CN116453692A - 一种眼科患病风险评估筛查*** - Google Patents
一种眼科患病风险评估筛查*** Download PDFInfo
- Publication number
- CN116453692A CN116453692A CN202310247964.5A CN202310247964A CN116453692A CN 116453692 A CN116453692 A CN 116453692A CN 202310247964 A CN202310247964 A CN 202310247964A CN 116453692 A CN116453692 A CN 116453692A
- Authority
- CN
- China
- Prior art keywords
- fundus
- module
- image
- key
- screening
- 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.)
- Pending
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 75
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 75
- 238000012216 screening Methods 0.000 title claims abstract description 66
- 238000012502 risk assessment Methods 0.000 title claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 70
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 13
- 230000006806 disease prevention Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 206010025482 malaise Diseases 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 9
- 210000001508 eye Anatomy 0.000 description 4
- 208000030533 eye disease Diseases 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 210000000795 conjunctiva Anatomy 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000004561 lacrimal apparatus Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Ophthalmology & Optometry (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了风险评估筛查***技术领域的一种眼科患病风险评估筛查***,包括视频采集模块,用于采集预评估的眼底视频信息;视频处理模块,用于提取眼底视频信息中的若干关键眼底图像;图像特征识别模块,用于将编号后的关键眼底图像分别与参考眼底图像进行对比;图像特征处理模块:用于根据卷积神经网络识别出的区别处进行不同操作,输出评估眼底图像;初次评估筛查模块,用于输出眼科患病风险结果以及其准确度;二次评估筛查模块,用于对准确度低的眼科患病风险结果重新评估。本发明,通过对眼底进行视频采集,再提取其中适宜评估筛查的眼底图像,从而降低眼底图像采集不准确对评估筛查结果的干扰,提高评估筛查的准确度。
Description
技术领域
本发明属于风险评估筛查***技术领域,具体是一种眼科患病风险评估筛查***。
背景技术
眼科检查是眼的一般检查,包括眼附属器和眼前段检查。眼附属器检查包括眼睑、结膜、泪器、眼球位置和眼眶的检查。眼科检查不仅能够评估筛查眼科疾病存在风险,亦可以基于眼科检查对糖尿病、高血压、高血脂、脑卒中等疾病风险进行评估筛查,对人的身体健康有着积极地作用。但是传统的眼科检查评估筛查多采用医生人工评估筛查的方式,该方式效率有限,且评估筛查医生长时间工作后难免出现评估筛查不准确的问题。
