-
公开(公告)号：CN113768461B
公开(公告)日：2024-03-22
申请号：CN202111073695.2
申请日：2021-09-14
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: A61B3/12 , A61B3/14 , G06V10/764 , G06N3/0464 , G06N3/08 , G06T7/00 , G06T7/11
Abstract: 本发明实施例提供了一种眼底图像分析方法、系统和电子设备，该方法包括：获取待分析的眼底图像；对所述眼底图像进行像素级分割，得到标识每个像素属于豹纹或者非豹纹区域的豹纹分割信息；基于所述眼底图像分割出现豹纹对视力影响程度不同的多种感兴趣区域，得到标识每个像素所属感兴趣区域的区域分割信息；根据豹纹分割信息和区域分割信息对眼底豹纹进行量化分析；本发明根据豹纹分割信息和区域分割信息更精准地对眼底豹纹进行量化分析，从而快速、精准地给出诊断结果；医生无需花费大量精力和时间去学习和分析如何根据眼底图像确定豹纹的程度。
-
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：CN117095449A
公开(公告)日：2023-11-21
申请号：CN202310996855.3
申请日：2023-08-08
Applicant: 北京鹰瞳科技发展股份有限公司
IPC: G06V40/18 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种针对眼底无灌注区的自动识别方法及装置，一具体实施方式中所述方法包括：首先，将携带无灌注区标注的眼底荧光血管造影FFA图像作为训练样本；其次，利用图像编码器中的自适应编码器特征融合模型学习所述训练样本不同尺度特征的权重，得到第一融合特征图像；利用图像解码器中的空洞卷积空间金字塔池化ASPP模型对所述第一融合特征图像进行图像处理，得到分割预测结果；利用多层深度监督损失函数对所述分割预测结果进行约束处理，生成多层深度损失函数；最后，基于每个所述训练样本对应的多层深度损失函数对模型进行调整，生成分割模型。由此，提高了分割模型对NPA区域识别的准确率。
-
公开(公告)号：CN116934730A
公开(公告)日：2023-10-24
申请号：CN202310961124.5
申请日：2023-08-01
Applicant: 北京鹰瞳科技发展股份有限公司 , 上海交通大学医学院附属新华医院
IPC: G06T7/00 , G06V10/764 , G06V10/44 , G06N3/09 , G06N3/0895
Abstract: 本申请公开了一种用于对检测眼底图像中异常区的检测模型进行训练的方法和设备。所述方法包括：获取用于训练检测模型的超广角眼底图像；将未标注检测框的超广角眼底图像和标注检测框的超广角眼底图像进行裁剪，以获得各自的多个图像块；使用训练好的特征提取器对多个图像块执行与异常区检测相关的特征操作，以获得各自的多个中间特征；将多个中间特征分别输入第一分类器执行全局分类操作和输入第二分类器执行局部分类操作，并基于是否标注检测框对应计算全监督损失函数和半监督损失函数，以对检测眼底图像中异常区的检测模型进行训练。利用本申请的方案，可以在缺少异常区的标注情形下，对超广角眼底图像中的异常区进行精确识别和定位。
-
公开(公告)号：CN116090503A
公开(公告)日：2023-05-09
申请号：CN202211666148.X
申请日：2022-12-23
Applicant: 北京鹰瞳科技发展股份有限公司
Abstract: 本申请公开了一种基于知识蒸馏训练神经网络模型的方法和相关产品。其中，所述方法包括：获取高模态数据和低模态数据并将所述高模态数据和所述低模态数据划分为高模态数据集、低模态数据集和包含所述高模态数据和所述低模态数据的混合数据集；使用所述高模态数据集和所述低模态数据集分别训练高模态模型和低模态模型，以获得对应的高模态教师模型和低模态学生模型；以及基于知识蒸馏，将所述高模态教师模型迁移至所述低模态学生模型，以对所述低模态学生模型进行优化训练。利用本申请的方案，可以使得训练完成的低模态模型具备较好的性能。
-
Patent Agency Ranking
公开(公告)号：CN114881912A
公开(公告)日：2022-08-09
