CN105411525A - 一种眼底照片图像智能获取识别系统 - Google Patents
一种眼底照片图像智能获取识别系统 Download PDFInfo
- Publication number
- CN105411525A CN105411525A CN201510758675.7A CN201510758675A CN105411525A CN 105411525 A CN105411525 A CN 105411525A CN 201510758675 A CN201510758675 A CN 201510758675A CN 105411525 A CN105411525 A CN 105411525A
- Authority
- CN
- China
- Prior art keywords
- photograph image
- fundus photograph
- region
- optic disc
- blood vessel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 210000004204 blood vessel Anatomy 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 17
- 238000002372 labelling Methods 0.000 claims description 16
- 238000013473 artificial intelligence Methods 0.000 claims description 14
- 208000032843 Hemorrhage Diseases 0.000 claims description 13
- 210000003462 vein Anatomy 0.000 claims description 13
- 238000000265 homogenisation Methods 0.000 claims description 12
- 210000002189 macula lutea Anatomy 0.000 claims description 11
- 210000001367 artery Anatomy 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 230000000740 bleeding effect Effects 0.000 claims description 6
- 210000000416 exudates and transudate Anatomy 0.000 claims description 6
- 210000003141 lower extremity Anatomy 0.000 claims description 6
- 210000001525 retina Anatomy 0.000 claims description 5
- 230000001788 irregular Effects 0.000 claims description 3
- 230000002792 vascular Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 201000010099 disease Diseases 0.000 abstract description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 5
- 210000003746 feather Anatomy 0.000 abstract 1
- 230000003902 lesion Effects 0.000 abstract 1
- 230000003287 optical effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000004438 eyesight Effects 0.000 description 5
- 208000030533 eye disease Diseases 0.000 description 4
- 210000004220 fundus oculi Anatomy 0.000 description 3
- 206010061818 Disease progression Diseases 0.000 description 1
- 208000010412 Glaucoma Diseases 0.000 description 1
- 206010063341 Metamorphopsia Diseases 0.000 description 1
- 208000022873 Ocular disease Diseases 0.000 description 1
- 206010038491 Renal papillary necrosis Diseases 0.000 description 1
- 208000002367 Retinal Perforations Diseases 0.000 description 1
