-
公开(公告)号：CN117038088B
公开(公告)日：2024-02-02
申请号：CN202311293821.4
申请日：2023-10-09
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: G16H50/30 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种糖尿病视网膜病变的发病确定方法、装置、电子设备及存储介质，所述方法包括：获取糖尿病用户的眼底图像；基于糖尿病性视网膜病变发病预测模型，对所述眼底图像进行糖尿病性视网膜病变的发病风险预测，得到糖尿病视网膜病变的发病风险评估结果，其中，所述糖尿病性视网膜病变发病预测模型是基于深度神经网络对眼底图像样本中的视觉特征进行训练得到的模型。本发明中，利用糖尿病性视网膜病变发病预测模型，可以快速、准确的为糖尿病患者提供未来糖尿病性视网膜病变发病的风险预测，使糖尿病患者实现提前干预和治疗。
-
公开(公告)号：CN118537299A
公开(公告)日：2024-08-23
申请号：CN202410593158.8
申请日：2024-05-14
Applicant: 北京鹰瞳科技发展股份有限公司
Abstract: 本披露公开了一种基于眼底图像的多任务分割模型的训练方法、方法及产品，所述多任务分割模型由多个子任务分割模型构建而成，所述训练方法包括：获取预训练后的第一图像编码器；针对每个子任务，基于所述第一图像编码器，构建子任务分割模型；使用带子任务标注的眼底图像对所述子任务分割模型进行训练，并在训练过程中固定所述第一图像编码器的参数。本披露实施例通过基于固定参数的第一图像编码器，对每个子任务分割模型进行构建和单独训练，可以使得训练后的子任务分割模型构建而成的多任务分割模型具有分割多任务的能力。
-
Patent Agency Ranking
公开(公告)号：CN117635549A
公开(公告)日：2024-03-01
申请号：CN202311527222.4
申请日：2023-11-15
Applicant: 上海鹰瞳医疗科技有限公司 , 北京鹰瞳科技发展股份有限公司
IPC: G06T7/00 , G06V10/44 , G06V10/82 , G06V10/764 , G16H50/30 , G06N3/0464 , G06N3/084
Abstract: 本公开关于一种眼底图像分析方法、装置、电子设备及存储介质，包括：获取待检测彩色眼底图像；将待检测彩色眼底图像输入颅内肿瘤风险预测模型中进行特征提取，得到图像特征，并根据图像特征进行颅内肿瘤风险预测，输出预测结果；预测结果用于指示待检测彩色眼底图像的拍摄对象为颅内肿瘤风险人员的概率；其中，颅内肿瘤风险预测模型基于不确定度感知器和辅助一致性训练模型对预设卷积神经网络模型进行预训练得到。不确定度感知器促使预设卷积神经网络模型更加关注那些不确定度较低的样本，辅助一致性训练模型促使预设卷积神经网络模型能够学习到训练过程中的历史信息，因此，颅内肿瘤风险预测模型可以实现基于彩色眼底图像快速、准确、非侵入性且低成本地对颅内肿瘤进行诊断。
-
公开(公告)号：CN118039160A
公开(公告)日：2024-05-14
申请号：CN202410337010.8
申请日：2024-03-22
Applicant: 上海鹰瞳医疗科技有限公司 , 北京鹰瞳科技发展股份有限公司
Abstract: 本披露公开了一种用于预测病理性近视发病风险的方法及相关产品。其中，用于预测病理性近视发病风险的装置包括：处理器；以及存储器，其存储有用于预测病理性近视发病风险的程序指令，当程序指令由处理器运行时，使得装置执行以下操作：获取待预测病理性近视发病风险的眼底图像；基于预训练好的特征提取模型对眼底图像进行特征提取处理，以得到关于病理性近视发病风险的眼底特征；以及将眼底特征输入至预训练好的风险预测模型中，以输出眼底图像所反映的病理性近视发病风险的预测结果。通过本披露的技术方案，能够快速、精准以及非侵入性地预测患者未来病理性近视发病的风险，提高病理性近视的筛查效率，减轻医疗资源压力，以及降低医疗成本。
-
公开(公告)号：CN117253280A
公开(公告)日：2023-12-19
申请号：CN202311414168.2
申请日：2023-10-27
Applicant: 上海鹰瞳医疗科技有限公司 , 北京鹰瞳科技发展股份有限公司
IPC: G06V40/18 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种用于对识别慢性高原病的识别模型进行训练的方法及相关产品。所述方法包括：获取眼底图像并对所述眼底图像进行慢性高原病分类标注，以形成训练集；使用所述预处理网络提取所述训练集中与识别慢性高原病相关的第一特定特征，以获得包含所述第一特定特征的特征向量；使用所述主干网络提取所述特征向量中与识别慢性高原病相关的第二特定特征，以识别慢性高原病并获得预测识别结果；以及基于所述慢性高原病分类标注和所述预测识别结果计算损失函数，以对识别慢性高原病的所述识别模型进行训练。利用本申请的方案，可以提高识别慢性高原病的效率和识别结果的准确性。
-
公开(公告)号：CN117237317A
公开(公告)日：2023-12-15
申请号：CN202311279477.3
申请日：2023-09-28
Applicant: 北京鹰瞳科技发展股份有限公司
Abstract: 本披露公开了一种基于多任务级联学习的彩色眼底照片标志物分割系统，使用自监督方法在大量有标签+无标签数据上学习，得到特征提取器；将特征提取器的参数进行固定，再分别针对不同分割目标训练单一的分割模型；待所有针对不同分割目标训练得到的多个分割模型训练完成，将使用共同的特征提取器，将不同的解码器进行级联，最终得到一个多任务分割模型。训练后的分割系统能够迅速输出包括所有已训练任务在内的所有标志物分割结果。
-
公开(公告)号：CN117038088A
公开(公告)日：2023-11-10
申请号：CN202311293821.4
申请日：2023-10-09
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: G16H50/30 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种糖尿病视网膜病变的发病确定方法、装置、电子设备及存储介质，所述方法包括：获取糖尿病用户的眼底图像；基于糖尿病性视网膜病变发病预测模型，对所述眼底图像进行糖尿病性视网膜病变的发病风险预测，得到糖尿病视网膜病变的发病风险评估结果，其中，所述糖尿病性视网膜病变发病预测模型是基于深度神经网络对眼底图像样本中的视觉特征进行训练得到的模型。本发明中，利用糖尿病性视网膜病变发病预测模型，可以快速、准确的为糖尿病患者提供未来糖尿病性视网膜病变发病的风险预测，使糖尿病患者实现提前干预和治疗。
-
-
-
-
-
-
Search Results
7
records
(took 0.032 seconds)
