RU2672924C1 - Method for determining stage of retinopathy of premature infants - Google Patents

Method for determining stage of retinopathy of premature infants Download PDF

Info

Publication number
RU2672924C1
RU2672924C1 RU2018118094A RU2018118094A RU2672924C1 RU 2672924 C1 RU2672924 C1 RU 2672924C1 RU 2018118094 A RU2018118094 A RU 2018118094A RU 2018118094 A RU2018118094 A RU 2018118094A RU 2672924 C1 RU2672924 C1 RU 2672924C1
Authority
RU
Russia
Prior art keywords
zone
stage
retinopathy
image
wide
Prior art date
Application number
RU2018118094A
Other languages
Russian (ru)
Inventor
Мария Александровна Ковалевская
Оксана Александровна Перерва
Original Assignee
Мария Александровна Ковалевская
Оксана Александровна Перерва
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Мария Александровна Ковалевская, Оксана Александровна Перерва filed Critical Мария Александровна Ковалевская
Priority to RU2018118094A priority Critical patent/RU2672924C1/en
Application granted granted Critical
Publication of RU2672924C1 publication Critical patent/RU2672924C1/en

Links

Images

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
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Epidemiology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Primary Health Care (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

FIELD: medicine.SUBSTANCE: invention relates to the field of medicine, namely to ophthalmology, and can be used to determine the stage of retinopathy of premature (RP) infants. Retinal images of patient's one eye are obtained: the central zone, the upper zone, the upper nasal zone, the upper temporal zone, the lower zone, the lower nasal zone, the lower temporal zone, the temporal zone, the nasal zone. Simulate a wide field image. Vascular network stands out from the wide-field image obtained. Part of the image that does not contain the image of the vessels is deleted. Fractal dimension of the circuit of the vascular network is determined using box-counting fractal analysis. On the basis of the obtained values of the fractal dimension determine the stage of RP: 1.2–1.3 – 1 stage; 1.31–1.4 – 2 stage; 1.41–1.5 – 3 stage; 1.51–1.7 – aggressive rear RP.EFFECT: method provides an increase in the accuracy of determining the stage of RP due to the use of a wide-field image of the retina in the analysis and determination of the fractal dimension of the vessels.1 cl, 4 dwg, 5 ex

Description

Изобретение относится к области медицины, а именно к офтальмологии, и может быть использовано для определения стадии ретинопатии недоношенных (РН).The invention relates to medicine, namely to ophthalmology, and can be used to determine the stage of retinopathy of prematurity (RN).

На данный момент в диагностике ретинопатии недоношенных широко используется телемедицинская ретинальная камера (RetCam). Это компьютеризированная широкоугольная система, позволяющая получать изображение сетчатки с использованием различных линз, в том числе 130-градусных. Все получаемые изображения могут мгновенно сохраняться на информационном носителе (Salcone Е.М. et al. Review of the use of digital imaging in retinopathy of prematurity screening. Seminars in ophthalmology. Taylor & Francis, 2010. T. 25. №5-6. C. 214-217). При оценке эффективности отображения сетчатки при скрининге РН, RetCam показала 100% чувствительности 97,9%-99,5% специфичность (Dai S. et al. Efficacy of widefield digital retinal imaging for retinopathy of prematurity screening // Clinical & experimental ophthalmology. - 2011. - T. 39. - №. 1. - C. 23-29; Silva R. A. et al. Stanford University network for diagnosis of retinopathy of prematurity (SUNDROP): 36-month experience with telemedicine screening // Ophthalmic Surgery, Lasers and Imaging Retina. - 2011. - T. 42. - №. 1. - C. 12-19 {прототип)).At the moment, the telemedical retinal camera (RetCam) is widely used in the diagnosis of premature retinopathy. This is a computerized wide-angle system that allows you to retina using various lenses, including 130-degree ones. All obtained images can be instantly stored on an information medium (Salcone EM et al. Review of the use of digital imaging in retinopathy of prematurity screening. Seminars in ophthalmology. Taylor & Francis, 2010. T. 25. No. 5-6. C. 214-217). When evaluating the effectiveness of retinal imaging during pH screening, RetCam showed 100% sensitivity 97.9% -99.5% specificity (Dai S. et al. Efficacy of widefield digital retinal imaging for retinopathy of prematurity screening // Clinical & experimental ophthalmology. - 2011. - T. 39. - No. 1. - C. 23-29; Silva RA et al. Stanford University network for diagnosis of retinopathy of prematurity (SUNDROP): 36-month experience with telemedicine screening // Ophthalmic Surgery, Lasers and Imaging Retina. - 2011. - T. 42. - No. 1. - C. 12-19 {prototype)).

