杯视盘，有效解决数据差异的问题。
-
公开(公告)号：CN111667490A
公开(公告)日：2020-09-15
申请号：CN202010378842.6
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
Abstract: 一种眼底图片视杯视盘分割方法，包括：训练阶段：训练定位网络和分割网络，所述分割网络包括生成网络与判别网络，所述定位网络单独训练，所述分割网络训练由所述生成网络与所述判别网络轮流迭代进行训练；预测阶段：通过所述定位网络得到视盘分割图；根据视盘分割图进行感兴趣区域裁剪，感兴趣区域经过对齐变换后通过所述分割网络中的生成网络得到视杯视盘分割结果图和视杯视盘边界分割结果图，将所述分割结果图还原到原来裁剪的位置和尺寸后得到最终结果图。通过生成网络与判别网络迭代共同训练来源不同的数据，能够适应多域并且端到端分割视杯视盘，有效解决数据差异的问题。
-
公开(公告)号：CN110534206A
公开(公告)日：2019-12-03
申请号：CN201910787369.4
申请日：2019-08-26
Applicant: 北京好医生云医院管理技术有限公司
Abstract: 本发明提供一种医疗诊断辅助系统的工作方法，包括以下步骤：将症状信息输入服务器中，对患者检查数据采样；服务器识别症状信息中的关键词和相关句，提取相应的关键词；根据从历史病历数据获得的样本训练和统计得到该疾病的详细特征，找出潜在的病患，并刻画出疾病模型；将刻画出的疾病模型与数据库中的诊断模型进行匹配，得出与患者症状信息最接近的诊断模型结果。本发明通过数据不断积累进一步提高数据分析的准确性，相比现有技术的互联网问诊准确性提高70％，本发明根据数据的逻辑运算不断扩充新的分析词汇和逻辑算法，通过辅助诊断提高医生诊断能力，降低误诊、漏诊率。医生根据实际情况及本发明的查询结果，对症下药，可达到100％的准确率。
-
公开(公告)号：CN110580940A
公开(公告)日：2019-12-17
申请号：CN201910801136.5
申请日：2019-08-28
Applicant: 北京好医生云医院管理技术有限公司
Abstract: 本发明涉及一种基于大数据的慢性病管理方法，包括以下步骤：S1、数据采集，包括采集区域内慢性病患者数据；S2、数据处理，对采集的数据进行处理得到慢性病的相关个人数据；S3、数据产出健康特征因子，根据处理后的数据得到健康特征因子；S4、数据分类，对健康特征因子分类生成区域成功案例特征图谱和区域非理想案例特征图谱。该方法结合区域本地的气候、生活习惯、医护人员水平、本地居民对慢病的认识理解、本地治疗方式方法等，以大数据技术建立区域慢性病监测与管理，通过对本地医疗大数据和慢病成功案例的分析，通过本地居民慢病多因子聚类分析并生成可执行和区域适用性更强的慢病管理方案提升控制率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.063 seconds)