为结局上述问题,中国专利,公告号:CN210167123U,公开了一种眼底图像病变的筛查***,包括:存储模块,其部署在云服务器中;获取模块,其用于获取来自于同一个人不同眼睛的两张以上的眼底图像,并将眼底图像上传至存储模块;录入模块,其用于录入与眼底图像对应的被检者信息且与眼底图像关联,并将被检者信息上传至存储模块;以及筛查模块,其用于从存储模块中提取眼底图像和被检者信息,并利用基于人工神经网络的深度学习方法对关联后的眼底图像是否存在病变进行自动判读以生成筛查结果。根据该实用新型,能够利用基于人工神经网络的深度学习方法辅助医生对眼底图像进行病变识别的判断,从而能够有效地提高眼底图像病变的筛查效率。
上述专利的技术方案有效的解决了眼科患病风险评估筛查效率慢的问题,但其眼底信息采用的是图像采集方式,并通过对眼底图像进行识别,从而对眼科患病风险进行评估筛查;其眼底图像采集过程中易受外界环境干扰或者患者自身干扰,使眼底图像采集不准确,造成眼科患病风险进行评估筛查不准确的问题。
发明内容
本发明的目的是提供一种眼科患病风险评估筛查***,能够获取准确的眼底图像信息,从而降低眼底图像对眼科患病风险进行评估筛查的影响。
为了实现上述目的,本发明的技术方案如下:
一种眼科患病风险评估筛查***,包括视频采集模块、视频处理模块、图像特征识别模块、图像特征处理模块、初次评估筛查模块和二次评估筛查模块;
视频采集模块,用于采集预评估的眼底视频信息;
视频处理模块,用于随机提取眼底视频信息中的若干关键眼底图像,并对关键眼底图像进行编号(眼底图像1、眼底图像2、眼底图像3……眼底图像n);
图像特征识别模块,包括存储器和训练完成后的卷积神经网络,存储器用于存储参考预设的眼底图像,卷积神经网络用于将编号后的关键眼底图像分别与参考眼底图像进行对比,并识别每张编号后的关键眼底图像与参考眼底图像的区别处;
图像特征处理模块,用于采用Tenengrad梯度方法对视频处理模块提取的关键眼底图像进行清晰度评价,基于清晰度评价结果判断图像特征识别模块输出的区别处结果是否有效,若清晰度评价结果不达标则重新进行视频采集,若清晰度评价结果达标则对区别处进行标记,通过上述操作后输出评估眼底图像;
初次评估筛查模块,用于根据评估眼底图像,输出初次眼科患病风险结果,并输出初次眼科患病风险结果的准确度;
二次评估筛查模块,用于对准确度低于阈值的眼科患病风险结果进行人工评估筛查,并输出二次眼科患病风险结果。
上述方案的技术原理如下:
首先通过视频采集模块对预评估的眼底视频信息进行采集;通过视频处理模块提取眼底视频中清晰的关键眼底图像,并对关键眼底图像进行编号;通过卷积神经网络依次将编号后的关键眼底图像与存储器内的参考眼底图像进行对比,并识别出每一张关键眼底图像与参考眼底图像的区别处;通过图像特征处理模块将清晰度不达标的关键眼底图像重新进行眼底视频采集,将清晰度达标的关键眼底图像的区别处进行标记,并对区别处进行标记,输出评估眼底图像;通过第二卷积神经网络根据评估眼底图像输出眼科患病风险结果以及眼科患病风险结果的准确度;最后通过二次评估筛查模块对准确度低于阈值的眼科患病风险结果进行人工重新评估,再输出眼科患病风险结果。
采用上述方案有以下有益效果:
1、相较于现有技术,本技术方案通过对眼底进行视频采集,并在视频中提取适宜用于评估筛查的图像对眼科患病进行评估筛查,降低眼科患病评估筛查过程中眼底图像采集不准确对评估筛查结果的干扰;
2、本技术方案从眼底视频信息中提取多张关键眼底图像,并对关键眼底图像进行清晰度评价,将清晰度达标的眼底图像用于评估筛查,进一步提高了眼科患病评估筛查的准确性;
3、本技术方案对第二卷积神经网络评估筛查准确度不高的眼科患病风险结果进行人工重新评估筛查,采用人机结合的方式,降低人工成本的同时提高了眼科患病评估筛查的准确性。
进一步,还包括报告生成模块,报告生成模块用于对初次眼科患病风险结果或者二次眼科患病风险结果进行评价,并输出眼科患病风险报告。
有益效果:报告生成模块对初次眼科患病风险结果或者二次眼科患病风险结果进行评价,便于患者直观的了解到眼科患病风险基本情况,再通过眼科患病风险报告了解到眼科患病风险详细情况。
进一步,视频采集模块为眼底照相机。
有益效果:眼底照相机对眼底进行视频采集,可以获取到眼底更清晰的视频信息。
