一种基于光学相干层析成像的皮肤状态检测系统及其方法

    公开(公告)号:CN114569065A

    公开(公告)日:2022-06-03

    申请号:CN202111661532.6

    申请日:2021-12-31

    Applicant: 复旦大学

    Abstract: 本发明涉及一种基于光学相干层析成像的皮肤状态检测系统及其方法,该系统包括依次连接的图像采集单元、图像预处理单元、皮肤参数测量单元和深度学习检测单元,图像采集单元获取被检测皮肤区域的原始三维OCT图像数据;图像预处理单元对原始三维OCT图像数据进行降噪和增强处理,得到高质量三维OCT图像;皮肤参数测量单元从高质量三维OCT图像中提取出厚度分层参数特征以及血管参数特征;深度学习检测单元融合厚度分层参数特征数据、血管参数特征数据、B‑scan断层图像的深度特征、en‑face图像的深度特征中的一种或多种,以输出得到被检测皮肤区域的状态信息。与现有技术相比,本发明结合光学相干层析成像与深度学习的方法,能够无创地检测得到皮肤深层的状态信息。

    一种基于光学相干层析成像的深度学习皮肤病诊断系统

    公开(公告)号:CN114209278A

    公开(公告)日:2022-03-22

    申请号:CN202111528116.9

    申请日:2021-12-14

    Applicant: 复旦大学

    Abstract: 本发明提供一种基于光学相干层析成像的深度学习皮肤病诊断系统,由图像采集单元采用OCT成像系统对被检测皮肤区域进行三维的OCT图像成像,实现非侵入地汲取皮肤深层信息数据;其次由图像预处理单元对原始三维OCT图像进行降噪和增强的预处理,消除OCT成像固有的斑点噪声问题以及低采样率的限制问题,提高图像的分辨率;然后由特征提取单元基于预处理后的OCT图像提取皮肤解剖学和皮肤微血管的特征,经由深度学习诊断单元的深度学习诊断模型进行深度特征提取以及特征融合,从而检测出对应的皮肤患病信息;该诊断系统提高了皮肤病诊断的准确性,降低了对医生诊断经验和水平的依赖,在无需病理活检的情况下使得潜在的皮肤疾病能够被及早被发现确诊和治疗。

    基于视频数据的精准分级方法及系统

    公开(公告)号:CN119625596A

    公开(公告)日:2025-03-14

    申请号:CN202411609218.7

    申请日:2024-11-12

    Applicant: 复旦大学

    Inventor: 于泽宽 郭诗尧

    Abstract: 本发明提供了一种基于视频数据的精准分级方法及系统,包括:步骤S1:获取正常姿态和不同神经系统严重等级的异常姿态视频数据;步骤S2:将获取的视频数据分解成帧,对每帧图像进行增强;步骤S3:对预处理后的每帧图像进行步态关键点检测,提取关键点位置;步骤S4:对步态关键点提取主要特征;步骤S5:提取手势特征;步骤S6:根据手势特征向量和步态特征向量,训练用于神经系统分级的深度神经网络模型。本发明显著提高了疾病检测的准确性和可靠性。

    基于手持式多光谱的眼底成像及渗出物识别方法及系统

    公开(公告)号:CN119453915A

    公开(公告)日:2025-02-18

    申请号:CN202411609214.9

    申请日:2024-11-12

    Applicant: 复旦大学

    Abstract: 本发明提供了一种基于手持式多光谱的眼底成像及渗出物识别方法及系统,包括:构建光学成像系统和手持式多光谱光源,组成手持式多光谱设备;采集多光谱的眼底图像;采用基于多光谱图像的渗出物识别量化算法量化识别眼底图像和渗出物。本发明能够在便携环境下实现多光谱眼底成像并完成每个光谱图像中渗出物的精准识别量化,从而提高眼底病变及可由眼底预测的全身性病变的早期检测能力和诊断准确性;通过优化光路设计、机械结构和基于多光谱图像的渗出物识别量化算法,实现了对眼底的多光谱成像和渗出物识别量化,具有便携性好、多光谱成像、图像可分析量化的特点,适合在临床和便携环境下使用,尤其适用于早期眼底病变的检测和诊断。