Исследования показали, что телемедицинская диагностика позволяет обнаруживать РН на 1-2 недели раньше, чем непрямая офтальмоскопия. Ранее выявление заболевания приводит к более раннему лечению тяжелой РН и улучшению отдаленных результатов (QuinnG. Е., FielderA. R. (ed.). Retinopathy of prematurity. - Saunders, 2013).Studies have shown that telemedicine diagnostics can detect pH 1-2 weeks earlier than indirect ophthalmoscopy. Early detection of the disease leads to earlier treatment of severe pH and improved long-term results (QuinnG. E., FielderA. R. (ed.). Retinopathy of prematurity. - Saunders, 2013).

Однако существует проблема субъективности оценки изображений, полученных с помощью RetCam врачом-офтальмологом.However, there is a problem of subjectivity in evaluating images obtained using RetCam by an ophthalmologist.

Решаемой нами задачей являлось разработка метода, исключающего риск субъективности при определении стадии ретинопатии недоношенных.Our task was to develop a method that eliminates the risk of subjectivity in determining the stage of retinopathy of premature infants.

Достигаемым техническим результатом является повышение точности определения стадии ретинопатии недоношенных по данным анализа изображений, полученных с помощью телемедицинской ретинальной камеры.Achievable technical result is to increase the accuracy of determining the stage of retinopathy of premature infants according to the analysis of images obtained using the telemedicine retinal camera.

Данный результат обусловлен использованием при анализе изображений смоделированного широкопольного изображения сетчатки и определением фрактальной размерности сосудов сетчатки методом box-counting.This result is due to the use of a simulated wide-field retinal image in the analysis of images and the determination of the fractal dimension of the retinal vessels by the box-counting method.

Фрактальный анализ сетчатки - математический метод, позволяющий оценить степень сложности геометрии сосудистых сетей. Получены многочисленные свидетельства, что разветвленная сосудистая сеть нормальной сетчатки статистически самоподобна и проявляет свойства фрактала, а фрактальный анализ можно применять для автоматизированной диагностики сосудистых заболеваний сетчатки (Avakian A. et al. Fractal analysis of region based vascular change in the normal and non-proliferative diabetic retina. Curr Eye Res 2002; 24 (4): 274-280.).Retinal fractal analysis is a mathematical method that allows you to assess the degree of complexity of the geometry of vascular networks. Numerous evidence has been obtained that the branched vasculature of the normal retina is statistically self-similar and exhibits fractal properties, and fractal analysis can be used to automatically diagnose vascular diseases of the retina (Avakian A. et al. Fractal analysis of region based vascular change in the normal and non-proliferative diabetic retina. Curr Eye Res 2002; 24 (4): 274-280.).

Фрактальная размерность кровеносных сосудов в обычной человеческой сетчатке составляет около 1,7 (Masters B.R. Fractal analysis of the vascular tree in the human retina. Annu Rev Biomed Eng. 2004; 6: 427-452.). Существуют попытки применения фрактального анализа в диагностике ретинопатии недоношенных, однако, они ограничиваются результатами только для задней агрессивной ретинопатии недоношенных. Было доказано, что кровеносные сосуды в сетчатке при задней агрессивной ретинопатии более сложны, имеют неправильную форму и более высокую степень аберрации сосудов, чем сосуды с «типичной» ретинопатией недоношенных