- 206010038897 Retinal tear Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000002008 hemorrhagic effect Effects 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004281 retinal morphology Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
- 230000009978 visual deterioration Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Landscapes
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了一种眼底照片图像智能获取识别系统，包括眼底照相机、电脑以及安装在电脑中的人工智能处理程序；所述人工智能处理程序包括：眼底照片图像的特征识别单元；眼底照片图像的特征标记单元；眼底照片图像的特征测量单元；眼底照片图像的评定单元。该获取识别系统，在拍摄完成眼底照片后，自动通过其内置的眼底图片人工智能处理程序对于超常量的眼底照片直接给出正常分级报告，而仅将疑似病灶的病例发送到其人工智能处理云平台，通过更大的样本库、更强的计算能力提供云端的自动评定，同时允许眼科专家通过云计算平台进行手动分级，是一种在保证准确率的前提下显著提高眼底疾病诊断速度的有效解决方案。
Description
技术领域
本发明涉及一种眼病的诊断设备，具体是一种眼底照片图像获取及识别系统。
背景技术
眼睛是人体最重要的器官之一，人从外界获取的信息有80%是通过眼睛来实现的。一旦发生眼疾，轻则影响视觉质量及外观，重则致盲致残。视力的缺损势必让患者的生活质量大打折扣。眼病治疗关键不仅在于及早就医治疗，更关键的是得到权威专家的准确诊断以及科学的治疗建议。
隐匿性眼病如青光眼、糖尿病视网膜病变等在早期无视力改变的症状，眼底照相是早期发现隐匿性眼病的有效方法，对指导眼底疾病的诊治、评估全身健康状况都有重要意义。眼底照相是近年来在临床采用得比较多的眼底检查，就是利用特殊的一起如数码相机，和眼底镜连接，将眼底的图像在计算机上显示，可以打印下来保存在病历，还可以再治疗前后做个对比。它能够客观的记录眼底后极部视网膜形态学变化，具有较好的客观性、重复性和可对比性。用眼底图像进行眼底筛查，由读片中心的眼科专家对眼底图片进行读片分级，可以使患者得到早期的治疗，延缓病情进展，实现从疾病治疗到疾病预防的转变。
但是，采用眼底照相技术的眼底筛查项目通常会产生大量需要读片员读片分级的眼底图像，其中，80%以上的眼底照片是正常视网膜，这种情况将导致大部分的分级工作时间消耗在没有任何眼部疾病征兆的正常眼底照片中。
发明内容
本发明的目的是克服现有技术中的不足，提供一种在保证准确率的前提下显著提高眼底疾病诊断速度的眼底照片图像智能获取识别系统。
为实现上述目的，本发明所采用的技术方案是：
一种眼底照片图像智能获取识别系统，包括眼底照相机、电脑以及安装在电脑中的人工智能处理程序；所述人工智能处理程序包括：
1)眼底照片图像的特征识别单元，该单元包括：
（1）视盘识别模块：用以在眼底照相机传送过来的眼底照片图像中查找视盘区域；
（2）视杯识别模块：用以在视盘识别模块查找到的视盘区域内查找视杯区域；
（3）黄斑识别模块：用以在视盘区域的附近查找黄斑区域；
（4）渗出识别模块：用以在眼底照片图像中查找是否有渗出物，如果发现眼底照片图像中存在边界清晰但不规则的黄白色小点或蜡黄色区域，则存在渗出物；
（5）血管识别模块：用以在眼底照片图像中查找血管的分布，在眼底照片图像中呈细长条状且颜色较深的图样则为血管；
（6）出血识别模块：用以在眼底照片图像中查找是否有出血现象，如在在眼底照片图像中呈现块状的暗红色区域或长条状的暗红色区域，则存在出血现象；
2)眼底照片图像的特征标记单元，该单元包括：
（1）视杯视盘扫描线标记模块：用以标记VCDR扫描线和Rim扫描线；从左至右扫描
视盘及视杯区域，对于每一条垂直扫描线,查找以下交点：扫描线与视盘上边缘的交点，记为A，扫描线与视杯上边缘的交点，记为B，扫描线与视杯下边缘的交点，记为C，扫描线与视盘下边缘的交点，记为D；当|BC|取得最大值时，当前扫描线记为VCDR扫描线,并标记BC线段；当MIN(|AB|,|CD|)取得最小值时，当前扫描线记为Rim扫描线,并标记AB或CD中较短的线段；
（2）动静脉标记模块：用以对动脉血管和静脉血管进行标记，血管识别模块查找到的血管中，较粗的血管为动脉血管，较细的血管为静脉血管，将动脉血管和静脉血管用不同的颜色进行标记；
3)眼底照片图像的特征测量单元，该单元包括：
（1）垂直杯盘比测量模块：利用VCDR扫描线，计算BC/AD的比值，记为垂直杯盘比；
（2）盘缘厚度测量模块：利用Rim扫描线，计算MIN(AB,CD)的值，记为盘缘厚度；
（3）动静脉比测量模块：动静脉比的计算为：
AVR（动静脉比）=多条动脉血管的宽度的均值/静脉血管的宽度的最大值，
其中：血管的宽度=血管图像的面积/血管的长度，所述血管图像是指以视盘中心为圆心，2.67至3倍半径所形成的环形区域内的血管区域；所述血管长度是指对血管图像进行骨架计算后的像素点数；
4)眼底照片图像的评定单元：根据垂直杯盘比、动静脉比、出血识别模块的识别结果以及渗出识别模块的识别结果来评定眼底照片图像中的视网膜是否正常，并对眼底照片图像进行分类。
进一步地，所述人工智能处理程序还包括平面拼接单元，当眼底照片图像不完整时，平面拼接单元用以将多幅指向不同方位拍摄的眼底照片图像拼接为一幅图像，以得到完整的包含各区域的眼底照片。
