-
公开(公告)号：CN114283143A
公开(公告)日：2022-04-05
申请号：CN202210208888.2
申请日：2022-03-04
Applicant: 北京鹰瞳科技发展股份有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06V10/764 , G06V10/82 , G06V10/774
Abstract: 本公开涉及一种用于对眼底疾病的治疗效果进行预测的方法、系统、设备及计算机可读存储介质。该方法包括：使用病灶遮挡图生成模块接收原始眼底图像并对所述原始眼底图像中的病灶进行遮挡，以生成病灶遮挡图；以及使用效果预测模块接收所述原始眼底图像和所述病灶遮挡图并基于所述原始眼底图像和所述病灶遮挡图进行预测，以输出对眼底疾病的治疗效果的预测结果。利用本公开的方案，能够获得眼底疾病治疗的预测结果，提升了患者的遵医依从性，从而提高了治愈率。
-
公开(公告)号：CN113902827B
公开(公告)日：2022-03-22
申请号：CN202111454162.9
申请日：2021-12-02
Applicant: 北京鹰瞳科技发展股份有限公司 , 上海鹰瞳医疗科技有限公司
Abstract: 本发明提供了一种针对皮肤病的愈后效果预测系统、方法以及电子设备，该系统包括：皮肤区域分割模块，其包括阈值分割单元和第一分割网络，阈值分割单元用于对输入图像进行阈值分割以得到皮肤区域参考蒙版，所述第一分割网络用于利用皮肤区域参考蒙版和输入图像进行分割处理，得到皮肤区域蒙版；病灶分割模块，其包括第二分割网络，第二分割网络用于利用皮肤区域蒙版和输入图像进行分割处理，得到病灶区域蒙版；区域确定模块，用于根据预定的填补比例和病灶区域蒙版确定待填补区域蒙版；补全模块，其包括生成对抗网络，所述生成对抗网络用于根据待填补区域蒙版和输入图像生成愈后效果图；本发明可以更高效、真实地生成针对皮肤病的愈后效果图。
-
公开(公告)号：CN113989916A
公开(公告)日：2022-01-28
申请号：CN202111177145.5
申请日：2021-10-09
Applicant: 北京鹰瞳科技发展股份有限公司 , 上海鹰瞳医疗科技有限公司
IPC: G06V40/18 , G06K9/62 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本公开提供一种用于基于元学习对图像进行分类的分类装置、方法及其相关产品。该分类装置包括用于提取待分类的图像的共享特征的共享特征提取器，用于从共享特征数据中提取与主分类任务相关的主特征数据并且基于所述主特征数据来执行主分类任务以实现图像分类的主分类器，以及用于从共享特征数据中提取与辅分类任务相关的辅特征数据以执行针对所述图像的辅分类任务的辅分类器，其中所述辅分类任务用于在所述元学习中对所述共享特征提取器的参数执行微调。利用本公开的分类方案，可以实现共享特征提取器和主分类器对来自不同域的图像的快速域适应，从而显著提升本公开分类方案的准确性和效率。
-
公开(公告)号：CN113763336A
公开(公告)日：2021-12-07
申请号：CN202110973379.4
申请日：2021-08-24
Applicant: 北京鹰瞳科技发展股份有限公司 , 上海鹰瞳医疗科技有限公司
Abstract: 本发明提供一种图像多任务识别方法及电子设备，其中，图像多任务识别方法包括：将图像输入训练好的多任务机器学习模型；由多任务机器学习模型从图像中提取第一特征数据，并且根据第一特征数据确定第一识别结果，第一识别结果指示图像中的每个像素的类别；由多任务机器学习模型从图像和第一识别结果在通道维度上的堆叠图像中提取第二特征数据，并且根据第二特征数据确定第二识别结果，第二识别结果指示图像的类别；以及，由多任务机器学习模型输出第一和第二识别结果。多任务机器学习模型既具备高层次的综合语义分析能力，也具备像素级的识别能力，可以准确、可信地执行图像多任务识别。
-
公开(公告)号：CN113763336B
公开(公告)日：2024-06-28
申请号：CN202110973379.4
申请日：2021-08-24
Applicant: 北京鹰瞳科技发展股份有限公司 , 上海鹰瞳医疗科技有限公司
IPC: G06T7/00 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本发明提供一种图像多任务识别方法及电子设备，其中，图像多任务识别方法包括：将图像输入训练好的多任务机器学习模型；由多任务机器学习模型从图像中提取第一特征数据，并且根据第一特征数据确定第一识别结果，第一识别结果指示图像中的每个像素的类别；由多任务机器学习模型从图像和第一识别结果在通道维度上的堆叠图像中提取第二特征数据，并且根据第二特征数据确定第二识别结果，第二识别结果指示图像的类别；以及，由多任务机器学习模型输出第一和第二识别结果。多任务机器学习模型既具备高层次的综合语义分析能力，也具备像素级的识别能力，可以准确、可信地执行图像多任务识别。
