-
公开(公告)号：CN119229511A
公开(公告)日：2024-12-31
申请号：CN202411352010.1
申请日：2024-09-26
Applicant: 首都医科大学附属北京同仁医院
IPC: G06V40/18 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N10/60
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种眼睑缘特征分类系统，包括：眼睑缘分割模块，用于将接收到的原始特征图像输入眼睑缘分割模型中，获得原始特征图对应的分割图像；其中，眼睑缘分割模型的最后一级编码器和所有的解码器的输出均经过3×3卷积和Sigmoid函数处理，生成显著概率图，并将所有显著概率图向上采样后融合，最后通过1×1卷积和Sigmoid函数处理，生成原始特征图对应的分割图像；特征分类模块，用于将分割图像输入特征分类模型，获得特征分类结果。其有益效果是，通过眼睑缘分割模型和特征分类模型，实现了利用分割信息来辅助特征分类，并针对眼睑减员的特点进行优化，提升了在处理眼睑缘特征时的效果。
-
公开(公告)号：CN119229512A
公开(公告)日：2024-12-31
申请号：CN202411352011.6
申请日：2024-09-26
Applicant: 首都医科大学附属北京同仁医院
IPC: G06V40/18 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N3/0985
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种眼睑缘特征分类方法，包括，将原始特征图输入眼睑缘分割模型，获得分割图像；对分割图像进行窗口划分获得每一窗口对应的初始化位置和大小信息后，将分割图像输入特征初步提取模型，获得初始图像；根据每一窗口对应的初始化位置和大小信息，以及初始图像，对分割图像重新进行窗口划分；将分割图像输入预先设置的特征分类模型，特征分类模型根据分割图像和图像块尺寸，以及第一目标维度，获得特征图像；将特征图像输入分类头，获得特征分类结果。其有益效果是，实现了利用分割信息来辅助特征分类，并针对眼睑缘的特点进行优化，提升了在处理眼睑缘特征时的效果。
-
Patent Agency Ranking
公开(公告)号：CN116681707B
公开(公告)日：2023-10-20
申请号：CN202310979173.1
申请日：2023-08-04
Applicant: 北京同仁医学科技有限责任公司 , 首都医科大学附属北京同仁医院
IPC: G06T7/00 , G06V10/25 , G06V10/28 , G06V10/26 , G06V10/34 , G06V10/42 , G06V10/46 , G06V10/50 , G06V10/54 , G06V10/764
Abstract: 本发明涉及一种角膜荧光素染色图像识别分级方法，该方法包括：获取角膜荧光素染色图像；识别图像中的角膜感兴趣区域；其中，角膜感兴趣区域为扇形区域，夹角为90度，角膜感兴趣区域的中心点为瞳孔的中心点，角膜感兴趣区域的半径为角膜中心点距离角膜低边缘的距离；对角膜感兴趣区域进行染色区域分割；提取分割后的角膜感兴趣区域的拓扑特征，并提取角膜感兴趣区域的形态特征、一阶直方图统计特征和二阶灰度矩阵特征；基于拓扑特征、形态特征、一阶直方图统计特征和二阶灰度矩阵特征进行角膜荧光染色素的识别分级。本发明基于拓扑特征、形态特征、一阶直方图统计特征和二阶灰度矩阵特征进行角膜荧光染色素的识别分级，提升了分级准确性。
-
公开(公告)号：CN119417886A
公开(公告)日：2025-02-11
申请号：CN202411689093.3
申请日：2024-11-25
Applicant: 首都医科大学附属北京同仁医院 , 北京同仁医学科技有限责任公司