进一步地，还包括云平台，所述电脑将眼底照片图像的评定单元评出的非正常的眼底照片图像通过互联网传送给云平台。
进一步地，所述云平台中安装有所述的人工智能处理程序。
进一步地，所述视盘识别模块所采用的识别方法如下：A、初步确定视盘所在的候选区域；B、对候选区域进行模糊化处理，与此同时对候选区域进行均一化处理；C、对模糊化处理的候选区域采用内扩算法寻找到模糊化处理的视盘，对均一化处理的候选区域采用外伸算法寻找到均一化处理的视盘；D、寻找模糊化处理的视盘和均一化处理的视盘的重叠区域；E、在重叠区域，通过血管找到视盘的中心,从而最终确定视盘的区域。
本发明的有益效果：
提供一种眼底照片图像智能获取识别系统，在拍摄完成眼底照片后，自动通过其内置的眼底图片人工智能处理程序对于超常量的眼底照片直接给出正常分级报告，而仅将疑似病灶的病例发送到其人工智能处理云平台，通过更大的样本库、更强的计算能力提供云端的自动评定，同时允许眼科专家通过云计算平台进行手动分级，是一种在保证准确率的前提下显著提高眼底疾病诊断速度的有效解决方案。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明：
图1为本发明的结构示意框图；
图2为底照片图像人工智能处理程序模块化的结构框图；
图3为视盘识别模块所采用的识别方法的流程图；
图4为视杯识别模块的具体算法的流程图；
图5为视盘区域和视杯区域扫描线的示意图；
图6为眼底照片图像的评定单元的具体算法的流程图；
图7为拼接后的完整的包含各区域的眼底照片图像；
图8为视盘识别前后的一组眼底照片图像的对比图；
图9为视杯识别前后的一组眼底照片图像的对比图；
图10为黄斑识别前后的一组眼底照片图像的对比图；
图11为渗出识别前后的一组眼底照片图像的对比图；
图12为出血识别前后的一组眼底照片图像的对比图；
图13为动静脉标记前后的一组眼底照片图像的对比图。
具体实施方式
如图1所示，一种眼底照片图像智能获取识别系统，包括眼底照相机、电脑、云平台以及安装在电脑中的人工智能处理程序。所述电脑将眼底照片图像的评定单元评出的非正常的眼底照片图像通过互联网传送给云平台，所述云平台中安装有所述的人工智能处理程序。
如图2所示，所述人工智能处理程序包括：
1)平面拼接单元：为了呈现更多的局部细节，拍照人员通常以几个重要的眼底方位为中心利用眼底照相机对眼底区域进行拍照，每张图片只覆盖部分眼底区域，平面拼接单元用以将多幅指向不同方位拍摄的眼底照片图像拼接为一幅图像，以得到完整的包含各区域的眼底照片，拼接后的图像如图7所示。如果拍照人员已经拍摄了包含完整区域的眼底照片则跳过此步骤。
2)眼底照片图像的特征识别单元，该单元包括：
（1）视盘识别模块：用以在眼底照相机传送过来的眼底照片图像中查找视盘区域。
视盘全称视神经盘或视神经乳头，视网膜由黄斑向鼻侧约3mm处有一直径约1.5mm，境界清楚的淡红色圆盘状结构。
视盘的特征：1、通常表现为近似圆形的黄色或白色区域；2、血管从视盘中心延伸出来。
如图3所示，所述视盘识别模块所采用的识别方法如下：A、初步确定视盘所在的候选区域；B、对候选区域进行模糊化处理，与此同时对候选区域进行均一化处理；C、对模糊化处理的候选区域采用内扩算法寻找到模糊化处理的视盘，对均一化处理的候选区域采用外伸算法寻找到均一化处理的视盘；D、寻找模糊化处理的视盘和均一化处理的视盘的重叠区域；E、在重叠区域，通过血管找到视盘的中心,从而最终确定视盘的区域。眼底照片图像如图8所示，图中的左图为需要识别的眼底照片图像，图中的右图为眼底照片图像中红色区域为识别到的视盘区域。
（2）视杯识别模块：用以在视盘识别模块查找到的视盘区域内查找视杯区域。
视杯是视盘中心的白色杯状区域。视杯大小与视盘大小的比值是诊断青光眼的重要依据。
视杯的特征：1、位于视盘内部；2、亮度通常比视盘平均亮度高；3、在边缘处血管发生转折。视盘识别模块主要根据视杯的特征来对视杯进行查找的。视杯识别模块的具体算法的流程图如图4所示，眼底照片图像如图9所示，图中的左图为需要识别的眼底照片图像，图中的右图为眼底照片图像中红色区域为识别到的视杯区域。
（3）黄斑识别模块：用以在视盘区域的附近查找黄斑区域，根据黄斑的特征对黄斑
进行查找。
黄斑区在眼底视神经盘的颞侧0.35cm处并稍下方，处于人眼的光学中心区，是视力轴线的投影点。黄斑区富含叶黄素，与周围视网膜相比颜色较暗。黄斑区是视网膜的一个重要区域，位于眼后极部，主要与精细视觉及色觉等视功能有关。一旦黄斑区出现病变，常常出现视力下降、眼前黑影或视物变形。眼底照片图像如图10所示，图中的左图为需要识别的眼底照片图像，图中的右图为眼底照片图像中绿色区域为黄斑区。黄斑区被划分为9个区域，划分规则为：1、由以黄斑区中心点为圆心，以视盘直径的1/3倍、1倍和2倍为半径作3个同心圆；2、从黄斑区中心点向45°、135°、225°和315°方向作4条射线，其落在小圆和大圆中间的部分。
特征：1、黄斑处于人眼的光学中心，在视盘颞侧约0.35cm处并稍下方；2、黄斑区域较暗，呈红褐色，近似圆形；3、黄斑的中央有一个很小的凹陷，为视觉最敏锐处，在眼底图像中为黄斑区域最暗的中心。
（4）渗出识别模块：用以在眼底照片图像中查找是否有渗出物，如果发现眼底照片图像中存在边界清晰但不规则的黄白色小点或蜡黄色区域，则存在渗出物；眼底照片图像如图11所示，图中的左图为需要识别的眼底照片图像，图中的右图为眼底照片图像中的黄色区域为识别到的渗出区域；