-
Patent Agency Ranking
公开(公告)号：CN115375955B
公开(公告)日：2023-04-18
申请号：CN202211312292.3
申请日：2022-10-25
Applicant: 北京鹰瞳科技发展股份有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种目标检测模型的训练方法、目标检测的方法及相关产品。根据本申请实施例所述的目标检测模型包括主干网络和与主干网络连接的第一检测框分类分支，所述第一检测框分类分支包括至少一个检测类别输出和至少一个假阳类别输出；所述训练方法包括：获取包含第一标注和第二标注的样本训练集，其中所述样本训练集包括至少一张样本图像，所述第一标注用于标识样本图像中的检测类别目标，所述第二标注用于标识样本图像中的假阳类别目标；以及使用所述样本训练集对所述目标检测模型进行训练。根据本申请实施例的训练方法，有利于提高目标检测模型对假阳类别目标的分辨识别能力。
-
公开(公告)号：CN115641443A
公开(公告)日：2023-01-24
申请号：CN202211573797.5
申请日：2022-12-08
Applicant: 北京鹰瞳科技发展股份有限公司
Abstract: 本披露公开了一种训练图像分割网络模型的方法、处理图像的方法及产品。其中，训练图像分割网络模型的方法包括利用医学图像中初始标签对所述图像分割网络模型进行训练，以得到初始训练权重；基于所述初始训练权重对标签去噪网络模型进行网络权重初始化；基于初始化后的标签去噪网络模型执行关于所述医学图像的标签去噪处理；以及根据所述标签去噪网络模型的输出结果确定所述图像分割网络模型的分割结果，以实现对所述图像分割网络模型的优化训练。通过本披露的方案，能够有效减少标签噪声对模型训练结果的影响，从而提高模型分割结果的准确性。
-
公开(公告)号：CN115272780A
公开(公告)日：2022-11-01
申请号：CN202211197000.6
申请日：2022-09-29
Applicant: 北京鹰瞳科技发展股份有限公司
IPC: G06V10/764 , G06V10/774
Abstract: 本发明涉及一种训练多标签分类模型的方法，包括：获取待作为多标签分类模型的训练样本的第一图片集，其中所述多标签分类模型是基于第二图片集预训练好的基础模型，所述第二图片集中的图片具有N个类别标签，所述第一图片集中的图片具有M个类别标签且缺失N‑M个类别标注；基于所述第一图片集和所述第二图片集创建新图片集，其中所述新图片集中缺失部分类别标注的图片配置有基于所述多标签分类模型所确定的N‑M个软标签，以基于所述软标签标注图片所缺失的类别；以及基于新图片集对多标签分类模型进行微调训练。通过本发明的方案，能够有效利用缺失标签的数据资源提升多标签分类模型的性能。另外，本发明还提出了一种设备及计算机可读存储介质。
-
公开(公告)号：CN114937307A
公开(公告)日：2022-08-23
申请号：CN202210847259.4
申请日：2022-07-19
Applicant: 北京鹰瞳科技发展股份有限公司
Abstract: 本发明公开了一种用于近视预测的方法及其相关产品，其中该方法包括利用机器学习模型生成待预测近视的用户的平均近视预测结果；基于所述用户的眼底照片确定所述用户与近视相关的眼球质量指标；以及根据所述平均近视预测结果和所述眼球质量指标生成与所述用户关联的个体近视预测结果。利用本发明的预测方案，可以提供针对于近视患者个人的个性化预测，从而为后续的人为干预提供了良好的基础。
-
公开(公告)号：CN114693625A
公开(公告)日：2022-07-01
申请号：CN202210289188.0
申请日：2022-03-22
Applicant: 北京鹰瞳科技发展股份有限公司 , 首都医科大学附属北京同仁医院
Abstract: 本公开涉及一种用于对进行甲亢识别的模型进行训练的方法及相关产品。其中，所述方法由计算装置来实现，并且包括：获取健康眼底图像和患甲亢的眼底图像；对所述健康眼底图像以及所述患甲亢的眼底图像进行质量筛选，以获得不包含辅助信息的眼底图像形成的第一训练集和包含所述辅助信息的眼底图像形成的第二训练集；以及基于所述第一训练集和所述第二训练集来对基于眼底图像进行甲亢识别的模型进行训练。利用本公开的方案，通过基于眼底图像能够高效地识别甲亢。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.031 seconds)