    一种基于光学相干层析成像的皮肤状态检测系统及其方法

    公开(公告)号:CN114569065B

    公开(公告)日:2025-01-24

    申请号:CN202111661532.6

    申请日:2021-12-31

    Applicant: 复旦大学

    Abstract: 本发明涉及一种基于光学相干层析成像的皮肤状态检测系统及其方法,该系统包括依次连接的图像采集单元、图像预处理单元、皮肤参数测量单元和深度学习检测单元,图像采集单元获取被检测皮肤区域的原始三维OCT图像数据;图像预处理单元对原始三维OCT图像数据进行降噪和增强处理,得到高质量三维OCT图像;皮肤参数测量单元从高质量三维OCT图像中提取出厚度分层参数特征以及血管参数特征;深度学习检测单元融合厚度分层参数特征数据、血管参数特征数据、B‑scan断层图像的深度特征、en‑face图像的深度特征中的一种或多种,以输出得到被检测皮肤区域的状态信息。与现有技术相比,本发明结合光学相干层析成像与深度学习的方法,能够无创地检测得到皮肤深层的状态信息。

    一种面向噪音职业危害的脑电波焦虑监测分析方法

    公开(公告)号:CN115644873B

    公开(公告)日:2024-09-27

    申请号:CN202211320983.8

    申请日:2022-10-26

    Applicant: 复旦大学

    Abstract: 本发明公开一种面向噪音职业危害的脑电波焦虑监测分析方法,通过对各目标监测人员对应各异常时间段的噪音分贝浮动指数、噪音影响指数和大气环境影响系数进行分析,并综合分析得到各目标监测人员对应的噪音焦虑系数,从一方面来说,避免了现有技术中对噪音监测分析的片面性,大幅度提升了各目标监测人员对应噪音焦虑系数的精准性、有效性和科学依据性;从另一方面来说,为各职业类型对应噪音焦虑系数的分析提供了有力的数据支撑,便于各职业类型人员及时进行相应的调整和休息,在很大程度上避免了各职业类型人员噪音职业病的诱发。

    基于深度学习的CTA全自动侧枝循环评分方法及系统

    公开(公告)号:CN112907563B

    公开(公告)日:2023-12-01

    申请号:CN202110286102.4

    申请日:2021-03-17

    Abstract: 本发明提供了一种基于深度学习的CTA全自动侧枝循环评分方法及系统,涉及医学图像处理技术领域,该方法包括:步骤S1:对大脑CTA图像进行掩模和归一化的预处理;步骤S2:对CTA图像进行脑区划分,获取相关解剖图谱以及功能图谱,获取加权大脑各脑区掩模图;步骤S3:对掩模与归一化后的CTA图像进行血管分割;步骤S4:基于血管分割结果量化计算评分特征;步骤S5:基于卷积神经网络测量血管壁厚度的评分特征;步骤S6:构建多标签评分分类模型,对计算得到的特征向量进行分类评分。本发明能够实现基于血流代偿途径的侧枝循环血管分级机制,并提高小血管的分割精度,还能使得评分策略具有更广泛(56)对比文件刘国玮.基于深度学习的脑部CTA图像血管分割方法研究《.中国优秀硕士学位论文全文数据库(信息科技辑)》.2020,(第03期),全文.Rahil Shahzad et.al.Fully automateddetection and segmentation ofintracranial aneurysms in subarachnoidhemorrhage on CTA using deep learning.《nature》.2020,全文.吴秋雯等.基于深度学习的计算机体层摄影血管造影颈动脉斑块分割初步研究《.上海医学》.2020,第43卷(第05期),280-283.

Patent Agency Ranking