Figure 00000001
N.Т. et al. Retinopathy of prematurity: fractal analysis of images in different stages of the disease // Advances in Intelligent Control Systems and Computer Science. - Springer Berlin Heidelberg, 2013. - C. 91-101.) Однако в исследовании отсутствует этап формирования широкопольного изображения, а значит, оценивается фрактальная размерность только ограниченного участка (заднего поля) сетчатки недоношенного и полученные данные являются неверными. Необходимость моделирования широкопольного изображения подтверждает исследование фрактальной организации сосудов сетчатки без патологии (Masters В. R. Fractal analysis of the vascular tree in the human retina // Annu. Rev. Biomed. Eng. - 2004. - T. 6. - C. 427-452.) Этим объясняется и то, что авторы определили изменение сложности сети только при задней агрессивной ретинопатии недоношенных, так как при «типичных» формах сосуды заднего поля сетчатки могут быть не изменены.The fractal dimension of blood vessels in an ordinary human retina is about 1.7 (Masters BR Fractal analysis of the vascular tree in the human retina. Annu Rev Biomed Eng. 2004; 6: 427-452.). There are attempts to use fractal analysis in the diagnosis of retinopathy of prematurity, however, they are limited to results only for posterior retinopathy of prematurity. It has been proven that the blood vessels in the retina with posterior aggressive retinopathy are more complex, irregular in shape and have a higher degree of vascular aberration than vessels with “typical” retinopathy of prematurity
Figure 00000001
N.T. et al. Retinopathy of prematurity: fractal analysis of images in different stages of the disease // Advances in Intelligent Control Systems and Computer Science. - Springer Berlin Heidelberg, 2013. - C. 91-101.) However, the study does not include the stage of formation of a wide-field image, which means that the fractal dimension of only a limited portion (posterior field) of the premature retina is estimated and the data obtained are incorrect. The need for modeling a wide-field image is confirmed by a study of the fractal organization of retinal vessels without pathology (Masters B. R. Fractal analysis of the vascular tree in the human retina // Annu. Rev. Biomed. Eng. - 2004. - T. 6. - C. 427 -452.) This also explains the fact that the authors determined the change in the complexity of the network only with posterior aggressive retinopathy of premature infants, since with “typical” forms the vessels of the posterior retinal field may not be changed.

Разработанный нами способ определения стадии ретинопатии недоношенных заключается в следующем.We developed a method for determining the stage of retinopathy of premature infants is as follows.

Из 9 снимков (центральная зона, верхняя зона, верхне-назальная зона, верхне-височная зона, нижняя зона, нижне-назальная зона, нижне-височная зона, височная зона, назальная зона) сетчатки одного глаза одного пациента моделируется широкопольное изображение. При этом именно при моделировании широкопольного изображения из всех указанных зон возможен анализ всей сосудистой сети.Of the 9 images (central zone, upper zone, upper nasal zone, upper temporal zone, lower zone, lower nasal zone, lower temporal zone, temporal zone, nasal zone) of the retina of one eye of one patient, a wide-field image is modeled. Moreover, it is precisely when modeling a wide-field image from all these zones that the entire vasculature can be analyzed.

Выделяется сосудистая сеть, и из широкопольного изображения удаляется часть изображения, не содержащая изображение сосудов.A vasculature is highlighted, and a portion of the image that does not contain a vascular image is removed from the wide-field image.

Далее определяется фрактальная размерность контура сосудистой сети с помощью фрактального анализа методом box-counting.Next, the fractal dimension of the vascular network contour is determined using the fractal analysis using the box-counting method.

Разработанное изобретение поясняется рядом иллюстраций:The developed invention is illustrated by a number of illustrations:

1. Выбираются снимки (фиг. 1) для моделирования широкопольного изображения (центральная зона, верхняя зона, верхне-назальная зона, верхне-височная зона, нижняя зона, нижне-назальная зона, нижне-височная зона, височная зона, назальная зона) (Фиг. 1-1)1. Images are selected (Fig. 1) for modeling a wide-field image (central zone, upper zone, upper nasal zone, upper temporal zone, lower zone, lower nasal zone, lower temporal zone, temporal zone, nasal zone) ( Fig. 1-1)

2. Моделируется широкопольное изображение (Фиг. 1-2)2. A wide-field image is modeled (Fig. 1-2)

3. Выделяется сосудистая сеть (Фиг. 1-3)3. The vascular network is allocated (Fig. 1-3)

4. Изображение сосудистой сети выделяется на отдельное изображение (Фиг. 1-4)4. The image of the vasculature is allocated to a separate image (Fig. 1-4)

5. Проводится фрактальный анализ полученного широкопольного изображения с сосудистой сетью методом box-counting. Данный метод отражает сложность контура изображения сосудистой сети. Именно анализ контура изображения сосудистой сети является диагностически значимым для определения стадии РН.5. The fractal analysis of the obtained wide-field image with the vasculature using the box-counting method is carried out. This method reflects the complexity of the vascular network image contour. It is the analysis of the vascular network image contour that is diagnostically significant for determining the stage of pH.

