-
公开(公告)号：CN114694236A
公开(公告)日：2022-07-01
申请号：CN202210220173.9
申请日：2022-03-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于循环残差卷积神经网络的眼球运动分割定位方法。采集获得被试者的眼位照输入第一阶段循环残差卷积神经网络模型处理得到旋转后眼位照；再次输入第一阶段循环残差卷积神经网络模型得二值掩膜，裁剪获得左右眼检测区域图片，输入第二阶段循环残差卷积神经网络模型检测获得双眼的眼睑和角膜掩膜；根据额头上圆形标记得到比例尺；再由眼睑角膜掩膜对眼位照图像处理测量眼球运动，获得六条眼外肌功能的像素距离，换算得到实际尺寸值。本发明技术性能稳定，分割准确率高，能快速自动检测眼球运动，以计算机辅助图像处理方式避免了人工测量的误差，从而提高眼肌疾病诊断的准确性和客观性。本发明为体检筛查、远程医疗等也提供了可能性。
-
公开(公告)号：CN115423802A
公开(公告)日：2022-12-02
申请号：CN202211210771.4
申请日：2022-09-30
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的鳞状上皮肿瘤细胞图片自动分类分割方法。方法包括：获得增强切片图片集；构建训练图像集；构建域自适应细胞核多分类分割网络；将训练图像集输入细胞核分类分割网络中进行第一轮训练，获得预训练域自适应细胞核多分类分割网络；将增强切片图片集和训练图像集输入中进行第二轮训练，训练完成的域自适应细胞核多分类分割网络；将待分类分割鳞状上皮细胞肿瘤切片图片输入训练完成的域自适应细胞核多分类分割网络中处理，实现对待分类分割鳞状上皮细胞肿瘤切片图片的自动分类分割。本发明方法能够有效的提取鳞状上皮肿瘤细胞图像特征，实现了对图像中各个细胞的细胞核的自动分类分割，提高了图像中的细胞的识别准确率。
-
公开(公告)号：CN113449785A
公开(公告)日：2021-09-28
申请号：CN202110678923.2
申请日：2021-06-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的眼睑肿瘤数字化病理切片图像多分类方法。对已知病变类别分类的眼睑肿瘤病理切片，扫描得到图像构建训练集；数据增强和归一化处理，构建三层级联的肿瘤数字化病理切片诊断网络，使用增强后的训练集训练肿瘤数字化病理切片诊断网络，再进行预测处理，生成概率热力图并病变类别检测。本发明能有效地可视化出全野数字切片中肿瘤的位置与病变类型，来辅助诊断，进行病变区域的初筛与提示，改变网络对通道的注意力，提升网络性能。
-
Patent Agency Ranking
公开(公告)号：CN114694236B
公开(公告)日：2023-03-24
申请号：CN202210220173.9
申请日：2022-03-08
Applicant: 浙江大学
IPC: G06V40/18 , G06V10/22 , G06V10/26 , G06V10/82 , G16H40/20 , G06N3/044 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于循环残差卷积神经网络的眼球运动分割定位方法。采集获得被试者的眼位照输入第一阶段循环残差卷积神经网络模型处理得到旋转后眼位照；再次输入第一阶段循环残差卷积神经网络模型得二值掩膜，裁剪获得左右眼检测区域图片，输入第二阶段循环残差卷积神经网络模型检测获得双眼的眼睑和角膜掩膜；根据额头上圆形标记得到比例尺；再由眼睑角膜掩膜对眼位照图像处理测量眼球运动，获得六条眼外肌功能的像素距离，换算得到实际尺寸值。本发明技术性能稳定，分割准确率高，能快速自动检测眼球运动，以计算机辅助图像处理方式避免了人工测量的误差，从而提高眼肌疾病诊断的准确性和客观性。本发明为体检筛查、远程医疗等也提供了可能性。
-
公开(公告)号：CN113449785B
公开(公告)日：2022-08-05
申请号：CN202110678923.2
申请日：2021-06-18
Applicant: 浙江大学
IPC: G06V10/764 , G06K9/62 , G06T7/00 , G16H50/20 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的眼睑肿瘤数字化病理切片图像多分类方法。对已知病变类别分类的眼睑肿瘤病理切片，扫描得到图像构建训练集；数据增强和归一化处理，构建三层级联的肿瘤数字化病理切片诊断网络，使用增强后的训练集训练肿瘤数字化病理切片诊断网络，再进行预测处理，生成概率热力图并病变类别检测。本发明能有效地可视化出全野数字切片中肿瘤的位置与病变类型，来辅助诊断，进行病变区域的初筛与提示，改变网络对通道的注意力，提升网络性能。
-
公开(公告)号：CN117593251A
公开(公告)日：2024-02-23
申请号：CN202311391824.1
申请日：2023-10-25
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/60 , G06T7/73 , G06T7/13 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的角膜炎病灶三维拓扑形态特征评估装置，包括：获取角膜炎患者的眼前节光学相干断层扫描图像，并标注角膜炎病灶、角膜轮廓线以及两侧巩膜突，以构建图像样本集；基于深度卷积神经网络构建用于分割角膜炎病灶、角膜及巩膜突的分割模型，并利用图像样本集对分割模型进行训练；利用训练好的分割模型对待测的眼前节光学相干断层扫描图像进行分割，得到分割的角膜炎病灶、角膜及两巩膜突；基于角膜的边界和两巩膜突建立极坐标系和参考线，基于极坐标系和参考线对角膜炎病灶和角膜进行计算，以确定角膜炎病灶三维拓扑形态特征。该评估准确度高，效率高，且为临床角膜炎诊治新标准的设立提供技术支持。
-
公开(公告)号：CN114612389B
公开(公告)日：2022-09-06
申请号：CN202210155190.9
申请日：2022-02-21
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多源多尺度特征融合的眼底图像质量评价方法，包括：步骤1：获取多源域眼底图像，并对多源域眼底图像进行关于亮度、模糊程度、对比程度以及图像的总体质量四个评价维度的标签标注，将眼底图像与标注标签组成训练样本；步骤2：构建眼底图像质量评价网络，包括特征提取模块、融合模块、注意力模块以及评价模块；步骤3：利用训练样本对眼底图像质量评价网络进行训练，获得眼底图像质量评价模型；步骤4：将待测眼底图像输入到眼底图像质量评价模型中，经计算输出质量评价结果。本发明还提供了基于上述方法的眼底图像质量评价装置。通过本发明提供的方法，在考虑多种成像环境的条件下，对眼底图像进行全面客观的评价。
-
公开(公告)号：CN114612389A
公开(公告)日：2022-06-10
申请号：CN202210155190.9
申请日：2022-02-21
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多源多尺度特征融合的眼底图像质量评价方法，包括：步骤1：获取多源域眼底图像，并对多源域眼底图像进行关于亮度、模糊程度、对比程度以及图像的总体质量四个评价维度的标签标注，将眼底图像与标注标签组成训练样本；步骤2：构建眼底图像质量评价网络，包括特征提取模块、融合模块、注意力模块以及评价模块；步骤3：利用训练样本对眼底图像质量评价网络进行训练，获得眼底图像质量评价模型；步骤4：将待测眼底图像输入到眼底图像质量评价模型中，经计算输出质量评价结果。本发明还提供了基于上述方法的眼底图像质量评价装置。通过本发明提供的方法，在考虑多种成像环境的条件下，对眼底图像进行全面客观的评价。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