进一步,关键眼底图像通过帧间差分法进行提取,提取若干个图像区别较大的关键帧的图像作为关键眼底图像,并对其进行编号。
有益效果:采用帧间差分技术提取关键帧的图像,关键帧为视频物体每一次关键动作的一帧,从而可以提取到更多不同的且有效的关键眼底图像,有利于后续可以对比出更多的区别处,从而提高后续眼科患病评估风险的准确性。
进一步,参考眼底图像为若干不存在患病风险的眼底图像组成。
有益效果:使关键眼底图像可以与更多不同的不存在患病风险的眼底图像进行对比,从而增大了关键眼底图像的对比量,降低参考眼底图像对眼科患病风险结果的干扰。
进一步,评估眼底图像为区别处最清晰、最易识别的关键眼底图像。
有益效果:使用区别处最清晰、最易识别的关键眼底图像作为评估眼底图像进行评估筛查,有利于后续初次评估筛查模块和二次评估筛查模块更加准确的进行评估筛查。
进一步,基于关键眼底图像的清晰度评价结果,将每个清晰度评价结果与眼科患病风险结果的准确度形成映射关系,清晰度评价结果越高,所对应的准确度越高。
有益效果:区别处的清晰度越高的关键眼底图像越有利于进行评估筛查,其眼科患病风险结果的准确度也就越高,同样越易识别的关键眼底图像越有利于进行评估筛查,其眼科患病风险结果的准确度也就越高。
进一步,眼科患病风险报告包括眼科患病风险等级、眼科患病情况和眼科患病预防方案。
有益效果:眼科患病风险等级可以采用等级、评分或者颜色表示,便于患者直观了解眼科患病情况;眼科患病情况便于患者在直观了解基本眼科患病情况后能够详细的了解眼科患病情况;眼科患病预防方案便于患者及时采取应对措施降低病害的发生几率。
附图说明
图1为本发明眼科患病风险评估筛查***实施例的流程图;
图2为本发明眼科患病风险评估筛查***实施例的示意图。
具体实施方式
下面通过具体实施方式进一步详细说明:
说明书附图中的附图标记包括:视频采集模块1、视频处理模块2、图像特征识别模块3、图像特征处理模块4、初次评估筛查模块5、二次评估筛查模块6、报告生成模块7、眼底照相机101、存储器201、卷积神经网络202和人工601。
实施例基本如附图1和附图2所示:一种眼科患病风险评估筛查***,包括视频采集模块1、视频处理模块2、图像特征识别模块3、图像特征处理模块4、初次评估筛查模块5、二次评估筛查模块6和报告生成模块7。
视频采集模块1,为眼底照相机101,用于采集预评估的眼底视频信息。
视频处理模块2,用于通过帧间差分法提取眼底视频信息中的三个关键帧的图像,并将其作为关键眼底图像,并对其进行编号。
图像特征识别模块3,包括存储器201和训练完成后的卷积神经网络202,存储器201用于存储预设的参考眼底图像,参考眼底图像为若干不存在患病风险的眼底图像组成;卷积神经网络202用于将编号后的关键眼底图像分别与参考眼底图像进行对比,并识别每张编号后的关键眼底图像与参考眼底图像的区别处。
图像特征处理模块4,用于采用Tenengrad梯度方法对视频处理模块2提取的关键眼底图像进行清晰度评价,基于清晰度评价结果判断图像特征识别模块输出的区别处结果是否有效,若清晰度评价结果不达标则重新进行视频采集,若清晰度评价结果达标则对区别处进行画圈标记,通过上述操作后输出评估眼底图像。
初次评估筛查模块5,用于根据评估眼底图像被图像特征处理模块4画圈标记的区别处,输出眼科患病风险结果;并基于关键眼底图像的清晰度评价结果,将每个清晰度评价结果与眼科患病风险结果的准确度形成映射关系,使清晰度评价结果与眼科患病风险结果的准确度一一对应,清晰度评价结果越高,所对应的准确度越高,并通过百分比的方式对准确度进行量化。
二次评估筛查模块6,用于对准确度低于80%的眼科患病风险结果进行人工601评估筛查,并重新输出眼科患病风险结果。
报告生成模块7,用于对眼科患病风险结果进行评价,并输出眼科患病风险报告,眼科患病风险报告包括眼科患病风险等级、眼科患病情况和眼科患病预防方案。
具体实施过程如下:
S1、眼底视频采集,通过视频采集模块1即眼底照相机101对预评估的眼底视频信息进行采集,视频的长度根据需求,本实施例视频长度为五秒。
S2、提取关键眼底图像,通过帧间差分法提取眼底视频信息中的三个关键帧的图像,该三个关键帧眼底图像图像内容存在较大差异,将其作为关键眼底图像,并将其编号为眼底图像(1)、眼底图像(2)和眼底图像(3)。
