-
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：CN110120055A
公开(公告)日：2019-08-13
申请号：CN201910294122.9
申请日：2019-04-12
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无灌注区自动分割方法。本发明针对医生手动分割标注的无灌注区眼底造影图像眼底造影图像对构建的卷积神经网络进行训练，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分割识别眼底无灌注区。本发明的方法通过具备无灌注区位置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语义分割。在训练过程中不断优化卷积神经网络的参数，提取数据特征，从而辅助临床运用中的对糖尿病视网膜病变进行眼底激光治疗时，识别需要治疗的无灌注区，精准地辅助眼底激光。
-
公开(公告)号：CN101721389B
公开(公告)日：2012-04-18
申请号：CN200910154359.3
申请日：2009-11-30
Applicant: 浙江大学
Abstract: 本发明公开了一种载治疗性物质的微胶囊的制备方法。该方法运用高压静电喷雾原理，将载治疗性物质的荷电高分子溶液在高压静电作用下瞬时形成超细凝胶微粒，该微粒雾状物经荷相反电荷的高分子溶液接收，凝胶微粒表层被包裹相反电荷的高分子凝胶壳层，形成囊芯和囊壁结构，再经微孔膜过滤，得到载治疗性物质的微胶囊。囊芯和囊壁的微结构和尺度可通过电压、溶液浓度、喷射口到接收液距离进行精确控制，治疗性物质被囊芯和囊壁约束，形成控制释放，以提高治疗功效。本发明工艺简单可行，重复性好，制备工艺全流程清洁无污染，所提供的原位载治疗性物质微胶囊无需繁杂后处理，并且粒径可控、治疗性物质释放速率控制方便，具有良好的应用前景。
-
公开(公告)号：CN118037650A
公开(公告)日：2024-05-14
申请号：CN202410120535.6
申请日：2024-01-29
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/62 , G06V40/18 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的视网膜脱离区定位方法和系统，属于医疗图像处理技术领域，包括：获取眼科中心就诊患者的广角眼底图像构建数据集，对数据集进行图像级别弱标签注释；将图像数据预处理后构建感兴趣区训练集，输入预训练的卷积神经网络中以识别视网膜脱离图像；引入注意力调制模块重新调整特征显著性分布，将敏感特征和次要特征同时纳入生成视网膜脱离病灶特异性激活热图，设定阈值生成粗略的语义分割伪标签；以眼底图像中黄斑和视盘的解剖位置为参考点建立坐标系，根据上述热图对视网膜脱离病灶实现解剖学定位。本发明采用弱监督学习以及注意力机制，使定位热图涵盖完整的病灶区域，实现了视网膜脱离区的自动识别与精准定位。
-
公开(公告)号：CN109087387B
公开(公告)日：2024-03-15
申请号：CN201810708950.8
申请日：2018-07-02
Applicant: 浙江大学
IPC: G06T17/00 , G06T7/11 , G06V10/762 , A61F2/14
Abstract: 本发明公开了一种个体化3D打印多功能义眼座及其制备方法。义眼座表面具有多孔结构，多孔结构的孔为圆形孔，且表面的多孔结构呈梯度化布置，多孔结构中的各孔在义眼座表面间隔布置；义眼座上设有用于固定四条眼外肌的特殊结构，特殊结构为两个相互贯通且靠近布置的椭圆孔，眼外肌上预置的缝线穿过两个椭圆孔后在相互贯通处相互打结固定，布置在义眼座的北纬度30°分别和经度0°、90°、180°和270°的四个交点处，义眼座由义眼座数字化模型利用3D打印技术直接打印出。本发明义眼座与健眼匹配度高，降低眼座植入术后暴露、感染的风险；具有良好的活动度，与个体化义眼片配合达到良好仿真效果，具有良好的临床应用价值。
-
Patent Agency Ranking
公开(公告)号：CN110120055B
公开(公告)日：2023-04-18
申请号：CN201910294122.9
申请日：2019-04-12
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无灌注区自动分割方法。本发明针对医生手动分割标注的无灌注区眼底造影图像眼底造影图像对构建的卷积神经网络进行训练，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分割识别眼底无灌注区。本发明的方法通过具备无灌注区位置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语义分割。在训练过程中不断优化卷积神经网络的参数，提取数据特征，从而辅助临床运用中的对糖尿病视网膜病变进行眼底激光治疗时，识别需要治疗的无灌注区，精准地辅助眼底激光。
-
公开(公告)号：CN115423802A
公开(公告)日：2022-12-02
申请号：CN202211210771.4
申请日：2022-09-30
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的鳞状上皮肿瘤细胞图片自动分类分割方法。方法包括：获得增强切片图片集；构建训练图像集；构建域自适应细胞核多分类分割网络；将训练图像集输入细胞核分类分割网络中进行第一轮训练，获得预训练域自适应细胞核多分类分割网络；将增强切片图片集和训练图像集输入中进行第二轮训练，训练完成的域自适应细胞核多分类分割网络；将待分类分割鳞状上皮细胞肿瘤切片图片输入训练完成的域自适应细胞核多分类分割网络中处理，实现对待分类分割鳞状上皮细胞肿瘤切片图片的自动分类分割。本发明方法能够有效的提取鳞状上皮肿瘤细胞图像特征，实现了对图像中各个细胞的细胞核的自动分类分割，提高了图像中的细胞的识别准确率。
-
公开(公告)号：CN115382059A
公开(公告)日：2022-11-25
申请号：CN202210809314.0
申请日：2022-07-11
Applicant: 浙江大学医学院附属第一医院
Abstract: 本发明公开了一种婴幼儿吸氧鼻导管，涉及医疗器械技术领域，其技术方案要点是：包括空心圆柱形的连接管，连接管的侧面沿连接管的延伸方向设有第一吸氧管和第二吸氧管，所诉第一吸氧管和第二吸氧管均与连接管的内部连通；第一吸氧管与第二吸氧管均套设有吸氧管套；连接管的侧面的两端均设有粘贴区，粘贴区设有固定贴。在第一吸氧管、第二吸氧管套设吸氧套管防止第一吸氧管、第二吸氧管由于材质过硬对婴幼儿的鼻腔造成伤害。通过固定贴将鼻导管固定在上嘴唇与鼻子之间，通过固定贴表面的颗粒状的凸起与皮肤粘贴，将鼻导管进行固定，颗粒状的凸起与凸起之间有缝隙，能够有空气的流动，防止皮肤的压伤。
-
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
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：CN112063706B
公开(公告)日：2022-04-22
申请号：CN202010657530.9
申请日：2020-07-09
Applicant: 浙江大学
IPC: C12Q1/6883 , A61K31/713 , A61K45/00 , A61P27/02
Abstract: 本发明通过高通量测序对比了人原发性翼状胬肉组织与临近正常组织的基因表达谱变化，发现长链非编码RNA LINC01679,LOC102724238异常高表达，且其表多集中于细胞质区域，通过细胞学实验验证了高表达的LINC01679,LOC102724238促进了细胞的增殖、迁移和侵袭，利用特异性的抑制剂抑制LINC01679,LOC102724238的表达后逆转了细胞的上述表型，提示LINC01679,LOC102724238对人原发性翼状胬肉的发生发展有促进作用，是潜在的治疗靶点。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.022 seconds)