（5）血管识别模块：用以在眼底照片图像中查找血管的分布，在眼底照片图像中呈细长条状且颜色较深的图样则为血管；
（6）出血识别模块：用以在眼底照片图像中查找是否有出血现象，如在在眼底照片图像中呈现块状的暗红色区域或长条状的暗红色区域，则存在出血现象；眼底照片图像如图12所示，图中的左图为需要识别的眼底照片图像，图中的右图为眼底照片图像中的粉红色区域为识别到的出血区域；
3)眼底照片图像的特征标记单元，该单元包括：
（1）视杯视盘扫描线标记模块：用以标记VCDR扫描线和Rim扫描线；从左至右扫描视盘及视杯区域，对于每一条垂直扫描线,查找以下交点：如图5所示，图中大圆为视盘区域，小圆为视杯区域，图中的1、5、7、11之间的区域为扫描范围，扫描线与视盘上边缘的交点，记为A，扫描线与视杯上边缘的交点，记为B，扫描线与视杯下边缘的交点，记为C，扫描线与视盘下边缘的交点，记为D；当|BC|取得最大值时，当前扫描线记为VCDR扫描线,并标记BC线段；当MIN(|AB|,|CD|)取得最小值时，当前扫描线记为Rim扫描线,并标记AB或CD中较短的线段；
（2）动静脉标记模块：用以对动脉血管和静脉血管进行标记，血管识别模块查找到的血管中，较粗的血管为动脉血管，较细的血管为静脉血管，将动脉血管和静脉血管用不同的颜色进行标记；眼底照片图像如图13所示，图中的左图为需要识别的眼底照片图像，图中的右图为眼底照片图像中的白线是血管识别模块标识出来的血管的分布图，红色线是在白线上进行描绘的，表示动脉血管，蓝色线是在白线上进行描绘的，表示为静脉血管。
4)眼底照片图像的特征测量单元，该单元包括：
（1）垂直杯盘比测量模块：利用VCDR扫描线，计算BC/AD的比值，记为垂直杯盘比；
（2）盘缘厚度测量模块：利用Rim扫描线，计算MIN(AB,CD)的值，记为盘缘厚度；
（3）动静脉比测量模块：动静脉比的计算为：
AVR（动静脉比）=多条动脉血管的宽度的均值/静脉血管的宽度的最大值，
其中：血管的宽度=血管图像的面积/血管的长度，所述血管图像是指以视盘中心为圆心，2.67至3倍半径所形成的环形区域内的血管区域；所述血管长度是指对血管图像进行骨架计算后的像素点数；
5)眼底照片图像的评定单元：
根据垂直杯盘比、盘缘厚度、动静脉比、出血、渗出、黄斑识别模块的识别结果来评定眼底照片图像中的视网膜是否正常，并对眼底照片图像进行分类和标记，具体流程如图6所示，正常的眼底照片图像为超常量图像，非正常的眼底照片图像为非超常量图像，通过眼底照片图像的评定单元的评定将图像分成两类：超常量图像和非超常量图像，进一步地，对于非超常量图像标记是否有黄斑病灶。
以上所述是本发明的优选实施方式而已，当然不能以此来限定本发明之权利范围，应当指出，对于本技术领域的普通技术人员来说，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的保护范围。
Claims (5)
1.一种眼底照片图像智能获取识别系统，其特征在于：包括眼底照相机、电脑以及安装在电脑中的人工智能处理程序；所述人工智能处理程序包括：
眼底照片图像的特征识别单元，该单元包括：
（1）视盘识别模块：用以在眼底照相机传送过来的眼底照片图像中查找视盘区域；
（2）视杯识别模块：用以在视盘识别模块查找到的视盘区域内查找视杯区域；
（3）黄斑识别模块：用以在视盘区域的附近查找黄斑区域；
（4）渗出识别模块：用以在眼底照片图像中查找是否有渗出物，如果发现眼底照片图像中存在边界清晰但不规则的黄白色小点或蜡黄色区域，则存在渗出物；
（5）血管识别模块：用以在眼底照片图像中查找血管的分布，在眼底照片图像中呈细长条状且颜色较深的图样则为血管；
（6）出血识别模块：用以在眼底照片图像中查找是否有出血现象，如在在眼底照片图像中呈现块状的暗红色区域或长条状的暗红色区域，则存在出血现象；
眼底照片图像的特征标记单元，该单元包括：
（1）视杯视盘扫描线标记模块：用以标记VCDR扫描线和Rim扫描线；从左至右扫描
视盘及视杯区域，对于每一条垂直扫描线,查找以下交点：扫描线与视盘上边缘的交点，记为A，扫描线与视杯上边缘的交点，记为B，扫描线与视杯下边缘的交点，记为C，扫描线与视盘下边缘的交点，记为D；当|BC|取得最大值时，当前扫描线记为VCDR扫描线,并标记BC线段；当MIN(|AB|,|CD|)取得最小值时，当前扫描线记为Rim扫描线,并标记AB或CD中较短的线段；
（2）动静脉标记模块：用以对动脉血管和静脉血管进行标记，血管识别模块查找到的血管中，较粗的血管为动脉血管，较细的血管为静脉血管，将动脉血管和静脉血管用不同的颜色进行标记；
眼底照片图像的特征测量单元，该单元包括：
（1）垂直杯盘比测量模块：利用VCDR扫描线，计算BC/AD的比值，记为垂直杯盘比；
（2）盘缘厚度测量模块：利用Rim扫描线，计算MIN(AB,CD)的值，记为盘缘厚度；
（3）动静脉比测量模块：动静脉比的计算为：
AVR（动静脉比）=多条动脉血管的宽度的均值/静脉血管的宽度的最大值，
其中：血管的宽度=血管图像的面积/血管的长度，所述血管图像是指以视盘中心为圆心，2.67至3倍半径所形成的环形区域内的血管区域；所述血管长度是指对血管图像进行骨架计算后的像素点数；
眼底照片图像的评定单元：根据垂直杯盘比、动静脉比、出血识别模块的识别结果以及渗出识别模块的识别结果来评定眼底照片图像中的视网膜是否正常，并对眼底照片图像进行分类。