S3、特征识别,通过卷积神经网络202依次将眼底图像(1)、眼底图像(2)和眼底图像(3)与存储器201内的参考眼底图像进行对比,并分别识别出眼底图像(1)、眼底图像(2)和眼底图像(3)与参考眼底图像的区别处。
S4、特征处理,基于清晰度评价结果,将清晰度评价结果达标的关键眼底图像的区别处进行画圈标记,若清晰度评价结果不达标的则重新进行眼底视频采集、提取关键眼底图像和特征识别步骤。
S5、初次评估,通过训练完成后的卷积神经网络对评估眼底图像进行评估,并输出初次眼科患病风险结果,以及输出初次眼科患病风险结果的准确度,若准确度小于80%则进行S6,反之则直接进行S7。
S6、二次评估,通过人工601对准确度小于80%评估眼底图像进行评估,并输出二次眼科患病风险结果。
S7、报告输出,通过报告生成模块7对初次眼科患病风险结果或者二次眼科患病风险结果进行评价,输出眼科患病风险报告。
以上所述的仅是本发明的实施例,方案中公知的具体结构和/或特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (8)
1.一种眼科患病风险评估筛查***,其特征在于,包括视频采集模块、视频处理模块、图像特征识别模块、图像特征处理模块、初次评估筛查模块和二次评估筛查模块;
视频采集模块,用于采集预评估的眼底视频信息;
视频处理模块,用于随机提取眼底视频信息中的若干关键眼底图像,并对关键眼底图像进行编号(眼底图像1、眼底图像2、眼底图像3……眼底图像n);
图像特征识别模块,包括存储器和训练完成后的卷积神经网络,存储器用于存储参考预设的眼底图像,卷积神经网络用于将编号后的关键眼底图像分别与参考眼底图像进行对比,并识别每张编号后的关键眼底图像与参考眼底图像的区别处;
图像特征处理模块,用于采用Tenengrad梯度方法对视频处理模块提取的关键眼底图像进行清晰度评价,基于清晰度评价结果判断图像特征识别模块输出的区别处结果是否有效,若清晰度评价结果不达标则重新进行视频采集,若清晰度评价结果达标则对区别处进行标记,通过上述操作后输出评估眼底图像;
初次评估筛查模块,用于根据评估眼底图像,输出初次眼科患病风险结果,并输出初次眼科患病风险结果的准确度;
二次评估筛查模块,用于对准确度低于阈值的眼科患病风险结果进行人工评估筛查,并输出二次眼科患病风险结果。
2.根据权利要求1所述的眼科患病风险评估筛查***,其特征在于:还包括报告生成模块,报告生成模块用于对初次眼科患病风险结果或者二次眼科患病风险结果进行评价,并输出眼科患病风险报告。
3.根据权利要求2所述的眼科患病风险评估筛查***,其特征在于:视频采集模块为眼底照相机。
4.根据权利要求3所述的眼科患病风险评估筛查***,其特征在于:关键眼底图像通过帧间差分法进行提取,提取若干个图像区别较大的关键帧的图像作为关键眼底图像,并对其进行编号。
5.根据权利要求4所述的眼科患病风险评估筛查***,其特征在于:参考眼底图像为若干不存在患病风险的眼底图像组成。
6.根据权利要求5所述的眼科患病风险评估筛查***,其特征在于:评估眼底图像为清晰度评价结果最好的关键眼底图像。
7.根据权利要求6所述的眼科患病风险评估筛查***,其特征在于:基于关键眼底图像的清晰度评价结果,将每个清晰度评价结果与眼科患病风险结果的准确度形成映射关系,清晰度评价结果越高,所对应的准确度越高。
8.根据权利要求7所述的眼科患病风险评估筛查***,其特征在于:眼科患病风险报告包括眼科患病风险等级、眼科患病情况和眼科患病预防方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310247964.5A CN116453692A (zh) | 2023-03-15 | 2023-03-15 | 一种眼科患病风险评估筛查*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310247964.5A CN116453692A (zh) | 2023-03-15 | 2023-03-15 | 一种眼科患病风险评估筛查*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116453692A true CN116453692A (zh) | 2023-07-18 |
Family
