基于深度学习的糖尿病眼底病变智能筛查与辅助诊断系统
1.采用本团队研发的糖尿病视网膜病变辅助诊断系统，用于国际糖尿病视网膜病变筛查，本联合实验室承担智能筛查、辅助诊断与数据管理工作
2.项目覆盖IDF下属7大区域，包括西太平洋、东南亚、非洲、中东与北非、北美与加勒比、中南美洲和欧洲
建立针对糖尿病视网膜病变从早期到中晚期全过程的人工智能辅助诊断系统
人工智能医疗设备应用于“一带一路”有关国家及其他中低收入国家的糖尿病视网膜病变筛查
Duis venenatis, turpis eu bibendum porttitor, sapien quam ultricies tellus, ac rhoncus risus odio eget nunc. Pellentesque ac fermentum diam. Integer eu facilisis nunc, a iaculis felis. Pellentesque pellentesque tempor enim, in dapibus turpis porttitor quis. Suspendisse ultrices hendrerit massa. Nam id metus id tellus ultrices ullamcorper. Cras tempor massa luctus, varius lacus sit amet, blandit lorem. Duis auctor in tortor sed tristique. Proin sed finibus sem.
糖尿病性视网膜病变简称DR，是目前世界上增长最快的致盲原因。DeepDR是一套基于人工智能方法的DR辅助诊断系统，由上海交通大学与上海市第六人民医院共同打造。DeepDR采用目前最先进的深度神经网络，智能判断患者是否患有DR及严重程度，及时给出辅助诊断意见，把握住DR治疗的窗口期。
为用户提供“健康检测→评估→干预→治疗→跟踪”等一站式服务。为患者提供健康综合解决方案。从用户数据收集到用户交流，再到最后面对面诊疗，诊疗完成之后又回到了教育、干预、指导阶段，形成闭环流程，是一个完整的服务体验。实现健康管理个性化和精准化。实现个人对慢性病的早监测、早发现、早诊断和早治疗。
眼底视网膜血管网络是诊断糖尿病视网膜病、青光眼等眼科疾病的重要手段. 根据视网膜血管的树状网络 结构和灰度分布特征, 提出一种基于 Morlet 小波和高斯匹配滤波的分割方法. 首先通过分析二维 Morlet 小波变换对 血管的系数响应来构造血管特征函数图; 随后采用多尺度的离散高斯核对血管骨架进行匹配滤波, 提高微小血管与 背景区域的对比度; 最后结合区域连通性分析和滞后阈值技术滤除背景噪声, 提取出更加精确的血管树细节. 在 DRIVE和STARE数据库上的实验结果表明, 作为非监督类分割方法, 该方法能有效地提取眼底图像的视网膜血管网 络, 粘连现象少, 而且对图像中噪声的鲁棒性较其他方法明显提高, 具有较好的临床应用参考价值.
如果您这里是医院，愿意参与志唐项目发展请联系合作邮箱：deepdr_market@deepdrdoc.com
如果您这里是个人，愿意体验DeepDr请联系试用邮箱：deepdr_market@deepdrdoc.com
如果您想加入志唐团队，与志唐共同成长请联系招聘邮箱：jiayingli@deepdrdoc.com
