搜索结果: 1-8 共查到“计算机科学技术 视网膜”相关记录8条 . 查询时间(0.073 秒)
精准预测糖尿病视网膜病变的背后:医工交叉攻关
糖尿病 视网膜病变 人工智能
2024/1/23
研究团队将该系统应用于中国和印度的真实临床流程,结果显示,DeepDR Plus系统可以识别高、低风险人群,为患者提供个性化筛查间隔和管理策略,可将糖尿病患者的平均筛查间隔从1年延长至近3年而几乎不发生漏诊。
视网膜功能启发的边缘检测层级模型
边缘检测 视网膜 Izhikevich模型 神经编码 方向选择性神经节细胞
2023/8/21
基于视网膜对视觉信息的处理方式,提出一种视网膜功能启发的边缘检测层级模型.针对视网膜神经元在周期性光刺激下产生适应的特性,构建具有自适应阈值的Izhikevich神经元模型;模拟光感受器中视锥细胞、视杆细胞对亮度的感知能力,构建亮度感知编码层;引入双极细胞对给光−撤光刺激的分离能力,并结合神经节细胞对运动方向敏感的特性,构建双通路边缘提取层;另外根据神经节细胞神经元在多特征调控下延迟激...
扫描视网膜,AI可知心脏病风险(图)
视网膜;知心脏病;高风险患者;诊断测试
2022/1/27
科技日报北京2022年1月26日电 (记者张梦然)据最新一期《自然·机器智能》杂志报道,英国研究人员开发了一种人工智能(AI)系统,可通过分析在常规访问眼镜店或医院眼科时留下的眼部扫描数据,识别出心脏病发作高风险患者。该AI系统的识别准确率在70%—80%之间,可作为心血管疾病筛查的第二转诊机制。
视网膜血管的分割帮助医生对眼底疾病进行诊断有着重要的意义.但现有方法对视网膜血管的分割存在着各种问题,例如对血管分割不足,抗噪声干扰能力弱,对病灶敏感等.针对现有血管分割方法的缺陷,本文提出使用条件深度卷积生成对抗网络的方法对视网膜血管进行分割.我们主要对生成器的网络结构进行了改进,在卷积层引入残差模块进行差值学习使得网络结构对输出的改变变得敏感,从而更好地对生成器的权重进行调整.为了降低参数数目...
基于深度学习和二维高斯拟合的视网膜血管管径测量方法
视网膜血管 全卷积神经网络 管径测量 二维高斯拟合
2019/2/25
糖尿病、高血压等疾病会引起视网膜血管的形状发生变化,眼底图像血管分割是疾病定量分析过程中的关键步骤,对临床疾病的分析和诊断具有指导意义。本文提出一种视网膜血管管径自动测量方法。
四川大学计算机学院章毅教授团队在EBioMedicine上发表文章——基于神经网络的自动早产儿视网膜病变检测(图)
四川大学计算机学院 章毅 教授 EBioMedicine 神经网络 自动早产儿 视网膜 病变检测
2018/9/27
近日,我校计算机学院章毅教授团队在医学领域重要期刊EBioMedicine(影响因子6.183,该刊是由Lancet和Cell联合出版)上发表了题为“Automated retinopathy of prematurity screening using Deep Neural Networks”的研究论文,研究了基于神经网络的智能早产儿视网膜病变检测方法。论文第一作者为我校计算机学院王建勇博士和...
在第21届中国北京国际科技产业博览会上,北京大学信息科学技术学院、数字视频编解码技术国家工程实验室黄铁军教授团队牵头研制的超速全时仿视网膜芯片首次公开亮相。视频即静止图像组成的序列。人类由于具有视觉暂留特性,当影视每秒播放数十幅静止图像时,即可产生连续的视觉感受。在黄铁军看来,长期被误认做智能系统“眼睛”的传统视频摄像头与新一代人工智能并不匹配,视网膜芯片才是真正解决计算机视觉问题的第一步。