基于SwinIR和YOLOv8的FFA图像眼底微动脉瘤检测方法及系统

    公开(公告)号:CN117291890A

    公开(公告)日:2023-12-26

    申请号:CN202311267706.X

    申请日:2023-09-28

    摘要: 本发明涉及医学影像处理技术领域,具体涉及基于SwinIR和YOLOv8的FFA图像眼底微动脉瘤检测方法及系统。该方法包括获取样本FFA眼底图像,并对样本FFA眼底图像进行预处理以获得样本图像数据;利用SwinIR对样本图像数据进行两次超分辨率重建,以获得不同分辨率的第一图像数据和第二图像数据;利用样本图像数据、第一图像数据和第二图像数据对YOLOv8模型进行迁移学习训练;其中,所述YOLOv8模型增加有MA检测层;且YOLOv8模型中的CIoU边界框回归损失使用Wise‑IoU边界框回归损失替换;使用训练好的YOLOv8模型对待检测FFA图像中的微动脉瘤进行检测,并计算微动脉瘤的实际面积。

    糖尿病性视网膜病变检测生物标记物、检测试剂盒及应用

    公开(公告)号:CN113981064B

    公开(公告)日:2022-10-28

    申请号:CN202111222357.0

    申请日:2021-10-20

    摘要: 本发明属于生物医学检测技术领域,公开了一种糖尿病性视网膜病变检测生物标记物、检测试剂盒及应用,所述糖尿病性视网膜病变检测生物标记物为miRNA‑375‑3p,所述标记物的核苷酸序列如SEQ ID NO:1所示。本发明确定miRNA‑375‑3p表达量的改变,与糖尿病性视网膜病变的发生存在显著地相关性。miRNA‑375‑3p可以作为糖尿病性视网膜病变早期诊断的生物标记物,定期评估糖尿病性视网膜病变的进展和治疗后的复发情况。本发明为糖尿病性视网膜病变疾病的早期诊断、预后判断和早期干预治疗提供重要的参考依据,具有较大的实际临床价值,可以及早进行干预和治疗,减少非高危复发病人不必要的治疗和花费。

    一种眼科B超检查装置
    6.
    发明公开

    公开(公告)号:CN114376617A

    公开(公告)日:2022-04-22

    申请号:CN202210062061.5

    申请日:2022-01-19

    IPC分类号: A61B8/10

    摘要: 本发明属于眼科检查技术领域,尤其为一种眼科B超检查装置,通过滑槽滑动连接在所述固定架内侧壁的放置板,以及滑动连接在放置板上方的抽屉以及安装在所述固定架顶部的围栏,还包括安装在所述固定架侧面起到收纳作用得到收纳组件;插杆和插槽的配合,锁定固定杆和圆盘,防止在缠绕收纳的过程中,出现打滑的情况,直接将A超探头和B超探头两者所用的导线缠绕在多个固定杆的外侧壁,呈圆形分布的多个固定杆配合圆盘的阻挡对缠绕的导线起到约束的作用,方便收纳,需要使用导线时,将圆盘向内推动,使得插杆滑入圆柱形槽的内部,因圆柱形槽的内径大于插杆的外径,方便在拉动导线时,固定杆和圆盘可转动,方便取出导线。

    高度近视眼底病变图像识别装置

    公开(公告)号:CN112545452B

    公开(公告)日:2021-11-30

    申请号:CN202011429632.1

    申请日:2020-12-07

    IPC分类号: A61B3/12

    摘要: 本发明公开一种基于卷积神经网络及知识蒸馏的高度近视眼底病变风险预测方法,包括:获取眼底图像,随机划分训练集和测试集数据;对训练集采取随机翻转、裁剪、色彩抖动、归一化等预处理,对测试集仅进行归一化预处理;利用知识蒸馏方法进行分类网络模型的训练,将训练数据分别送入预训练好的教师网络和待训练的学生网络;将教师网络输出的软标签值与真实标签值作为监督信息,分别与学生网络输出的预测值计算KL Loss和Focal Loss;将两种不同的Loss值加权求和,作为最终的损失函数,用于学生网络的参数更新;训练好的学生网络可以对眼底图像测试集进行正常‑低风险高度近视眼底病变‑高风险高度近视眼底病变的三分类预测。

    一种利用符号压力函数改进的格子玻尔兹曼图像分割方法

    公开(公告)号:CN111754529A

    公开(公告)日:2020-10-09

    申请号:CN202010598247.3

    申请日:2020-06-28

    IPC分类号: G06T7/11 G06T7/136 G16H50/20

    摘要: 本发明属于医学OCT图像分割技术领域,公开了一种利用符号压力函数改进的格子玻尔兹曼图像分割方法,该方法包括:(1)通过构造初始流场优化模拟流场的演化过程;(2)利用符号压力函数作为外力项,提升LBM方程曲线模拟演化的精度;(3)加入迭代停止条件,提高OCT图像中水肿区域目标分割的效率。本发明能够对医学OCT图像中病变部分(DME水肿区域)进行快速分割。本发明降低了OCT图像中DME水肿区域边界分割所需的迭代次数与处理时间,对比SBGFRLS模型速度提升了78%,对比CV模型速度提升了95%。同时,本发明亦提高了OCT图像中DME水肿区域边界分割的精度,且针对不同来源的OCT图像,其具有稳定、高精度的分割效果。