识别图片中血管
- 筛选血管周围非节细胞目标,不参与计数
- 去除荧光亮点等非节细胞目标,不参与计数
- 计算量化指标,包括“节细胞总个数”、“节细胞密度”、“平均细胞尺寸”、“荧光点总面积”、“荧光点平均强度”
- 支持多动物类别
- 支持多放大倍率图片(4x、10x、20x、40x)
算法服务
眼科图像分析的高级人工智能算法
我们的人工智能算法套件旨在通过提供自动化、精确和高效的图像
分析功能,彻底改变眼科研究和诊断。下面是我们的主要人工智能算法及其功能的概述。

-
多动物类别眼底荧光节细胞计数
特征节细胞自动打点计数
-
兔眼红色素饱和度分析
特征准确识别定位图像中红色素位置。
排除图像中反光过曝的区域位置,不参与指标计算
计算量化指标,包括红色素像素总面积、红色素饱和度、红色素平均值、红色素最大值、红色素最小值、红色素中位值等
-
视网膜周细胞和内皮细胞计数
特征自动识别视网膜中血管较稀疏、折叠度较低的区域为感兴趣区域
在感兴趣区域中自动识别定位血管内细胞
对血管内细胞进行自动分类,分为周细胞和内皮细胞两类
分别统计周细胞和内皮细胞的总个数及细胞密度
-
糖尿病视网膜图像拼接
特征自动将局部图拼接为完整图像
完整图像支持整图下载
-
小鼠眼底彩照图像拼接
特征识别定位小鼠单只眼球五个视野眼底彩照图像中的眼球,去除背景
将去除背景后的五个视野图片自动拼接为一个完整视野图片
拼接完成的图像每个局部视野图仍支持微调
同时支持黑白眼底图像的定位、拼接、微调
-
食蟹猴眼底彩照图像拼接
特征识别定位食蟹猴单只眼球七个视野眼底彩照图像中的眼球,去除背景
将去除背景后的七个视野图片自动拼接为一个完整视野图片
拼接完成的图像每个局部视野图仍支持微调
同时支持黑白眼底图像的定位、拼接、微调
-
核心价值
特征•自动化:通过精确、自动化的流程减少人工工作量。
•多功能性:支持多种物种和成像方式。
•定制:允许微调以提高准确性和灵活性。
•综合指标:为高级分析提供详细的定量见解。
我们的人工智能算法旨在满足现代眼科研究的需求,确保眼底成像和分析具有无与伦比的准确性和效率。







