一种眼底病灶监测装置及方法

    公开(公告)号:CN117635613A

    公开(公告)日:2024-03-01

    申请号:CN202410106804.3

    申请日:2024-01-25

    IPC分类号: G06T7/00 G06T7/13 G06T7/73

    摘要: 本申请涉及一种眼底病灶监测装置及方法,涉及眼科检测技术领域,该方法包括以下步骤:图像获取模块,获得眼底检测图像;病灶获取模块,扫描眼底检测图像,获得眼底检测图像中的病灶区域;中心定位模块,扫描病灶区域,获得病灶区域的病灶中心;边缘定位模块,获得以病灶中心为中心,不同角度对应的病灶区域的病灶边缘与病灶中心的距离,整合获得对应的病灶边缘信息;发展判定模块,将相邻的两次监测周期获得的病灶边缘信息进行比对,获得病灶区域的发展情况信息。本申请通过对病灶区域的中心以及病灶边缘进行监测,从而获得眼底病灶的发展情况,为后期治疗提供数据依据,为病患的治疗效果提供保障。

    一种眼部检测装置及方法

    公开(公告)号:CN116862906B

    公开(公告)日:2023-12-12

    申请号:CN202311073475.9

    申请日:2023-08-24

    IPC分类号: G06T7/00 A61B3/14 G06T7/66

    摘要: 本申请涉及一种眼部检测装置及方法,涉及眼科检测技术领域,该方法包括以下步骤:基础信息获取模块,其用于基于待测人员的待测人员眼部图像,解析获得眼眶参数信息、虹膜参数信息以及病灶参数信息;病灶偏移分析模块,其用于基于眼眶参数信息、虹膜参数信息以及病灶参数信息,获得病灶当前偏移信息;偏移变化分析模块,其用于将病灶当前偏移信息与上一检测周期对应的病灶当前偏移信息进行比对,获得病灶偏移变化信息。本申请基于虹膜以及眼眶作为参照基础,识别病灶相对参照的变化情况,从而获得病灶变化信息,为后续工作提供数据参考依据。

    基于深度学习的眼科疾病类别智能分析方法及装置

    公开(公告)号:CN116363740A

    公开(公告)日:2023-06-30

    申请号:CN202310632455.4

    申请日:2023-05-31

    IPC分类号: G06V40/18 G06V10/30 G06V10/32

    摘要: 本发明涉及一种基于深度学习的眼科疾病类别智能分析方法及装置,所述方法包括:识别目标眼科疾病数据中的眼科疾病类型,对目标眼科疾病数据进行数据结构化处理,得到眼科结构化数据;提取眼科结构化数据中的眼科疾病标签,构建眼科疾病标签与眼科疾病类型的关联关系;获取就医人员的眼底影像和OTC影像,分别对眼底影像和OTC影像进行图像归一化设置,得到归一化眼底影像和归一化OTC影像;分别对归一化眼底影像和归一化OTC影像进行热力图可视化,得到眼底热力影像和OTC热力影像,分别提取眼底热力影像和OTC热力影像的眼底特征图和OTC特征图;以识别就医人员的当前眼科疾病类型。本发明可提高眼科疾病类别智能分析的准确性。

    视网膜血管阻塞疾病的视杆细胞异常分类方法及装置

    公开(公告)号:CN116738352A

    公开(公告)日:2023-09-12

    申请号:CN202311019231.2

    申请日:2023-08-14

    摘要: 本发明提供了一种视网膜血管阻塞疾病的视杆细胞异常分类方法及装置,涉及人工智能技术领域,包括:获取第一信息和第二信息,包括待检测患者的眼科临床检查数据和历史视网膜血管阻塞疾病患者的眼科临床检查数据;根据光感知信号记录和动态反应数据进行特征融合处理得到融合数据集;根据融合数据集和预设的机器学习数学模型构建得到视杆细胞异常分类模型;根据视杆细胞异常分类模型对第一信息进行分类处理得到分类结果。本发明通过将视杆细胞的频谱特征和时间变化特征相结合,考虑了视杆细胞在疾病发展过程中的变化规律,并通过构建机器学习模型对融合数据集进行分类处理,可以更准确地判断视杆细胞的异常类型和异常程度,从而提高分类准确性。

    一种泛血管疾病虹膜特点识别方法及系统

    公开(公告)号:CN116580446A

    公开(公告)日:2023-08-11

    申请号:CN202310846496.3

    申请日:2023-07-11

    摘要: 本发明提供了一种泛血管疾病虹膜特点识别方法及系统,所述方法包括获取待检测的虹膜图像信息和预设的虹膜图像信息;将待检测的虹膜图像信息发送和预设的虹膜图像信息发送至训练后的神经网络进行分割,得到分割后的待检测的虹膜图像信息和预设的虹膜图像信息;将分割后的待检测的虹膜图像信息和预设的虹膜图像信息均发送至第一特征提取层,得到第一特征向量和第二特征向量;将分割后的待检测的虹膜图像信息和预设的虹膜图像信息均发送至第二特征提取层,得到第三特征向量和第四特征向量;根据第一特征向量、第二特征向量、第三特征向量、第四特征向量对待检测的虹膜图像信息进行识别,实现了泛血管疾病虹膜特点的识别。

    基于医学检验的数字图像目标检测方法及系统

    公开(公告)号:CN116205940A

    公开(公告)日:2023-06-02

    申请号:CN202310496974.2

    申请日:2023-05-05

    摘要: 本发明涉及一种基于医学检验的数字图像目标检测方法及系统,其中,所述方法包括:获取医学检验的数字图像,利用预设的分解算法对数字图像进行图像分解,得到分解图像,并根据分解图像生成小波金字塔;从小波金字塔中选取基础图像,对基础图像进行特征提取,得到图像特征,并计算基础图像的光流;基于光流预估基础图像的背景运动矢量,将图像特征及背景运动矢量进行匹配,根据匹配的结果对基础图像进行配准图变换,得到差分图像;从差分图像中提取最大连通区域作为潜在的目标,并基于目标对差分图像进行管道滤波处理,得到目标图像。本发明可以准确、有效地检测出医学检验的数字图像中的目标。