CN105279774B - 一种屈光不正的数字化影像识别方法 - Google Patents

一种屈光不正的数字化影像识别方法 Download PDF

Info

Publication number
CN105279774B
CN105279774B CN201510656043.XA CN201510656043A CN105279774B CN 105279774 B CN105279774 B CN 105279774B CN 201510656043 A CN201510656043 A CN 201510656043A CN 105279774 B CN105279774 B CN 105279774B
Authority
CN
China
Prior art keywords
band
image
light belt
gravity
ocular reflex
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.)
Expired - Fee Related
Application number
CN201510656043.XA
Other languages
English (en)
Other versions
CN105279774A (zh
Inventor
金晨晖
廖素华
李志勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Polytechnic
Original Assignee
Shenzhen Polytechnic
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 Shenzhen Polytechnic filed Critical Shenzhen Polytechnic
Priority to CN201510656043.XA priority Critical patent/CN105279774B/zh
Publication of CN105279774A publication Critical patent/CN105279774A/zh
Application granted granted Critical
Publication of CN105279774B publication Critical patent/CN105279774B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

一种屈光不正的数字化影像识别方法，采用CCD图像采集装置对带状光光源投射人眼的水平运动过程进行拍照，并通过数字化影像识别方法来识别带状光光源投射光带和人眼反射光带在运动过程中的位置和角度，从而自动判断出人眼屈光不正的各种状态。本发明提出的一种屈光不正的数字化影像识别方法能够代替人工进行诊断，可以对人眼屈光不正进行有效的诊断，易于实现，对于家庭，该技术能方便家庭成员使用，随时观察家庭成员（特别是儿童和青少年）的屈光不正，如有问题可及时就诊，给予矫治，避免屈光性弱视的发生；对于临床工作，该技术能提高眼科医师、验光师以及全科医师检影验光的工作效率和准确率，具有非常显著的社会效益和经济效益。