Abstract: 本发明涉及一种用于干眼评估的动态泪河参数测量方法，该方法包括：采集用户一次眨眼过程的初始视频；其中，初始视频内容包括用户眼睛，初始视频的首帧图像在用户闭眼后采集；从初始视频中确定测量视频片段；通过深度学习模型对测量视频片段中的下泪河进行分割；通过多项式拟合方法对分割得到的下泪河的上边界和下边界进行平滑处理；根据平滑处理后的下泪河，评估下泪河高度。本发明的方法可以在不依赖操作人员的前提下进行下泪河高度的测量，提高了测量的准确性和重复性。
-
公开(公告)号：CN119359692A
公开(公告)日：2025-01-24
申请号：CN202411612823.X
申请日：2024-11-13
Applicant: 北京市眼科研究所 , 首都医科大学附属北京同仁医院
Abstract: 本发明涉及一种自动测量睑板腺质量的方法，该方法包括：采集包括眼睛及睑板腺的一组连续的灰度图像；根据连续的灰度图像，确定各像素的灰度值变化率；确定每幅图像中的眼睛的最小外接矩形，将最小外接矩形内的区域形成前景区域，最小外接矩形外的区域形成背景区域；根据背景区域内各像素的灰度值变化率，对前景区域进行合并，得到合并图像；对合并图像进行预处理，得到处理后图像；其中，预处理包括：中值滤波处理、归一化处理和去除不均匀光照处理；基于处理后图像，测量睑板腺质量。本发明提供的方法基于包括眼睛及睑板腺的一组连续的灰度图像即可实现睑板腺的自动评估。
-
公开(公告)号：CN119229123A
公开(公告)日：2024-12-31
申请号：CN202411352007.X
申请日：2024-09-26
Applicant: 北京市眼科研究所 , 首都医科大学附属北京同仁医院
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06V40/18 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/092 , G06N3/094 , G06N3/0985
Abstract: 本发明涉及深度学习技术领域，尤其涉及一种眼睑缘分割模型的训练方法和分割方法，包括：S1、基于预先设置的眼部图像数据集，构建数据训练集；S2、根据所述数据训练集训练预先构建的眼睑缘分割模型，获得训练好的眼睑缘分割模型；在训练过程中，当任一第一编码器接收到输入数据时，则根据预先设置的公式一输出结果，所述公式一为：Ei＝RSU(Ei‑1)；其中，当i＝1时，Ei‑1即为输入眼睑缘分割模型的初始图像数据；当任一第一解码器接收到输入数据时，则根据预先设置的公式二输出结果，所述公式二为：Di＝RSU(Di+1+Ei)；其中，i＝N‑1时，Di+1为Ei+1。其有益效果是，以相对简单的网络架构，降低对数据量的依赖性。
-
公开(公告)号：CN116681707A
公开(公告)日：2023-09-01
申请号：CN202310979173.1
申请日：2023-08-04
Applicant: 北京同仁医学科技有限责任公司 , 首都医科大学附属北京同仁医院
IPC: G06T7/00 , G06V10/25 , G06V10/28 , G06V10/26 , G06V10/34 , G06V10/42 , G06V10/46 , G06V10/50 , G06V10/54 , G06V10/764
Abstract: 本发明涉及一种角膜荧光素染色图像识别分级方法，该方法包括：获取角膜荧光素染色图像；识别图像中的角膜感兴趣区域；其中，角膜感兴趣区域为扇形区域，夹角为90度，角膜感兴趣区域的中心点为瞳孔的中心点，角膜感兴趣区域的半径为角膜中心点距离角膜低边缘的距离；对角膜感兴趣区域进行染色区域分割；提取分割后的角膜感兴趣区域的拓扑特征，并提取角膜感兴趣区域的形态特征、一阶直方图统计特征和二阶灰度矩阵特征；基于拓扑特征、形态特征、一阶直方图统计特征和二阶灰度矩阵特征进行角膜荧光染色素的识别分级。本发明基于拓扑特征、形态特征、一阶直方图统计特征和二阶灰度矩阵特征进行角膜荧光染色素的识别分级，提升了分级准确性。
-
-
-
-
-
-
Search Results
7
records
(took 0.038 seconds)
