苏州比格威医疗科技有限公司专利技术

苏州比格威医疗科技有限公司共有16项专利

  • 本技术涉及医用检测设备领域,并且公开了一种全自动的眼科检测设备,包括Z轴组件以及两个移动组件;其中一个所述移动组件的输出端通过衔接组件可拆卸安装于另一个所述移动组件的底部,另一个所述移动组件的输出端通过所述衔接组件可拆卸安装于所述Z轴组...
  • 本发明公开了一种实时泪膜破裂时间分析方法、装置及系统,包括实时获取具有泪膜破裂的图像,并记录图像采集时间和图像序号;采用滑动窗口的方式,依据图像序号,扣取所述具有泪膜破裂的图像获得局部图;将各局部图转化为单通道灰度图后分别送入预先训练好...
  • 本发明公开了一种基于眼底相干断层扫描仪的光程屈光自动调节方法及装置,所述方法包括按照预设的初始屈光值固定屈光位置,遍历各光程位置,直至能从视网膜图像中定位出视网膜位置,并计算出对应的初始最佳光程值;以所述初始最佳光程值和初始屈光值为起点...
  • 本发明提出了一种基于菲涅尔透镜的内窥式光学相干层析探头,由用于导光的单模光纤、用于准直单模光纤出射光的自聚焦透镜、用于优化轴向光强,调控光场分布的菲涅尔透镜和用于转折光路的微棱镜组成;本发明在保持横向分辨率不变的情况下扩展了光学相干层析...
  • 本发明公开了一种基于视网膜OCT图像的CNV病灶伪造方法、装置及系统,包括利用真实的带CNV病灶的视网膜OCT图像,以及对应的标签,训练出CNV判别器;基于真实的带CNV病灶的视网膜OCT图像,提取出CNV真实特征;获取CNV模拟特征;...
  • 本发明公开了一种OCT影像分层与病灶语义分割方法、装置及存储介质,所述方法包括:获取待检查患者的一只眼的OCT的每个BScan二维切片影像数据;将切片影像数据逐张输入预先训练好的第一阶段的卷积神经网络,得到第一阶段的分层、视盘区域、黄斑...
  • 本发明公开了一种参考臂、眼科OCT成像系统及其成像方法,属于光学成像技术领域。参考臂包括光程调节机构和能够将入射光原路反射的反射镜;光程调节机构包括光程粗调机构和设于光程粗调机构上的光程微调机构;反射镜设于光程微调机构上。本发明的参考臂...
  • 本发明公开了一种眼科光学成像系统,包括OCT成像光源、光线偏转器、眼前节OCT成像模块、眼后节OCT成像模块和目镜;所述OCT成像光源发出的光线经光线偏转器转折分为眼前节OCT光线和眼后节OCT光线;所述眼前节OCT光线经所述眼前节OC...
  • 本发明公开了一种眼科光学相干断层扫描仪及眼部扫描图像获取方法,涉及医疗器械的领域,包括控制器、基座、设于基座上的驱动机构和设于驱动机构上的光学头组件,所述光学头组件上安装有虹膜相机组;所述控制器能够根据虹膜相机组所采集的被测对象的虹膜图...
  • 本发明公开了一种视网膜OCT硬性渗出分割方法,包括:将视网膜OCT图像输入至训练好的U‑net网络模型中,通过前向传播获取对应的二值图像;将所述二值图像与视网膜OCT图像按照比例加权融合,获取特征图像;选取所述特征图像中的若干特征点作为...
  • 本发明公开了一种三维CNV生长预测方法、装置及定量分析方法,所述方法包括将原始OCT序列送入三维分割模型中,分割出原始CNV区域;选择配准基准,将其和原始OCT序列依次配对,并送入三维配准模型,获取配准参数序列;使用配准参数序列,对原始...
  • 本发明公开了一种糖尿病视网膜病变分期预测方法,所述方法包括以下步骤:采集糖尿病患者的眼底彩照图像;将眼底彩照图像输入已训练好的单纯分期网络模型,获取糖网分期结果特征;将眼底彩照图像输入已训练好的病灶分割网络模型,获取糖网病灶分割结果特征...
  • 本发明公开了一种基于条件生成式对抗网络在ICGA图像上分割漆裂纹的方法,包括以下步骤:(1)收集原始ICGA图像,提取完整的眼底造影图像,对其进行金标准标注,将眼底造影图像与金标准进行归一化处理后,拼接为一组图像作为样本数据,按比例将样...
  • 基于动态约束图搜索的视网膜OCT图像中生理参数获取方法
    本发明公开了一种基于动态约束图搜索的视网膜OCT图像中生理参数获取算法,其特征是,包括以下步骤:S01:图像预处理,对以视乳头为中心的三维视网膜OCT图像进行滤波去噪处理;S02:视网膜分层,粗略分割视网膜第一层,获取动态约束参数,基于...
  • 基于三维卷积神经网络的视网膜OCT图像的分类方法
    本发明公开了一种基于三维卷积神经网络的视网膜OCT图像的分类算法,包括以下步骤:S01:采集三种视网膜OCT图像,对三种视网膜进行分类标记;S02:数据预处理,对三维OCT图像数据进行降采样,得到统一大小的三维图像用于输入三维卷积神经网...
  • 一种OCT图像中脉络膜新生血管分割算法
    本发明公开了一种OCT图像中脉络膜新生血管分割算法,包括以下步骤:S01:对训练图像设计一种结构先验学习方法,构建结构先验矩阵,所述结构先验矩阵用于区分脉络膜新生血管区域和背景区域;S02:基于所述结构先验矩阵将OCT原图像转换为显著性...
1