2.根据权利要求1所述的眼底照片图像智能获取识别系统，其特征在于：所述人工智能处理程序还包括平面拼接单元，当眼底照片图像不完整时，平面拼接单元用以将多幅指向不同方位拍摄的眼底照片图像拼接为一幅图像，以得到完整的包含各区域的眼底照片。
3.根据权利要求1所述的眼底照片图像智能获取识别系统，其特征在于：还包括云平台，所述电脑将眼底照片图像的评定单元评出的非正常的眼底照片图像通过互联网传送给云平台。
4.根据权利要求3所述的眼底照片图像智能获取识别系统，其特征在于：所述云平台中安装有所述的人工智能处理程序。
5.根据权利要求1所述的眼底照片图像智能获取识别系统，其特征在于：所述视盘识别模块所采用的识别方法如下：A、初步确定视盘所在的候选区域；B、对候选区域进行模糊化处理，与此同时对候选区域进行均一化处理；C、对模糊化处理的候选区域采用内扩算法寻找到模糊化处理的视盘，对均一化处理的候选区域采用外伸算法寻找到均一化处理的视盘；D、寻找模糊化处理的视盘和均一化处理的视盘的重叠区域；E、在重叠区域，通过血管找到视盘的中心,从而最终确定视盘的区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510758675.7A CN105411525B (zh) | 2015-11-10 | 2015-11-10 | 一种眼底照片图像智能获取识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510758675.7A CN105411525B (zh) | 2015-11-10 | 2015-11-10 | 一种眼底照片图像智能获取识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105411525A true CN105411525A (zh) | 2016-03-23 |
| CN105411525B CN105411525B (zh) | 2017-05-31 |
Family
ID=55490417
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510758675.7A Active CN105411525B (zh) | 2015-11-10 | 2015-11-10 | 一种眼底照片图像智能获取识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105411525B (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106725295A (zh) * | 2016-11-29 | 2017-05-31 | 瑞达昇科技(大连)有限公司 | 一种微型体检设备、装置及其使用方法 |
| CN106725292A (zh) * | 2016-12-30 | 2017-05-31 | 深圳市新产业眼科新技术有限公司 | 多光谱眼底成像远程诊疗系统及其运行方法 |
| CN107680683A (zh) * | 2017-10-09 | 2018-02-09 | 上海睦清视觉科技有限公司 | 一种ai眼部健康评估方法 |
| CN107713981A (zh) * | 2017-10-09 | 2018-02-23 | 上海睦清视觉科技有限公司 | 一种ai眼科健康检测设备及其检测方法 |
| CN108392174A (zh) * | 2018-04-19 | 2018-08-14 | 梁建宏 | 一种早产儿视网膜病变的自动检查方法及系统 |
| CN108492872A (zh) * | 2017-07-21 | 2018-09-04 | 湖州师范学院 | 智能辅助诊断系统 |
| CN108765379A (zh) * | 2018-05-14 | 2018-11-06 | 深圳明眸科技有限公司 | 眼底病变区域面积的计算方法、装置、医疗设备和存储介质 |
| CN109199322A (zh) * | 2018-08-31 | 2019-01-15 | 福州依影健康科技有限公司 | 一种黄斑检测方法及一种存储设备 |
| CN110037651A (zh) * | 2018-01-15 | 2019-07-23 | 江威 | 眼底图像的质量控制方法及装置 |
| CN110327013A (zh) * | 2019-05-21 | 2019-10-15 | 北京至真互联网技术有限公司 | 眼底图像检测方法、装置及设备和存储介质 |
| WO2019206209A1 (zh) * | 2018-04-26 | 2019-10-31 | 上海鹰瞳医疗科技有限公司 | 基于机器学习的眼底图像检测方法、装置及系统 |
| WO2020042405A1 (zh) * | 2018-08-31 | 2020-03-05 | 福州依影健康科技有限公司 | 一种眼底图像定量分析的前置处理方法及存储设备 |
| WO2020042500A1 (zh) * | 2018-08-31 | 2020-03-05 | 福州依影健康科技有限公司 | 一种基于远程眼底筛查的健康大数据服务方法和系统 |
| CN112053780A (zh) * | 2020-08-24 | 2020-12-08 | 宁波市眼科医院 | 一种基于眼底图片的人工智能白内障筛查转诊系统 |
| CN112168135A (zh) * | 2019-07-05 | 2021-01-05 | 顺天乡大学校产学协力团 | 基于人工智能的眼球疾病诊断装置及方法 |