Description

一种屈光不正的数字化影像识别方法
技术领域
本发明涉及一种人眼屈光不正的诊断领域，特别涉及到一种人眼屈光不正的数字化影像识别方法。
背景技术
据统计，全国中学近视的平均发病率高达60%～70%，屈光不正筛查主要设备是台式或手持式电脑验光仪和检影镜。
就屈光不正筛查场所而言，家庭是最好的场所，可以利用相关检查设备随时检查家庭成员（尤其是儿童）的屈光不正，发现问题可及时就诊、矫治。就屈光不正筛查检查方法而言，检影镜验光是客观检查人眼屈光状态（正视、近视、远视和散光 ）的常用临床眼科和视光检查方法，也是特殊群体（儿童、智障人士、高度屈光不正者等）的唯一有效屈光不正检查手段，是电脑验光所不能替代的，可是，该方法操作复杂、不易学习，导致眼科医师或验光师掌握好该技能较为困难。
开发一种既适合家用、又降低检影镜验光法检查难度的屈光不正检查技术是非常有必要的。
发明内容
本发明旨在解决上述问题，提供一种屈光不正的数字化影像识别方法，该方法和采用一种新的适用于临床与家用的人眼屈光不正诊断技术，该技术基于检影验光原理，具有视频显示眼底影动，影像识别程序辅助检查者（特别针对非专业人士）判断屈光不正诊断，可存储影像信息、传递诊断信息，使检查者更能直观、简准确地诊断人眼屈光不正，特别是针对老人、儿童、残障等沟通有障碍的患者。
为实现上述目的，本发明提出的一种屈光不正的数字化影像识别的方法为：一种屈光不正的数字化影像识别方法，包括步骤：
步骤一，将带状光光源投射到人眼上，驱动带状光光源沿水平方向运动，采用CCD图像采集对人眼拍照，连续获取多帧原始灰度图像数据；
步骤二，对单帧原始灰度图像数据进行眼球反射光带重心识别处理，得到眼球反射光带的重心位置，并放入眼球重心序列，包括以下内容：
对原始灰度图像数据进行图像二值化处理，得到眼球反射光带的二值化图像数据；
对眼球反射光带二值化图像数据进行图像腐蚀处理，得到眼球反射光带二值腐蚀图像；
对眼球反射光带二值腐蚀图像进行图像平滑处理，得到眼球反射光带平滑图像；
对眼球反射光带平滑图像进行图像膨胀处理，得到眼球反射光带膨胀图像；
对眼球反射光带膨胀图像进行图像腐蚀处理，得到眼球反射光带腐蚀图像；
对眼球反射光带腐蚀图像进行最大连通域处理，若最大连通域不存在，则丢弃该帧图像，若最大连通域存在，则可计算出该最大连通域的最小外接矩形，从而计算出该最小外接矩形的重心位置即眼球反射光带的重心位置，并放入眼球重心序列；
步骤三，对单帧原始灰度图像数据进行带状投射光带重心和最小外接矩形识别处理，得到带状投射光带的重心位置和最小外接矩形顶点坐标，并将带状投射光带的重心位置放入光带重心序列，包括以下内容：
对原始灰度图像数据进行图像避位处理，得到带状投射光带避位处理图像数据，避位区域内的所有像素值置为0，避位区域将人眼眼球部分全部覆盖；
对带状投射光带避位处理图像数据进行图像二值化处理，得到带状投射光带的二值化图像数据；
对带状投射光带二值化图像数据进行图像腐蚀处理，得到带状投射光带二值腐蚀图像；
对带状投射光带二值腐蚀图像进行图像平滑处理，得到带状投射光带平滑图像；
对带状投射光带平滑图像进行图像膨胀处理，得到带状投射光带膨胀图像；
对带状投射光带膨胀图像进行图像腐蚀处理，得到带状投射光带腐蚀图像；
对带状投射光带腐蚀图像进行最大连通域处理，若最大连通域不存在，则丢弃该帧图像，若最大连通域存在，则可计算出该最大连通域的最小外接矩形，从而计算出该最小外接矩形的顶点坐标和该最小外接矩形的重心位置即带状投射光带的重心位置，并将带状投射光带的重心位置放入光带重心序列；