ID=87119221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310247964.5A Pending CN116453692A (zh) | 2023-03-15 | 2023-03-15 | 一种眼科患病风险评估筛查*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116453692A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117095450A (zh) * | 2023-10-20 | 2023-11-21 | 武汉大学人民医院(湖北省人民医院) | 一种基于图像的眼干程度评估*** |
-
2023
- 2023-03-15 CN CN202310247964.5A patent/CN116453692A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117095450A (zh) * | 2023-10-20 | 2023-11-21 | 武汉大学人民医院(湖北省人民医院) | 一种基于图像的眼干程度评估*** |
CN117095450B (zh) * | 2023-10-20 | 2024-01-09 | 武汉大学人民医院(湖北省人民医院) | 一种基于图像的眼干程度评估*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180235458A1 (en) | System and device for preliminary diagnosis of ocular diseases | |
CN111986211A (zh) | 一种基于深度学习的眼科超声自动筛查方法及*** | |
CN109411084A (zh) | 一种基于深度学习的肠结核辅助诊断***及方法 | |
CN108416772A (zh) | 一种基于级联卷积神经网络的斜眼检测方法 | |
CN112950737B (zh) | 基于深度学习的眼底荧光造影图像生成方法 | |
CN111785363A (zh) | 一种基于ai引导的慢性病辅助诊断*** | |
CN112233087A (zh) | 一种基于人工智能的眼科超声疾病诊断方法和*** | |
CN114694236B (zh) | 一种基于循环残差卷积神经网络的眼球运动分割定位方法 | |
CN116453692A (zh) | 一种眼科患病风险评估筛查*** | |
JP2021534948A (ja) | 眼底画像定量分析の前置処理方法および記憶装置 | |
CN112446860B (zh) | 一种基于迁移学习的糖尿病黄斑水肿自动筛查方法 | |
JP2022084511A (ja) | 画像処理システムおよび画像処理方法 | |
CN112419248A (zh) | 基于小目标检测神经网络的耳硬化病灶检测及诊断*** | |
CN106446805A (zh) | 一种眼底照中视杯的分割方法及*** | |
CN112950577B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN110096978A (zh) | 基于机器视觉的偏心摄影验光图像处理的方法 | |
KR20110019992A (ko) | 홍채학을 이용한 진단시스템 및 방법 | |
CN112102234B (zh) | 基于目标检测神经网络的耳硬化病灶检测及诊断*** | |
CN102283634A (zh) | 一种基于图像识别的眼底图像检验方法及*** | |
KR102208508B1 (ko) | 복합적인 안과 진료를 수행하는 시스템 및 방법 | |
CN111588345A (zh) | 眼部疾病检测方法、ar眼镜及可读存储介质 | |
CN113558564B (zh) | 一种基于单纯高度近视数据库构建的数据处理*** | |
CN113744254B (zh) | 一种眼底图像分析方法、***、存储介质和计算机设备 | |
CN112991289B (zh) | 图像标准切面的处理方法及装置 | |
CN111259743B (zh) | 一种近视图像深度学习识别模型训练方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |