-
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：CN116503684A
公开(公告)日：2023-07-28
申请号：CN202310111927.1
申请日：2023-02-06
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: G06V10/774 , G06V10/82 , G06V40/18
Abstract: 本申请提供了一种模型训练方法、装置、电子设备及存储介质。方法包括：获取眼底图像样本，包括：第一数量的有分期标签的ROP眼底图像和第二数量的无分期标签的ROP眼底图像；将第一数量的眼底图像样本输入眼底图像分期预测模型，得到分期预测输出，并计算分类损失值；基于眼底图像分期预测模型对于第一数量、第二数量的眼底图像样本的预测输出，计算得到预测一致性损失值；基于眼底图像分期预测模型从眼底图像样本中提取的特征，计算得到语义关联一致性损失值；基于分类损失值、预测一致性损失值和语义关联一致性损失值，计算得到目标损失值；在目标损失值处于预设范围内的情况下，得到最终的分期预测模型。本申请可以提升模型的分类性能及识别准确率。
-
公开(公告)号：CN118053040A
公开(公告)日：2024-05-17
申请号：CN202410312436.8
申请日：2024-03-19
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: G06V10/764 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种心脑血管疾病分类的分类模型进行训练的方法及相关产品。该方法包括：将源域的原始视网膜图像输入至扩散模块，以经由扩散模块执行图像生成操作生成目标域的视网膜图像；使用引导模块引导目标域的视网膜图像向所述源域的原始视网膜图像进行转化，获得目标视网膜图像；基于源域的原始视网膜图像和目标视网膜图像，使用分类器模块分别执行与心脑血管疾病相关的分类操作，以获得包含多种疾病类别的第一分类结果和第二分类结果；以及根据第一分类结果和第二分类结果获得心脑血管疾病分类的最终分类结果，以对用于心脑血管疾病分类的分类模型进行训练。利用本申请的方案，可以解决视网膜图像的域泛化问题，提高分类模型的准确性。
-
-
公开(公告)号：CN113729619B
公开(公告)日：2024-01-16
申请号：CN202111132257.9
申请日：2021-09-24
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: 本发明涉及一种便携式眼底相机，其包括：壳体；成像模块，所述成像模块收容于所述壳体内；可移动地设置在所述壳体上的三自由度运动模块，被构造成允许所述成像模块相对于所述壳体在横向、纵向以及竖直方向上移动；定位单元，所述定位单元使得所述成像模块对准所述瞳孔；以及锁定/解锁机构，所述锁定/解锁机构被构造成将所述成像模块相对于壳体在预定位置进行锁定或解锁。由此，通过在便携式眼底相机中设置锁定/解锁机构，来允许普通用户无需专门培训也可以自行对便携式眼底相机进行打包和解包操作。进一步，还涉及锁定/解锁该便携式眼底相机的方法。
-
Patent Agency Ranking
公开(公告)号：CN113768460B
公开(公告)日：2023-11-14
申请号：CN202111059503.2
申请日：2021-09-10
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 , G06V10/28 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06T7/00 , G06T7/11 , G06T7/62
Abstract: 本发明实施例提供了一种眼底图像分析系统、方法以及电子设备，该系统包括特征提取模块、眼底预测模块和分割预测模块，其中，特征提取模块对待分析的眼底图像进行采样以提取眼底特征图；所述眼底预测模块根据所述眼底特征图分析眼底图像对应的眼底类别，所述眼底类别包括正常眼底和多种近视关联眼底；所述分割预测模块对所述眼底特征图进行采样以分析眼底图像对应的分割预测图，其指示所述眼底图像中每个像素的类别，像素的类别包括背景像素类别、视盘像素类别、多种弧形斑像素类别和多种萎缩斑像素类别。本发明提出了利用机器学习技术解决传统近视眼底的分类只有病理性近视相关的粗糙类别问题，以便为被检测人员提供更好的诊疗或者日常用眼建议。
-
公开(公告)号：CN113476014B
公开(公告)日：2023-11-14
申请号：CN202110617490.X
申请日：2021-06-02
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: 本申请提供了一种双坐标系对应关系建立系统及方法。包括：马达，用于在进入工作模式之后，控制主镜头移动，使第一工件对准第二工件上的多个基准位置；基准位置为第二工件的圆柱体结构上十字叉的中心；数据处理装置，用于获取多个基准位置的第一坐标，及第一工件对准基准位置时的第二坐标，并基于第一坐标和第二坐标建立双目系统中世界坐标系与马达坐标系之间的对应关系；第一坐标为基准位置在双目系统中的世界坐标系下的坐标，第二坐标为第一工件在马达坐标系下的坐标。本申请可以将眼底相机上的双目系统获取的瞳孔位置与主镜头移动的目标位置在双目系统中世界坐标系下的差异，转化为马达的移动步长，为眼底相机的主镜头移动提供精准的视觉导航。
-
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。
-
公开(公告)号：CN116994101A
公开(公告)日：2023-11-03
申请号：CN202311275093.4
申请日：2023-09-28
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: G06V10/774 , G06V40/10 , G06V10/26 , G06V10/80 , G06V10/82 , G16H30/40 , G16H50/50 , G06N3/0464
Abstract: 本申请提供了一种模型训练方法、装置、电子设备及存储介质。所述方法包括：获取用户的符合模型训练条件的样本眼底图像；将所述样本眼底图像输入至待训练疾病预测模型；调用所述待训练疾病预测模型对所述样本眼底图像进行正负样本对构建，得到所述样本眼底图像对应的正负样本对；在基于所述正负样本对计算得到的对比损失满足预设条件的情况下，基于正样本对调整所述待训练疾病预测模型的模型参数，得到用于预测帕金森病的疾病预测模型。本申请可以提高帕金森病预测的准确率。
-
公开(公告)号：CN116994100A
公开(公告)日：2023-11-03
申请号：CN202311275090.0
申请日：2023-09-28
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: G06V10/774 , G06V40/10 , G06V10/26 , G06V10/80 , G06V10/82 , G16H30/40 , G16H50/50 , G06N3/0464
Abstract: 本申请提供了一种模型训练方法、装置、电子设备及存储介质。所述方法包括：获取用户的符合模型训练条件的样本眼底图像，样本眼底图像标注有阿尔兹海默症的真实疾病类别；将样本眼底图像输入至待训练疾病预测模型；调用所述特征筛选及血管分割层对所述样本眼底图像进行特征筛选及血管分割标注处理，得到注意力特征图和血管标注特征图；调用特征融合层对注意力特征图和血管标注特征图进行特征融合处理，得到样本眼底图像对应的预测疾病概率；基于真实疾病类别和预测疾病概率，计算得到待训练疾病预测模型的损失值；在损失值处于预设范围内的情况下，得到用于预测阿尔兹海默症的疾病预测模型。本申请可以提高阿尔兹海默症的预测准确率。
-
-
-
-
-
-
-
-
-
Search Results
176
records
(took 0.089 seconds)