6. На основании полученного значения фрактальной размерности (градации, соответствующие известным стадиям РН, выделены нами) устанавливается стадия ретинопатии недоношенных:6. Based on the obtained value of the fractal dimension (gradations corresponding to the known stages of pH highlighted by us), the stage of retinopathy of premature infants is established:

1,2-1,3 - 1 стадия1.2-1.3 - stage 1

1,31-1,4 - 2 стадия1.31-1.4 - stage 2

1,41-1,5 - 3 стадия1.41-1.5 - stage 3

1,51-1,7 - задняя агрессивная ретинопатия недоношенных (ЗАРН)1.51-1.7 - posterior aggressive retinopathy of prematurity (ZARN)

Стоит отметить, что согласно нашим данным, анализа результатов обследований, в различных меридианах поверхности сетчатки могут образовываться патологические изменения, характерные для нескольких стадий одновременно, фрактальная размерность отражает преобладающую стадию. При этом сосудистые изменения при ретинопатии недоношенных предшествуют морфологическим изменениям сетчатки. Если по результатам фрактального анализа стадия выше, чем стадия по результатам офтальмоскопии, то это указывает на прогрессирование ретинопатии недоношенных.It is worth noting that according to our data, an analysis of the results of examinations, pathological changes characteristic of several stages at the same time can form in various meridians of the surface of the retina, fractal dimension reflects the predominant stage. In this case, vascular changes in retinopathy of prematurity precede morphological changes in the retina. If, according to the results of fractal analysis, the stage is higher than the stage according to the results of ophthalmoscopy, then this indicates the progression of retinopathy of premature infants.

Клинический пример №1.Clinical example No. 1.

Пациент К., гестационный возраст 29 недель, постконцептуальный возраст 39 неделя, масса тела при рождении 1650 г.Patient K., gestational age 29 weeks, postconceptual age 39 weeks, birth weight 1650 g.

Клинический диагноз: II-III стадия ретинопатии недоношенных (по данным офтальмоскопии).Clinical diagnosis: II-III stage of retinopathy of premature infants (according to ophthalmoscopy).

Фрактальная размерность сосудистой сети 1.4293, что указывает на наличие 3 стадии РН (согласно разработанному нами способу), фиг 2.The fractal dimension of the vasculature is 1.4293, which indicates the presence of 3 stages of pH (according to the method developed by us), Fig. 2.

1 - выбор снимков из видеоряда (Фиг. 2-1)1 - selection of images from the video sequence (Fig. 2-1)

2 - моделирование широкопольного изображения (Фиг. 2-2)2 - modeling a wide-field image (Fig. 2-2)

3 - выделение сосудистой сети (Фиг. 2-3)3 - allocation of the vascular network (Fig. 2-3)

4 - фрактальный анализ (Фиг. 2-4)4 - fractal analysis (Fig. 2-4)

Клинический пример №2.Clinical example No. 2.

Пациент М. гестационный возраст 28 неделя, постконцептуальный возраст 34 неделя, масса тела при рождении 1500 г.Patient M. gestational age 28 weeks, postconceptual age 34 weeks, birth weight 1500 g.

Клинический диагноз: III стадия ретинопатии недоношенных.Clinical diagnosis: Stage III retinopathy of premature infants.

Фрактальная размерность сосудистой сети 1.493, что соответствует III стадии РН (фиг. 3).The fractal dimension of the vasculature is 1.493, which corresponds to stage III of the pH (Fig. 3).

Наличие «плюс»-болезни не влияет на показатель фрактальной размерности.The presence of a “plus” disease does not affect the index of fractal dimension.

1 - выбор снимков из видеоряда (Фиг. 3-1)1 - selection of images from the video sequence (Fig. 3-1)

2 - моделирование широкопольного изображения (Фиг. 3-2)2 - modeling a wide-field image (Fig. 3-2)

3 - выделение сосудистой сети (Фиг. 3-3)3 - allocation of the vascular network (Fig. 3-3)

4 - фрактальный анализ (Фиг. 3-4)4 - fractal analysis (Fig. 3-4)

Клинический пример №3Clinical example No. 3

Пациент В., гестационный возраст 27 недель, масса тела при рождении 950 г. Постконцептуальный возраст 33 недели.Patient B., gestational age 27 weeks, birth weight 950 g. Post conceptual age 33 weeks.

Клинический диагноз: I-II стадия ретинопатии недоношенных.Clinical diagnosis: I-II stage of retinopathy of premature infants.

Фрактальная размерности сосудистой сети 1.3172, что соответствует 2 стадии РН (фиг. 4).The fractal dimension of the vasculature is 1.3172, which corresponds to stage 2 pH (Fig. 4).