步骤四，对单帧原始灰度图像数据进行眼球反射光带角度识别处理，得到眼球反射光带的角度值，包括以下内容：
对原始灰度图像数据进行图像二值化处理，得到眼球反射光带的二值化图像数据；
对眼球反射光带二值化图像进行图像膨胀处理，得到眼球反射光带的膨胀图像数据；
对眼球反射光带膨胀图像数据进行最佳二值化阈值处理，得到眼球反射光带最佳二值化阈值图像；
对眼球反射光带最佳二值化阈值图像进行直线拟合处理，若不存在满足条件的最长线段，则丢弃该帧图像，若存在满足条件的最长线段，则可计算出该最长线段与水平线的夹角即眼球反射光带的角度值；
步骤五，对步骤三处理得到的带状投射光带的最小外接矩形的顶点坐标进行处理，得到带状投射光带的角度值；
步骤六，对步骤四得到的眼球反射光带的角度值和步骤五得到的带状投射光带的角度值进行比较，若眼球反射光带的角度值和带状投射光带的角度值的差值大于预设阈值，则作为散光处理；
步骤七，对经过步骤二处理得到的眼球重心序列进行运动位置识别处理，若判断为不动，作为正视处理，否则，得出眼球重心序列的运动方向，包括以下内容：
对由连续多帧原始灰度图像数据经过步骤二处理后得到的眼球反射光带的重心位置序列进行运动位置识别处理，若任意眼球反射光带的重心位置与眼球反射光带重心位置序列的平均值之间的差值的绝对值小于预设阈值，则可判别为不动，作为正视处理；否则，可得出连续多帧图像中眼球反射光带的运动方向，即眼球重心序列的运动方向；
步骤八，对经过步骤三处理得到的光带重心序列进行运动位置识别处理，若判断为不动，作为错误识别处理，否则，得出光带重心序列的运动方向，包括以下内容：
对由连续多帧原始灰度图像数据经过步骤三处理后得到的带状投射光带的重心位置序列进行运动位置识别处理，若任意带状投射光带的重心位置与带状投射光带重心位置序列的平均值之间的差值的绝对值小于预设阈值，则可判别识别错误；否则，可得出连续多帧图像中带状投射光带的运动方向，即光带重心序列的运动方向；
步骤九，对步骤七得到的眼球重心序列的运动方向和步骤八得到的光带重心序列的运动方向进行比较，两个运动方向一致则可判别为顺动，作为远视处理，两个运动方向不一致则判断为逆动，作为近视处理。
本发明的贡献在于，它提出了一种新的用于诊断人眼屈光不正的数字化影像识别技术，这是一种新的适用于临床与家用人眼屈光不正的诊断技术，该技术基于检影验光原理，采用影像识别技术辅助检查者（特别针对非专业人士）判断屈光不正诊断，可根据影像信息自动获得诊断信息，使检查者更能直观、简易、准确地诊断人眼屈光不正，特别是针对老人、儿童、残障等沟通有障碍的患者，该技术在国内外属于首创，适用于家庭和临床使用。与现有屈光不正诊断方法相比，本发明具有如下的显著特点：
一、提出了一种新的数字化影像识别方法代替人工进行诊断，可以对人眼屈光不正进行有效的诊断；
二、本发明实现人眼屈光不正诊断的方法比较简便，易于实现；
三、本发明具有非常显著的经济效益和社会效益，对于家庭，该技术能方便家庭成员使用，随时观察家庭成员（特别是儿童和青少年）的屈光不正，如有问题可及时就诊，给予矫治，避免屈光性弱视的发生；对于临床工作，该技术能提高眼科医师、验光师以及全科医师检影验光的工作效率和准确率。
附图说明
图1是本发明所述的一种屈光不正的数字化影像识别方法整体处理流程图。
图2是本发明所述的眼球反射光带重心识别处理流程图。
图3是本发明所述的眼球反射光带角度识别处理流程图。
图4是本发明所述的带状投射光带重心及角度识别处理流程图。
具体实施方式
以下结合附图对本发明进行详细说明。
如图1所示，本发明提供的一种屈光不正的数字化影像识别方法，实现步骤如下：
步骤一，将带状光光源投射到人眼上，驱动带状光光源沿水平方向运动，采用CCD图像采集装置对人眼拍照，连续获取多帧原始灰度图像数据；
步骤二，对单帧原始灰度图像数据进行眼球反射光带重心识别处理，得到眼球反射光带的重心位置Peye_ctr(x,y)，并放入眼球重心序列；
步骤三，对单帧原始灰度图像数据进行带状投射光带重心和最小外接矩形识别处理，得到带状投射光带最小外接矩形的顶点坐标Rectlight(P0(x,y), P1(x,y), P2(x,y), P3(x,y))和带状投射光带的重心位置Plight_ctr(x,y)，并将带状投射光带的重心位置放入光带重心序列；
步骤四，对单帧原始灰度图像数据进行眼球反射光带角度识别处理，得到眼球反射光带的角度值∮eye；
步骤五，对步骤三处理得到的带状投射光带的最小外接矩形的顶点坐标Rectlight(P0(x,y), P1(x,y), P2(x,y), P3(x,y))进行处理，得到带状投射光带的角度值∮light；
步骤六，对步骤四得到的眼球反射光带的角度值∮eye和步骤五得到的带状投射光带的角度值∮light进行比较，若眼球反射光带的角度值∮light和带状投射光带的角度值∮eye的差值大于预设阈值，则作为散光处理；
步骤七，对经过步骤二处理得到的眼球重心序列进行运动位置识别处理，若判断为不动，作为正视处理，否则，得出眼球重心序列的运动方向，包括以下内容：
对由连续n帧(n>1)原始灰度图像数据经过步骤二处理后得到的眼球反射光带的重心位置序列Peye_ctr(xi,yi) (其中i=1…n)进行运动位置识别处理，若任意眼球反射光带的重心位置Peye_ctr(xi,yi)与眼球反射光带重心位置序列的平均值Peye_ctr0 = ∑Peye_ctr(xi,yi) / n (其中i=1…n)之间的差值的绝对值Diffeye(i) = | Peye_ctr(xi,yi) - Peye_ctr0 |小于预设阈值，则可判别为不动，作为正视处理；否则，可得出连续n帧眼球反射光带的运动方向（向左或向右），即眼球重心序列的运动方向（向左或向右）；
步骤八，对经过步骤三处理得到的光带重心序列进行运动位置识别处理，若判断为不动，作为错误识别处理，否则，得出光带重心序列的运动方向，包括以下内容：
对由连续n帧(n>1)原始灰度图像数据经过步骤三处理后得到的带状投射光带的重心位置序列Plight_ctr(xi,yi) (其中i=1…n)进行运动位置识别处理，若任意带状投射光带的重心位置Plight_ctr(xi,yi)与带状投射光带重心位置序列的平均值Plight_ctr0 = ∑Plight_ctr(xi,yi) / n (其中i=1…n)之间的差值的绝对值Difflight(i) = | Plight_ctr(xi,yi) -Plight_ctr0|小于预设阈值，则可判别为识别错误；否则，可得出连续n帧(n>1)带状投射光带的运动方向（向左或向右），即光带重心序列的运动方向（向左或向右）；
步骤九，对步骤七得到的眼球重心序列的运动方向和步骤八得到的光带重心序列的运动方向进行比较，两个运动方向一致则判别为顺动，作为远视处理，两个运动方向不一致则判别为逆动，作为近视处理。
如图2所示，是本发明提供的眼球反射光带重心识别处理流程，具体步骤如下：
对单帧灰度图像数据进行图像二值化处理，得到眼球反射光带的二值化图像数据，图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果，对于给定阈值T，对图像按照以下方法变换为，变换公式如下：
；
对眼球反射光带二值化图像数据进行图像腐蚀处理，得到眼球反射光带二值腐蚀图像；
对眼球反射光带二值腐蚀图像进行图像平滑处理，得到眼球反射光带平滑图像；
对眼球反射光带平滑图像进行图像膨胀处理，得到眼球反射光带膨胀图像；
对眼球反射光带膨胀图像进行图像腐蚀处理，得到眼球反射光带腐蚀图像；
对眼球反射光带腐蚀图像进行最大连通域处理，若最大连通域不存在，则丢弃该帧图像，若最大连通域存在，则可计算出该最大连通域的最小外接矩形，从而计算出该最小外接矩形的重心位置即眼球反射光带的重心位置Peye_ctr(x,y)。
如图3所示，是本发明提供的眼球反射光带角度识别处理流程，具体步骤如下：
对单帧灰度图像数据进行图像二值化处理，得到眼球反射光带的二值化图像数据；
对眼球反射光带二值化图像进行图像膨胀处理，得到眼球反射光带的膨胀图像数据；
对眼球反射光带膨胀图像数据进行最佳二值化阈值处理，得到眼球反射光带最佳二值化阈值图像；
对眼球反射光带最佳二值化阈值图像进行直线拟合处理，若不存在满足条件的最长线段，则丢弃该帧图像，若存在满足条件的最长线段，则可计算出该最长线段与水平线的夹角即眼球反射光带的角度值∮eye。
如图4所示，是本发明提供的带状投射光带重心和角度识别处理流程，具体步骤如下：
对单帧灰度图像数据进行图像避位处理，得到带状投射光带避位处理图像数据，预先设置避位区域RectA(P0(x,y), P1(x,y), P2(x,y), P3(x,y))，将避位区域RectA中的值全部置为0，避位区域需将人眼眼球区域全部覆盖；
对带状投射光带避位处理图像数据进行图像二值化处理，得到带状投射光带的二值化图像数据；
对带状投射光带二值化图像数据进行图像腐蚀处理，得到带状投射光带二值腐蚀图像；
对带状投射光带二值腐蚀图像进行图像平滑处理，得到带状投射光带平滑图像；
对带状投射光带平滑图像进行图像膨胀处理，得到带状投射光带膨胀图像；
对带状投射光带膨胀图像进行图像腐蚀处理，得到带状投射光带腐蚀图像；
对带状投射光带腐蚀图像进行最大连通域处理，若最大连通域不存在，则丢弃该帧图像，若最大连通域存在，则可计算出该最大连通域的最小外接矩形，从而计算出该最小外接矩形的顶点坐标Rectlight(P0(x,y), P1(x,y), P2(x,y), P3(x,y))和该最小外接矩形的重心位置即带状投射光带的重心位置Plight_ctr(x,y)；
根据带状投射光带的最小外接矩形的顶点坐标Rectlight(P0(x,y), P1(x,y), P2(x,y), P3(x,y))进行计算，得到带状投射光带的角度值∮light。
显然，本领域的技术人员可以对本发明中的实施例进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明实施例中的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明中的实施例也意图包含这些改动和变型在内。
综上所述，本发明提出的一种屈光不正的数字化影像识别方法能够代替人工进行诊断，可以对人眼屈光不正进行有效的诊断，易于实现，对于家庭，该技术能方便家庭成员使用，随时观察家庭成员（特别是儿童和青少年）的屈光不正，如有问题可及时就诊，给予矫治，避免屈光性弱视的发生；对于临床工作，该技术能提高眼科医师、验光师以及全科医师检影验光的工作效率和准确率，具有非常显著的社会效益和经济效益。

Claims (5)

1.一种屈光不正的数字化影像识别方法，其特征在于，包括步骤：
步骤一，将带状光光源投射到人眼上，驱动带状光光源沿水平方向运动，采用CCD图像采集装置对人眼拍照，连续获取多帧原始灰度图像数据；
步骤二，对单帧原始灰度图像数据进行眼球反射光带重心识别处理，得到眼球反射光带的重心位置，并放入眼球重心序列；
步骤三，对单帧原始灰度图像数据进行带状投射光带重心和最小外接矩形识别处理，得到带状投射光带的重心位置和最小外接矩形顶点坐标，并将带状投射光带的重心位置放入光带重心序列；
步骤四，对单帧原始灰度图像数据进行眼球反射光带角度识别处理，得到眼球反射光带的角度值；
步骤五，对步骤三处理得到的带状投射光带的最小外接矩形的顶点坐标进行处理，得到带状投射光带的角度值；
步骤六，对步骤四得到的眼球反射光带的角度值和步骤五得到的带状投射光带的角度值进行比较，若眼球反射光带的角度值和带状投射光带的角度值的差值大于预设阈值，则作为散光处理；
步骤七，对经过步骤二处理得到的眼球重心序列进行运动位置识别处理，若判断为不动，作为正视处理，否则，得出眼球重心序列的运动方向；
步骤八，对经过步骤三处理得到的光带重心序列进行运动位置识别处理，若判断为不动，作为错误识别处理，否则，得出光带重心序列的运动方向；
步骤九，对步骤七得到的眼球重心序列的运动方向和步骤八得到的光带重心序列的运动方向进行比较，两个运动方向一致则判别为顺动，作为远视处理，两个运动方向不一致则判别为逆动，作为近视处理。
2.根据权利要求1所述的一种屈光不正的数字化影像识别方法，其特征在于：所述步骤二中，包括以下步骤：
对原始灰度图像数据进行图像二值化处理，得到眼球反射光带的二值化图像数据；
对眼球反射光带二值化图像数据进行图像腐蚀处理，得到眼球反射光带二值腐蚀图像；
对眼球反射光带二值腐蚀图像进行图像平滑处理，得到眼球反射光带平滑图像；
对眼球反射光带平滑图像进行图像膨胀处理，得到眼球反射光带膨胀图像；
对眼球反射光带膨胀图像进行图像腐蚀处理，得到眼球反射光带腐蚀图像；
对眼球反射光带腐蚀图像进行最大连通域处理，若最大连通域不存在，则丢弃该帧图像，若最大连通域存在，则可计算出该最大连通域的最小外接矩形，从而计算出该最小外接矩形的重心位置即眼球反射光带的重心位置，并放入眼球重心序列。
3.根据权利要求1所述的一种屈光不正的数字化影像识别方法，其特征在于：所述步骤四中，包括以下步骤：
对原始灰度图像数据进行图像二值化处理，得到眼球反射光带的二值化图像数据；
对眼球反射光带二值化图像进行图像膨胀处理，得到眼球反射光带的膨胀图像数据；
对眼球反射光带膨胀图像数据进行最佳二值化阈值处理，得到眼球反射光带最佳二值化阈值图像；
对眼球反射光带最佳二值化阈值图像进行直线拟合处理，若不存在满足条件的最长线段，则丢弃该帧图像，若存在满足条件的最长线段，则可计算出该最长线段与水平线的夹角即眼球反射光带的角度值。
4.根据权利要求1所述的一种屈光不正的数字化影像识别方法，其特征在于：所述步骤七中，包括以下步骤：
对由连续多帧原始灰度图像数据经过步骤二处理后得到的眼球反射光带的重心位置序列进行运动位置识别处理，若任意眼球反射光带的重心位置与眼球反射光带重心位置序列的平均值之间的差值的绝对值小于预设阈值，则可判别为不动，作为正视处理；否则，可得出连续多帧图像中眼球反射光带的运动方向，即眼球重心序列的运动方向。
5.根据权利要求1所述的一种屈光不正的数字化影像识别方法，其特征在于：所述步骤八中，包括以下步骤：
对由连续多帧原始灰度图像数据经过步骤三处理后得到的带状投射光带的重心位置序列进行运动位置识别处理，若任意带状投射光带的重心位置与带状投射光带重心位置序列的平均值之间的差值的绝对值小于预设阈值，则可判别识别错误；否则，可得出连续多帧图像中带状投射光带的运动方向，即光带重心序列的运动方向。
CN201510656043.XA 2015-10-13 2015-10-13 一种屈光不正的数字化影像识别方法 Expired - Fee Related CN105279774B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510656043.XA CN105279774B (zh) 2015-10-13 2015-10-13 一种屈光不正的数字化影像识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510656043.XA CN105279774B (zh) 2015-10-13 2015-10-13 一种屈光不正的数字化影像识别方法

Publications (2)

Publication Number Publication Date
CN105279774A CN105279774A (zh) 2016-01-27
CN105279774B true CN105279774B (zh) 2018-06-19

Family

ID=55148725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510656043.XA Expired - Fee Related CN105279774B (zh) 2015-10-13 2015-10-13 一种屈光不正的数字化影像识别方法

Country Status (1)

Country Link
CN (1) CN105279774B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110096978A (zh) * 2019-04-18 2019-08-06 温州医科大学 基于机器视觉的偏心摄影验光图像处理的方法
CN116205919B (zh) * 2023-05-05 2023-06-30 深圳市智宇精密五金塑胶有限公司 基于人工智能的五金零件生产质量检测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1541610A (zh) * 1995-06-07 2004-11-03 ŵ������A������ƽ˹ 估计用于矫正病人眼睛散光的外科手术参数的装置和方法
CN103476325A (zh) * 2011-01-31 2013-12-25 田纳西大学研究基金会 自适应照片筛查系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1541610A (zh) * 1995-06-07 2004-11-03 ŵ������A������ƽ˹ 估计用于矫正病人眼睛散光的外科手术参数的装置和方法
CN103476325A (zh) * 2011-01-31 2013-12-25 田纳西大学研究基金会 自适应照片筛查系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
On the Prediction of Optical Aberrations by Personalized Eye Models;R Navarro 等;《Optometry & Vision Official Publication of the American Academy of Optometry》;20061231;第83卷(第6期);第1-41页 *
基于数字化技术改造的检影验光理论的教学应用;叶良 等;《健康研究》;20100430;第30卷(第2期);第159-161页 *
基于数字影像技术的视网膜检影验光装置的实验研究;金晨晖 等;《中国医学装备》;20141231;第11卷(第12期);第13-15页 *
新型检影模拟眼的设计理论分析;金晨晖 等;《中国组织工程研究与临床康复》;20080624;第12卷(第26期);第5091-5094页 *
检影验光在圆锥角膜筛查与诊断中的应用研究;刘博 等;《大连医科大学学报》;20120630;第34卷(第3期);第252-256页 *

Also Published As

Publication number Publication date
CN105279774A (zh) 2016-01-27

Similar Documents

Publication Publication Date Title
CN105411525B (zh) 一种眼底照片图像智能获取识别系统
Carrillo et al. Glaucoma detection using fundus images of the eye
Kovács et al. Anterior chamber characteristics of keratoconus assessed by rotating Scheimpflug imaging
KR20140079864A (ko) 눈 상태들을 식별하기 위한 시스템 및 방법
WO2019169896A1 (zh) 基于脸部特征点定位的疲劳状态检测方法
Valente et al. Automatic diagnosis of strabismus in digital videos through cover test
CN114821757B (zh) 一种获取视疲劳状态的数据处理系统
CN108392174B (zh) 一种早产儿视网膜病变的自动检查方法及系统
Liu et al. Automatic glaucoma diagnosis from fundus image
CN105279774B (zh) 一种屈光不正的数字化影像识别方法
Khan et al. CDR based glaucoma detection using fundus images: a review
CN110210357A (zh) 一种基于静态照片面部识别的上睑下垂图像测量方法
Suero et al. Locating the Optic Disc in Retinal Images Using Morphological Techniques.
CN110575132A (zh) 一种基于偏心摄影的斜视程度的计算方法
Cheng et al. Closed angle glaucoma detection in RetCam images
Almeida-Galárraga et al. Glaucoma detection through digital processing from fundus images using MATLAB
Onkaew et al. Automatic extraction of retinal vessels based on gradient orientation analysis
Agarwal et al. Automatic imaging method for optic disc segmentation using morphological techniques and active contour fitting
WO2011108995A1 (en) Automatic analysis of images of the anterior chamber of an eye
CN116453692A (zh) 一种眼科患病风险评估筛查系统
CN115670370A (zh) 一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置
Caya et al. Development of Pupil Diameter Determination using Tiny-YOLO Algorithm
Sarangpure CUP and DISC OPTIC Segmentation Using Optimized Superpixel Classification for Glaucoma Screening
Sahoo et al. A novel optic disc and blood vessel detection algorithm
Listyalina et al. Detection of optic disc centre point in retinal image

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20171103

Address after: 518000 Guangdong Province, Shenzhen City Xili Xili Lake Town

Applicant after: Shenzhen Polytechnic

Address before: The South Nanshan 518063 province 10 South East Garden 5-22D

Applicant before: Jin Chenhui

TA01 Transfer of patent application right
CB02 Change of applicant information

Address after: 518000 Xili Lake, Xili Lake, Nanshan District, Shenzhen, Guangdong

Applicant after: Shenzhen Polytechnic

Address before: 518000 Guangdong province Shenzhen City Xili Lake Xili Lake

Applicant before: Shenzhen Polytechnic

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180619

Termination date: 20191013

CF01 Termination of patent right due to non-payment of annual fee