申请号：CN202110159924.6
申请日：2021-02-05
Applicant: 首都医科大学附属北京同仁医院 , 北京鹰瞳科技发展股份有限公司
Abstract: 本发明提供一种眼轴信息识别方法及设备，所述方法包括获取眼底图像；在所述眼底图像中提取部分圆形区域；对所述圆形区域进行极坐标变化处理得到矩形图像；利用机器学习模型对所述矩形图像进行识别得到眼轴信息。利用本方案只需要获取平面的眼底图像即可测定人的眼轴长度，不需要使用特定的光电测定设备，不需要专业人员参与操作，便利性较强、成本较低。
-
公开(公告)号：CN113768461A
公开(公告)日：2021-12-10
申请号：CN202111073695.2
申请日：2021-09-14
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: 本发明实施例提供了一种眼底图像分析方法、系统和电子设备，该方法包括：获取待分析的眼底图像；对所述眼底图像进行像素级分割，得到标识每个像素属于豹纹或者非豹纹区域的豹纹分割信息；基于所述眼底图像分割出现豹纹对视力影响程度不同的多种感兴趣区域，得到标识每个像素所属感兴趣区域的区域分割信息；根据豹纹分割信息和区域分割信息对眼底豹纹进行量化分析；本发明根据豹纹分割信息和区域分割信息更精准地对眼底豹纹进行量化分析，从而快速、精准地给出诊断结果；医生无需花费大量精力和时间去学习和分析如何根据眼底图像确定豹纹的程度。
-
公开(公告)号：CN113499033A
公开(公告)日：2021-10-15
申请号：CN202110552824.X
申请日：2021-05-20
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: 本发明实施例提供了一种医疗数据预测方法及系统，涉及医疗技术领域。方法包括：获取对待预测患者的目标部位进行治疗之前，采集的所述待预测患者的信息以及目标生物医用材料的信息；其中所述待预测患者的信息包括医学影像类信息和文字描述类信息；基于所述待预测患者的信息和所述目标生物医用材料的信息，对所述待预测患者的目标部位采用所述目标生物医用材料治疗后的治疗数据进行预测。本发明融合了医学影像等多模态数据，对待预测患者的目标部位采用目标生物医用材料治疗后的治疗数据进行预测，能够有效提升预测的准确性。
-
公开(公告)号：CN119181495B
公开(公告)日：2025-02-18
申请号：CN202411697509.6
申请日：2024-11-26
Applicant: 首都医科大学附属北京同仁医院 , 北京鹰瞳科技发展股份有限公司
IPC: G16H50/20 , G06T7/00 , G06T7/10 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及眼科疾病诊断技术领域，公开了一种基于大模型的眼科疾病智能诊疗管理方法及系统，方法包括：获取待诊断患者的眼底图像；将待诊断患者的眼底图像输入眼底疾病分类分割模型，得到待诊断眼底图像对应的眼科疾病类别和疾病标志物分割结果；将眼科疾病类别、疾病标志物分割结果以及待诊断患者的临床记录输入大语言模型，得到待诊断患者的眼底疾病治疗管理方案；大语言模型以LLaMA模型为基础，在LLaMA模型的每个多头注意力层上增加一个LoRA层；在LLaMA模型的每个前馈层与归一化层之间增加一个Adapter层。本发明能够实现眼科疾病的快速诊断和治疗，提高诊断效率，减轻患者的就诊负担。
-
公开(公告)号：CN111048210B
公开(公告)日：2024-08-02
申请号：CN201911421200.3
申请日：2019-12-31
Applicant: 北京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: 本发明提供一种基于眼底图像评估疾病风险的方法及设备，包括获取用户的眼底图像；利用机器学习模型对所述眼底图像进行识别，输出用于表示所述用户的疾病风险的评估结果，所述机器学习模型包括特征提取网络和至少一个输出网络，其中所述特征提取网络用于从所述眼底图像中提取特征信息，所述至少一个输出网络用于分别根据所述特征信息输出所述评估结果。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.043 seconds)