1 - выбор снимков из видеоряда (Фиг. 4-1). У пациентов на I стадии или с незрелостью сетчатки возможен выбор меньшего числа кадров, так как площадь васкуляризации мала.1 - selection of images from the video sequence (Fig. 4-1). In patients at stage I or with immaturity of the retina, a smaller number of frames is possible, since the area of vascularization is small.

2 - моделирование широкопольного изображения (Фиг. 4-2)2 - modeling a wide-field image (Fig. 4-2)

3 - выделение сосудистой сети (Фиг. 4-3)3 - allocation of the vascular network (Fig. 4-3)

4 - фрактальный анализ (Фиг. 4-4)4 - fractal analysis (Fig. 4-4)

Клинический пример №4Clinical example No. 4

Пациент В., гестационный возраст 28 недель, масса тела при рождении 1250 г. Постконцептуальный возраст 34 недели.Patient B., gestational age 28 weeks, birth weight 1250 g. Post conceptual age 34 weeks.

Клинический диагноз: I стадия ретинопатии недоношенных.Clinical diagnosis: Stage I retinopathy of premature infants.

Фрактальная размерности сосудистой сети 1.2863, что соответствует 1 стадии РН.The fractal dimension of the vasculature is 1.2863, which corresponds to stage 1 of the pH.

Клинический пример №5Clinical example No. 5

Пациент В., гестационный возраст 25 недель, масса тела при рождении 850 г. Постконцептуальный возраст 32 недели.Patient B., gestational age 25 weeks, body weight at birth 850 g. Postconceptual age 32 weeks.

Клинический диагноз: Задняя агрессивная ретинопатия недоношенных.Clinical diagnosis: Posterior aggressive retinopathy of premature infants.

Фрактальная размерности сосудистой сети 1.6624, что соответствует ЗАРН.The fractal dimension of the vasculature is 1.6624, which corresponds to ZARN.

Claims (5)

Способ определения стадии при ретинопатии недоношенных (РН), отличающийся тем, что получают снимки сетчатки одного глаза пациента: центральная зона, верхняя зона, верхне-назальная зона, верхне-височная зона, нижняя зона, нижне-назальная зона, нижне-височная зона, височная зона, назальная зона, моделируют широкопольное изображение, из полученного широкопольного изображения выделяется сосудистая сеть, часть изображения, не содержащая изображение сосудов, удаляется, далее определяют фрактальную размерность контура сосудистой сети с помощью фрактального анализа методом box-counting, на основании полученного значения фрактальной размерности определяют стадию ретинопатии недоношенных:A method for determining the stage in retinopathy of prematurity (PH), characterized in that retina images of one eye of the patient are obtained: central zone, upper zone, upper nasal zone, upper temporal zone, lower zone, lower nasal zone, lower temporal zone, temporal zone, nasal zone, model a wide-field image, the vasculature is extracted from the obtained wide-field image, the part of the image that does not contain the image of the vessels is removed, then the fractal dimension of the vascular network contour is determined using Fractal analysis using the box-counting method, based on the obtained value of the fractal dimension, determine the stage of retinopathy of premature infants: 1,2-1,3 - 1 стадия1.2-1.3 - stage 1 1,31-1,4 - 2 стадия1.31-1.4 - stage 2 1,41-1,5 - 3 стадия1.41-1.5 - stage 3 1,51-1,7 - задняя агрессивная ретинопатия недоношенных (ЗАРН).1.51-1.7 - posterior aggressive retinopathy of prematurity (ZARN).
RU2018118094A 2018-05-16 2018-05-16 Method for determining stage of retinopathy of premature infants RU2672924C1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2018118094A RU2672924C1 (en) 2018-05-16 2018-05-16 Method for determining stage of retinopathy of premature infants

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2018118094A RU2672924C1 (en) 2018-05-16 2018-05-16 Method for determining stage of retinopathy of premature infants

Publications (1)

Publication Number Publication Date
RU2672924C1 true RU2672924C1 (en) 2018-11-21

Family

ID=64556400

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2018118094A RU2672924C1 (en) 2018-05-16 2018-05-16 Method for determining stage of retinopathy of premature infants

Country Status (1)