| CN113724857A (zh) * | 2021-08-27 | 2021-11-30 | 清华大学深圳国际研究生院 | 基于眼底图像视网膜血管的眼底疾病自动诊断装置 |
| CN114549395A (zh) * | 2021-12-14 | 2022-05-27 | 依未科技(北京)有限公司 | 基于视计算的图像特征确定的方法、装置、介质和设备 |
| CN115497229A (zh) * | 2022-09-15 | 2022-12-20 | 江苏至真健康科技有限公司 | 无人自助的便携式免散瞳眼底照相机的使用方法及系统 |
| WO2024230660A1 (zh) * | 2023-05-08 | 2024-11-14 | 北京七鑫易维信息技术有限公司 | 眼球追踪的处理方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1189535A1 (en) * | 1999-04-29 | 2002-03-27 | Torsana Diabetes Diagnostics A/S | Analysis of fundus images |
| AU2008356237A1 (en) * | 2008-05-14 | 2009-11-19 | Agency For Science, Technology And Research | Automatic cup-to-disc ratio measurement system |
| WO2011059409A1 (en) * | 2009-11-16 | 2011-05-19 | Jiang Liu | Obtaining data for automatic glaucoma screening, and screening and diagnostic techniques and systems using the data |
| CN102283634A (zh) * | 2011-07-12 | 2011-12-21 | 曹米莎 | 一种基于图像识别的眼底图像检验方法及系统 |
| CN102843957A (zh) * | 2009-08-24 | 2012-12-26 | 新加坡保健服务集团有限公司 | 一种用于检测视盘出血的方法及系统 |
| CN103870838A (zh) * | 2014-03-05 | 2014-06-18 | 南京航空航天大学 | 糖尿病视网膜病变的眼底图像特征提取方法 |
-
2015
- 2015-11-10 CN CN201510758675.7A patent/CN105411525B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1189535A1 (en) * | 1999-04-29 | 2002-03-27 | Torsana Diabetes Diagnostics A/S | Analysis of fundus images |
| AU2008356237A1 (en) * | 2008-05-14 | 2009-11-19 | Agency For Science, Technology And Research | Automatic cup-to-disc ratio measurement system |
| CN102843957A (zh) * | 2009-08-24 | 2012-12-26 | 新加坡保健服务集团有限公司 | 一种用于检测视盘出血的方法及系统 |
| WO2011059409A1 (en) * | 2009-11-16 | 2011-05-19 | Jiang Liu | Obtaining data for automatic glaucoma screening, and screening and diagnostic techniques and systems using the data |
| CN102283634A (zh) * | 2011-07-12 | 2011-12-21 | 曹米莎 | 一种基于图像识别的眼底图像检验方法及系统 |
| CN103870838A (zh) * | 2014-03-05 | 2014-06-18 | 南京航空航天大学 | 糖尿病视网膜病变的眼底图像特征提取方法 |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106725295A (zh) * | 2016-11-29 | 2017-05-31 | 瑞达昇科技(大连)有限公司 | 一种微型体检设备、装置及其使用方法 |
| CN106725292A (zh) * | 2016-12-30 | 2017-05-31 | 深圳市新产业眼科新技术有限公司 | 多光谱眼底成像远程诊疗系统及其运行方法 |
| CN106725292B (zh) * | 2016-12-30 | 2018-07-24 | 深圳市新产业眼科新技术有限公司 | 多光谱眼底成像远程诊疗系统及其运行方法 |
| CN108492872A (zh) * | 2017-07-21 | 2018-09-04 | 湖州师范学院 | 智能辅助诊断系统 |
| CN107680683A (zh) * | 2017-10-09 | 2018-02-09 | 上海睦清视觉科技有限公司 | 一种ai眼部健康评估方法 |
| CN107713981A (zh) * | 2017-10-09 | 2018-02-23 | 上海睦清视觉科技有限公司 | 一种ai眼科健康检测设备及其检测方法 |
| CN110037651B (zh) * | 2018-01-15 | 2022-03-25 | 江威 | 眼底图像的质量控制方法及装置 |
| CN110037651A (zh) * | 2018-01-15 | 2019-07-23 | 江威 | 眼底图像的质量控制方法及装置 |
| CN108392174A (zh) * | 2018-04-19 | 2018-08-14 | 梁建宏 | 一种早产儿视网膜病变的自动检查方法及系统 |
| WO2019206209A1 (zh) * | 2018-04-26 | 2019-10-31 | 上海鹰瞳医疗科技有限公司 | 基于机器学习的眼底图像检测方法、装置及系统 |
| CN108765379B (zh) * | 2018-05-14 | 2019-11-19 | 深圳明眸科技有限公司 | 眼底病变区域面积的计算方法、装置、医疗设备和存储介质 |
| CN108765379A (zh) * | 2018-05-14 | 2018-11-06 | 深圳明眸科技有限公司 | 眼底病变区域面积的计算方法、装置、医疗设备和存储介质 |
| WO2020042500A1 (zh) * | 2018-08-31 | 2020-03-05 | 福州依影健康科技有限公司 | 一种基于远程眼底筛查的健康大数据服务方法和系统 |
| CN109199322A (zh) * | 2018-08-31 | 2019-01-15 | 福州依影健康科技有限公司 | 一种黄斑检测方法及一种存储设备 |
| CN110875092B (zh) * | 2018-08-31 | 2023-10-20 | 福州依影健康科技有限公司 | 一种基于远程眼底筛查的健康大数据服务方法和系统 |
| CN110875092A (zh) * | 2018-08-31 | 2020-03-10 | 福州依影健康科技有限公司 | 一种基于远程眼底筛查的健康大数据服务方法和系统 |
| WO2020042405A1 (zh) * | 2018-08-31 | 2020-03-05 | 福州依影健康科技有限公司 | 一种眼底图像定量分析的前置处理方法及存储设备 |
| GB2591910A (en) * | 2018-08-31 | 2021-08-11 | Fuzhou Yiying Health Tech Co Ltd | Preprocessing method for performing quantitative analysis on fundus image, and storage device |
| TWI719587B (zh) * | 2018-08-31 | 2021-02-21 | 大陸商福州依影健康科技有限公司 | 眼底圖像定量分析的前置處理方法及存放裝置 |
| CN110327013B (zh) * | 2019-05-21 | 2022-02-15 | 北京至真互联网技术有限公司 | 眼底图像检测方法、装置及设备和存储介质 |
| CN110327013A (zh) * | 2019-05-21 | 2019-10-15 | 北京至真互联网技术有限公司 | 眼底图像检测方法、装置及设备和存储介质 |
| CN112168135A (zh) * | 2019-07-05 | 2021-01-05 | 顺天乡大学校产学协力团 | 基于人工智能的眼球疾病诊断装置及方法 |
| CN112053780A (zh) * | 2020-08-24 | 2020-12-08 | 宁波市眼科医院 | 一种基于眼底图片的人工智能白内障筛查转诊系统 |
| CN113724857A (zh) * | 2021-08-27 | 2021-11-30 | 清华大学深圳国际研究生院 | 基于眼底图像视网膜血管的眼底疾病自动诊断装置 |
| CN114549395A (zh) * | 2021-12-14 | 2022-05-27 | 依未科技(北京)有限公司 | 基于视计算的图像特征确定的方法、装置、介质和设备 |
| CN115497229A (zh) * | 2022-09-15 | 2022-12-20 | 江苏至真健康科技有限公司 | 无人自助的便携式免散瞳眼底照相机的使用方法及系统 |
| CN115497229B (zh) * | 2022-09-15 | 2023-09-12 | 江苏至真健康科技有限公司 | 无人自助的便携式免散瞳眼底照相机的使用方法及系统 |
| WO2024230660A1 (zh) * | 2023-05-08 | 2024-11-14 | 北京七鑫易维信息技术有限公司 | 眼球追踪的处理方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105411525B (zh) | 2017-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105411525A (zh) | 一种眼底照片图像智能获取识别系统 | |
| US12114929B2 (en) | Retinopathy recognition system | |
| CN109528155B (zh) | 一种适用于高度近视并发开角型青光眼的智能筛查系统及其建立方法 | |
