您当前的位置：成果库 > 糖尿病视网膜病变的早期筛查系统
8801
2022/04/06
咨询成果
发布成果基本信息
- 成果类型 高等院校
- 委托机构 西安电子科技大学
- 成果持有方 西安电子科技大学
- 行业领域 医疗器械
- 项目名称 糖尿病视网膜病变的早期筛查系统
- 知识产权 发明专利
-
项目简介
（一）项目背景
"生物材料与信息转化BIT"团队目前有 1 名教授，2 名博士，12 名硕士， 负责人吕锐婵，西安电子科技大学教授/博导。洪堡学者，陕西省普通高校“青年杰出人才”，“华山学者”菁英人才。近年来主要从事分子影像纳米探针设计、生物成像及抗癌诊疗，在哈尔滨工程大学获得工学学士（2006-2010） 和工学博士学位（2012-2015），并在中航企业工作两年（2010-2012），在美国纽约州立大学ILPB 和德国马堡大学的Biophotonik 实验室进行了生物光子与发光材料的博士后工作（2015-2017）。主持多项国家自然科学基金和横向项目，国家重点研发计划骨干，并与医院和企业合作推进生物材料、影像探针的临床应用许可。发表 SCI 论文 61 篇，引用 2600 余次，其中第一/通讯作者 41 篇，含中科院分区一区论文 13 篇，IF>10 论文 7 篇，封面论文 9 篇，授权专利 7 项，软著 1 项。现任中国医药生物技术协会造影技术分会委员，获“徐叙瑢发光学优秀青年学术论文奖”、珠海分子影像“青年学子奖”等。
目前主要研究方向：1、探针用于生物成像、癌症早诊、术中导航；2、优化算法用于组合化学、生物信息靶点挖掘；3、疾病检测软硬件。
（二）项目简介
该项目具备论文和软著支持，在西安市第九医院应用。技术核心：使用 PyTorch 深度学习框架，基于 EfficientNet 构建了眼底病变非增生型病变分期（国际分期分为五个不同严重程度，0 期为无明显病变 4 期为严重病变）模型接近国际先进水平。
基于Faster RCNN 两阶段检测网络基本架构使用新的训练方式对低分辨率的图片进行超分以及改进的特征金字塔结构构建了最终的模型。我们提出的检测模型在没有使用预先分割 mini patches 进行训练 CNN 网络的情况下, 在E_ophtha_MA 数据集上在(False Positives per Image)FPI>6 时sensitivity大于 0.8, 超过了目前已知的算法和医生的表现。
（三）关键技术
该项目采用Lanczos 插值方法进行图像超分辨、卷积神经网络进特征提取并采用优化的训练方法和模型结构等可解决以下问题：
在 DR 分期算法中。结合临床知识（例如 MA 的数量会与分期数字成正相关等）将 5 分类问题转换成回归问题。从而更好的预测了分期结果。
在 DR 分期算法中。使用多个不同深度，宽度的网络进行特征提取将各个模型做bagging 操作加权求和得到最终预测结果。更好的预测了分期结果， 在 Kaggle 2019 年 DR 分期的数据上得到 quadratic weighted kappa (QWK)为0.92 左右。
在 MA 检测算法中。通过 Lanczos 超分辨算法，保留微血管瘤的边界信息并扩大检测目标的大小，更能够在深层的卷积神经网络中保留足够的信息从而达到较好的检测效果。
在 MA 检测算法中。通过针对 MA 检测而改进的多尺度特征融合结构提高了检测效果。
MA 检测算法大幅提高 MA 病灶检测准确率。E_ophtha_MA 数据集上在(False Positives per Image)FPI>6 时 sensitivity 大于 0.8，超过了目前已知的算法和医生的表现。 -
交易信息
- 意向交易额 面议
- 挂牌时间 2023/04/06
- 委托机构 西安电子科技大学
- 联系人姓名 苏老师
- 联系人电话 13991958837
- 联系人邮箱 51978575@qq.com
- 分享至：