Country Link
RU (1) RU2672924C1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012136079A1 (en) * 2011-04-07 2012-10-11 The Chinese University Of Hong Kong Method and device for retinal image analysis
RU2532497C1 (en) * 2013-09-18 2014-11-10 Федеральное государственное бюджетное учреждение "Межотраслевой научно-технический комплекс "Микрохирургия глаза" имени академика С.Н. Федорова Министерства здравоохранения Российской Федерации Method for prediction of regression of stage ii and iii retinopathy of prematurity following laser coagulation of retina
RU2641161C1 (en) * 2016-09-01 2018-01-16 Федеральное государственное бюджетное учреждение "Уральский научно-исследовательский институт охраны материнства и младенчества" Министерства здравоохранения и социального развития Российской Федерации Method for predicting development of threshold stage of rethinopathy of prematurity in children with extremely low weight

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012136079A1 (en) * 2011-04-07 2012-10-11 The Chinese University Of Hong Kong Method and device for retinal image analysis
RU2532497C1 (en) * 2013-09-18 2014-11-10 Федеральное государственное бюджетное учреждение "Межотраслевой научно-технический комплекс "Микрохирургия глаза" имени академика С.Н. Федорова Министерства здравоохранения Российской Федерации Method for prediction of regression of stage ii and iii retinopathy of prematurity following laser coagulation of retina
RU2641161C1 (en) * 2016-09-01 2018-01-16 Федеральное государственное бюджетное учреждение "Уральский научно-исследовательский институт охраны материнства и младенчества" Министерства здравоохранения и социального развития Российской Федерации Method for predicting development of threshold stage of rethinopathy of prematurity in children with extremely low weight

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
КОВАЛЕВСКАЯ М.А. и др. Возможности ретинальной камеры в диагностике клинических проявлений ретинопатии недоношенных. Медицинский альманах. 2017 год, номер 1 (46), страницы 84-86. MILOSEVIC N. T. и др. Retinopathy of prematurity: fractal analysis of images in different stages of the disease. Advances in Intelligent Control Systems and Computer Science. 2013 год, страницы 91-101. *

Similar Documents

Publication Publication Date Title
KR101977645B1 (en) Eye image analysis method
Girkin et al. African Descent and Glaucoma Evaluation Study (ADAGES): II. Ancestry differences in optic disc, retinal nerve fiber layer, and macular structure in healthy subjects
Dubow et al. Classification of human retinal microaneurysms using adaptive optics scanning light ophthalmoscope fluorescein angiography
Kamran et al. Optic-net: A novel convolutional neural network for diagnosis of retinal diseases from optical tomography images
KR102354980B1 (en) The system for diagnosis of anterior eye diseases and method for diagnosis by the system
JP2023145613A (en) Using deep learning to process images of eye to predict visual acuity
Lim et al. Artificial intelligence detection of diabetic retinopathy: subgroup comparison of the EyeArt system with ophthalmologists’ dilated examinations
Arichika et al. Retinal hemorheologic characterization of early-stage diabetic retinopathy using adaptive optics scanning laser ophthalmoscopy
KR102071774B1 (en) Method for predicting cardio-cerebrovascular disease using eye image
Schmitz-Valckenberg et al. Correlation of functional impairment and morphological alterations in patients with group 2A idiopathic juxtafoveal retinal telangiectasia
Kumar et al. Automated detection of eye related diseases using digital image processing
Salongcay et al. Comparison of handheld retinal imaging with ETDRS 7-standard field photography for diabetic retinopathy and diabetic macular edema
Dong et al. Deep learning-based estimation of axial length and subfoveal choroidal thickness from color fundus photographs
Sanborn et al. Evaluation of a combination digital retinal camera with spectral-domain optical coherence tomography (SD-OCT) that might be used for the screening of diabetic retinopathy with telemedicine: a pilot study
Meister et al. Intraocular lens power calculation for the equine eye
KR102343796B1 (en) Method for predicting cardiovascular disease using eye image
RU2672924C1 (en) Method for determining stage of retinopathy of premature infants
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
Gal-Or et al. Multimodal imaging in an unusual cluster of multiple evanescent white dot syndrome
Scanlon Screening for diabetic retinopathy
Young et al. Automated Detection of Vascular Leakage in Fluorescein Angiography–A Proof of Concept
Ausayakhun et al. Clinic-based eye disease screening using non-expert fundus photo graders at the point of screening: diagnostic validity and yield
Maher et al. Evaluation of a system for automatic detection of diabetic retinopathy from color fundus photographs for screening population
Elfattah et al. An improved prediction approach for progression of ocular hypertension to primary open angle Glaucoma
Khouri et al. Ocular health screening in a type 1 diabetes mellitus population

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20200517