| CN111616800B (zh) | 眼科手术导航系统 | |
| US20250195011A1 (en) | System and method for analyzing corneal lesion using anterior ocular segment image, and computer-readable recording medium | |
| AU2018438719A1 (en) | Fundus image automatic analysis and comparison method and storage device | |
| CN108392174B (zh) | 一种早产儿视网膜病变的自动检查方法及系统 | |
| US20210391056A1 (en) | Health big data service method and system based on remote fundus screening | |
| CN109691979A (zh) | 一种基于深度学习的糖尿病视网膜图像病变分类方法 | |
| CN104933715A (zh) | 一种应用于视网膜眼底图像的配准方法 | |
| GB2593824A (en) | Analysis method and system for feature data change of diabetic retinopathy fundus, and storage device | |
| Sivaraman et al. | A novel, smartphone-based, teleophthalmology-enabled, widefield fundus imaging device with an autocapture algorithm | |
| Pinos-Velez et al. | Implementation of support tools for the presumptive diagnosis of Glaucoma through identification and processing of medical images of the human eye | |
| Silvia et al. | Detection of Non-Proliferative Diabetic Retinopathy in fundus images of the human retina | |
| Perez-Rovira et al. | Robust optic disc location via combination of weak detectors | |
| Zhou | [Retracted] Design of Intelligent Diagnosis and Treatment System for Ophthalmic Diseases Based on Deep Neural Network Model | |
| Oloumi et al. | Measurement of vessel width in retinal fundus images of preterm infants with plus disease | |
| Gandhimathi et al. | Detection of neovascularization in proliferative diabetic retinopathy fundus images. | |
| CN115005766A (zh) | 一种婴幼儿眼病筛查装置及系统 | |
| Fung et al. | Accurate and Explainable Cataract Detection Using Eye Images Taken by Hand-held Slit-lamp Cameras | |
| Semerád | Theoretical and Experimental Determination of the Amount of Information in Human Ocular Biometric Characteristics | |
| Zutis et al. | Towards automatic detection of abnormal retinal capillaries in ultra-widefield-of-view retinal angiographic exams | |
| Alamelu et al. | Diabetics retinopathy vision analysis using image identification service analysis approach | |
| Boonarpha et al. | Comparison of optic disc images from two smartphone-based imaging systems in glaucoma patients and suspects | |
| Zheng et al. | VIOMA: Video-based Intelligent Ocular Misalignment Assessment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |