-
公开(公告)号：CN119888232A
公开(公告)日：2025-04-25
申请号：CN202510066781.2
申请日：2025-01-16
IPC: G06V10/26 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/80 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种面向病理性近视智能诊断的眼底彩照分割模型构建方法，利用图像增强单元、尺寸调整单元和归一化单元搭建图像预处理模块；采用卷积神经网络作为主干网络，并结合空洞卷积、多尺度金字塔池化模块和空间注意力机制搭建共享特征提取器模块；采用动态扩展输出通道的设计，并通过上采样层、跳跃连接和输出卷积层的结合来搭建分割任务头模块；依次连接图像预处理模块、共享特征提取器模块和分割任务头模块，形成分割基础模型；模型训练；新任务微调，得到新增任务的分割基础模型。该方法能够根据不同的需求快速适配新的任务，可有效减少训练时间和计算资源的消耗，能大幅度提升疾病诊断的效率与准确性。
-
Patent Agency Ranking
公开(公告)号：CN117576012A
公开(公告)日：2024-02-20
申请号：CN202311491055.2
申请日：2023-11-10
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于不平衡眼底图像数据的疾病预测方法，针对不平衡眼底病变图像数据通过训练不平衡数据疾病预测模型来提高眼底图像病变筛查率和准确率，首先对图像进行预处理，之后采用融合标签增强技术将输入眼底图像的逻辑标签转换为标签分布，然后将得到的标签分布作为输入传入不平衡标记分布学习网络中进行训练以平衡模型的训练数据，最后利用训练好的网络预测眼底病变图像获得患对应每种病的概率值。通过本基于不平衡眼底图像数据的疾病预测方法可以得出每个图像对每个病变类别的可能性，从而更好地处理不确定性情况，能够更全面、准确、可靠地识别和分析眼底病变。
-
公开(公告)号：CN117576012B
公开(公告)日：2024-05-07
申请号：CN202311491055.2
申请日：2023-11-10
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于不平衡眼底图像数据的疾病预测方法，针对不平衡眼底病变图像数据通过训练不平衡数据疾病预测模型来提高眼底图像病变筛查率和准确率，首先对图像进行预处理，之后采用融合标签增强技术将输入眼底图像的逻辑标签转换为标签分布，然后将得到的标签分布作为输入传入不平衡标记分布学习网络中进行训练以平衡模型的训练数据，最后利用训练好的网络预测眼底病变图像获得患对应每种病的概率值。通过本基于不平衡眼底图像数据的疾病预测方法可以得出每个图像对每个病变类别的可能性，从而更好地处理不确定性情况，能够更全面、准确、可靠地识别和分析眼底病变。
-
公开(公告)号：CN119887800A
公开(公告)日：2025-04-25
申请号：CN202411880812.X
申请日：2024-12-19
IPC: G06T7/11 , G06T7/00 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/094
Abstract: 本发明提供了一种多尺度统一建模的荧光素眼底血管造影图像智能分割方法，步骤一：数据采集与预处理；步骤二：进行拉普拉斯金字塔分解；高斯分解；拉普拉斯分解；对于来自源域和目标域的不同图像均进行两层的拉普拉斯分散；步骤三：构建域对齐网络；构建全局结构编码器和细节增强编码器；分别捕捉来自源域和目标域的全局上下方信息，并将它们映射至共享的向量空间中；引入多尺度特征融合机制，并将融合输出特征映射至共享的向量空间中；最小化域间分布差异；步骤四：构建U‑Net自动分割模型；搭建分割网络；采用U‑Net模型搭建分割网络模型；模型训练；步骤五：进行眼底彩照跨设备的自动分割。该方法能够显著提升多样化眼底图像上的分割精度。
-
公开(公告)号：CN117994509B
公开(公告)日：2024-07-12
申请号：CN202311805256.5
申请日：2023-12-26
IPC: G06V10/26 , G06V10/94 , G06V40/18 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于交互式的眼底图像无灌注区域智能识别方法，首先对图像进行预处理，之后使用U‑net分割模型结合本发明提出的补丁拉锯对比正则化模型和交互记忆网络来进行模型的预训练，预训练时使用少量标记数据即可；最后在用户使用过程中进行多轮交互、迭代改进，交互记忆网络根据用户对小区域识别修改后进行学习并记忆，通过多轮推理逐步提升分割性能。通过本基于交互式的眼底图像无灌注区域智能识别方法来识别眼底的无灌注区域可以提高分割效率，可帮助医生更快速、准确和高效识别患者的眼底无灌注区域，进而进行有针对性的及时治疗。
-
公开(公告)号：CN117994509A
公开(公告)日：2024-05-07
申请号：CN202311805256.5
申请日：2023-12-26
IPC: G06V10/26 , G06V10/94 , G06V40/18 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于交互式的眼底图像无灌注区域智能识别方法，首先对图像进行预处理，之后使用U‑net分割模型结合本发明提出的补丁拉锯对比正则化模型和交互记忆网络来进行模型的预训练，预训练时使用少量标记数据即可；最后在用户使用过程中进行多轮交互、迭代改进，交互记忆网络根据用户对小区域识别修改后进行学习并记忆，通过多轮推理逐步提升分割性能。通过本基于交互式的眼底图像无灌注区域智能识别方法来识别眼底的无灌注区域可以提高分割效率，可帮助医生更快速、准确和高效识别患者的眼底无灌注区域，进而进行有针对性的及时治疗。
-
-
-
-
-
Search Results
6
records
(took 0.048 seconds)
