CN105590323B - 一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法 - Google Patents

一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法 Download PDF

Info

Publication number
CN105590323B
CN105590323B CN201610072252.4A CN201610072252A CN105590323B CN 105590323 B CN105590323 B CN 105590323B CN 201610072252 A CN201610072252 A CN 201610072252A CN 105590323 B CN105590323 B CN 105590323B
Authority
CN
China
Prior art keywords
image
filtering bleb
avascular filtering
avascular
bleb
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.)
Active
Application number
CN201610072252.4A
Other languages
English (en)
Other versions
CN105590323A (zh
Inventor
梁远波
黄胜海
解彦茜
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.)
Eye Hospital of Wenzhou Medical University
Original Assignee
Eye Hospital of Wenzhou Medical University
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 Eye Hospital of Wenzhou Medical University filed Critical Eye Hospital of Wenzhou Medical University
Priority to CN201610072252.4A priority Critical patent/CN105590323B/zh
Publication of CN105590323A publication Critical patent/CN105590323A/zh
Application granted granted Critical
Publication of CN105590323B publication Critical patent/CN105590323B/zh
Active 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
    • 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
    • A61B3/102—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for optical coherence tomography [OCT]
    • 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
    • A61B3/13—Ophthalmic microscopes
    • A61B3/135—Slit-lamp microscopes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法，基于临床广泛的应用的裂隙灯显微镜照相系统，提出评价滤过泡表面的血管的量化指标，通过滤过泡血管面积指数、滤过泡充血指数，用于反应滤过泡表面血管的程度，建立滤过泡表面的血管化程度客观评价方法，反映了滤过泡的炎症状态。

Description

一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测 方法
技术领域
本发明涉及眼科影像学领域，特别涉及一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法。
背景技术
小梁切除术自上世纪60年代被应用于青光眼的治疗，因其能够有效的控制眼压，且有较高的成功率，至今仍是最常用的外滤过手术方式。术后眼压的控制依赖于建立并长期维持有功能的房水引流通道。房水引流通道既包括结膜下的滤过泡，即房水引流通道外口，也包括浅层巩膜瓣下的房水引流通道内口。滤过泡作为房水引流通道的重要组成部分，对手术成功与否起到了至关重要的影响。术后早期滤过泡形态往往处于动态变化过程中，而且其形态的改变往往早于功能的改变(滤过量下降，继而眼压升高)，如早期充血及纤维化等发生在眼压升高之前。因此，近年来，许多学者关注于术后滤过泡的形态、演化过程及各种不同形态滤过泡与其临床功能间关系的研究，以期寻找一种操作简易、行之有效的方法，通过对滤过泡形态进行观察分析，预测手术效果，指导临床进行随访诊疗。
近年来，各种评价滤过泡形态的手段层出不穷，比如裂隙灯显微镜照相、相干光断层扫描成像(OCT)技术、超声活体显微镜(UBM)、共焦显微镜等。目前国际上常用的裂隙灯显微镜照相滤过泡分类系统有两种，即Indiana Bleb Appearance Grading Scale(IBAGS)系统和Mooffields BlebGrading System(MBGS)系统，这两种分类均对滤过泡的高度，大小及血管化程度进行了半定量的描述，可以对滤过泡的形态及其进展变化进行描述。OCT成像技术可以对滤过泡进行高分辨率的断层成像，正常的滤过泡表现为有较大的巩膜上液腔，有面积广泛、呈低反射的区域，滤过泡壁增厚并含有大量微囊结构。近年来发展的偏振OCT技术可以观察滤过泡纤维化的程度用于预测滤过泡手术的成功率。UBM也可以对滤过泡的形态进行观察，按照不同的回声可见滤过泡分为四型。利用共聚焦显微镜也可以对滤过泡的上皮进行高分辨率的观察，表现为上皮内无或极少量的微囊，基质内表现为高反射，高密度的胶原连接组织，伴有血管组织。
以上仪器主要通过观察测量滤过泡内部的结构，如滤过泡高度、范围、滤过泡内液腔的大小、滤过泡壁的厚度等，从而建立客观的滤过泡功能评价指标。然而这些仪器相对昂贵，检查相对耗时，同时部分检查需要可能对眼表产生一定的侵入性的操作。因此这些检查方法在临床工作中广泛应用仍存在一定的困难。
发明内容
为了解决现有技术存在的问题，本发明提供了一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法。
一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法，包括以下步骤：
(1)滤过泡图像(I)的采集：在黑暗条件下进行裂隙灯照相，使眼球上方滤过泡充分暴露，保证滤过泡全景，血管清晰，且在颞下方设置对照标准白纸；
(2)滤过泡区域获取及白平衡校准：读取彩色的滤过泡图像(I)后，选取滤过泡区域，进行白平衡校准矫正，获得经白平衡矫正的彩色图像(I′)；
(3)滤过泡图像预处理及滤过泡区域获取：获得经白平衡矫正的彩色图像(I′)进行图像预处理，图像预处理后得到的血管的结构(Ic)，将获得的提取得到血管图像二值化得到二值图像(Ibinary)；
(4)滤过泡血管指数检测：滤过泡血管指数主要由血管面积指数和眼红指数组成，滤过泡血管面积指数(Vvessel)定义为血管占滤过泡的面积(Avessel)和滤过泡的总面积(Ableb)的比值，
其中Ableb为步骤2获得滤过泡区域内的总像素点，Avessel为在二值图像滤过泡区域内为血管的位置的所有像素点的总和；
滤过泡血管眼红指数(Vredness)定义为滤过泡区域内色调(H)和饱和度(S)的乘积，
其中色调(H)和饱和度(S)通过图像RGB空间转换到HSV空间得到，hi和si为滤过泡区域内对应的像素点的色调和饱和度，n为滤过泡区域内内总像素点的个数。
所述的步骤(2)滤过泡区域获取及白平衡校准的方法为：读取彩色的滤过泡图像(I)后，滤过泡区域采用交互式的方式，人为选取滤过泡区域。同时白平衡选取对应的区域，对于选取区域内的每一个像素点(xi，yi)，计算像素点的平均值(rw，gw，bw)。矫正后相应的像素点上的颜色(r′，g′，b′)由下式表示：
其中(r，g，b)为未矫正前像素点的颜色值。
所述的步骤(3)滤过泡图像预处理及滤过泡区域获取的方法为：
a、获得经白平衡矫正的彩色图像(I′)后，提取其中的绿色分量图像(Ig)增强对血管的显示，然后获取均匀背景的血管图像，先对图像进行中值滤波(Imed)，均匀背景的血管图像(Iuni)可由下式获得：
b、进一步通过如下形态学操作增强并恢复部分小血管的图像，首先对均匀背景的图像用12个不同方向的线结构(Bi)进行闭运算，并取十二个运算结果中的最大值，即取所有值的上界，由下式表示：
其中表示对图像Iuni使用在悬着角度i位置结构B的闭操作运算，12个线结构以15°为间隔依次分开，R表示对图像进行图像学重建操作，同时对取闭运算后图像的下界，可以获得除去血管外的背景图像，由下式表示：
然后将获取的上界图像(Ia)的和下界图像(Ib)相减即可获得提取得到的血管的结构(Ic)。将获得的血管图像二值化可得到二值图像(Ibinary)。
本发明的有益效果是：本发明提供了一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法，基于临床广泛的应用的裂隙灯显微镜照相系统，提出评价滤过泡表面的血管的量化指标，通过滤过泡血管面积指数、滤过泡眼红指数，用于反应滤过泡表面血管的程度，建立滤过泡表面的血管化程度客观评价方法，反映了滤过泡的炎症状态。
附图说明
图1为本发明滤过泡血管指数计算流程图。
图2为本发明滤过泡图像预处理及二值图像的获取。
图3为利用本发明的方法获取滤过泡血管指标。
图4为本发明术后眼压与滤过泡血管指数关系。
具体实施方式
本发明基于临床广泛的应用的裂隙灯显微镜照相系统，提出一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法。其包括以下步骤：
1、滤过泡图像的采集：患者在暗室下进行照相。舒适坐与裂隙灯前，将其下巴与前额顶置于托架前，随后操作人员轻轻提起患者上眼睑，切忌施加任何压力于眼球，指示患者向正下方注视于外部固定视标，使上方滤过泡充分暴露。在10倍放大倍数、2档光强度、弥散光下照射并拍摄滤过泡，要求滤过泡全景，血管清晰，且在颞下方设置对照标准白纸。
2.滤过泡区域获取及白平衡校准：读取彩色的滤过泡图像(I)后，滤过泡区域采用交互式的方式，有人为判断依次选取滤过泡区域。同样白平衡由人为选取相应的区域，对于选取区域内的每一个像素点(xi，yi)，计算像素点的平均值(rw，gw，bw)。矫正后相应的像素点上的颜色(r′，g′，b′)由下式表示：
其中(r，g，b)为未矫正前像素点的颜色值。
3.滤过泡图像预处理及滤过泡区域获取：获得经白平衡矫正的彩色图像(I′)后，提取其中的绿色分量图像(Ig)增强对血管的显示。然后获取均匀背景的血管图像，先对图像进行中值滤波(Imed)，均匀背景的血管图像(Iuni)可由下式获得：
进一步通过如下形态学操作增强并恢复部分小血管的图像，首先对均匀背景的图像用12个不同方向的线结构(Bi)进行闭运算，并取十二个运算结果中的最大值，即取所有值的上界，由下式表示：
其中表示对图像Iuni使用在悬着角度i位置结构B的闭操作运算，12个线结构以15°为间隔依次分开，R表示对图像进行图像学重建操作。同时对取闭运算后图像的下界，可以获得除去血管外的背景图像，由下式表示：
然后将获取的上界图像(Ic)的和下界图像(Ib)相减即可获得提取得到的血管的结构(Ic)。将获得的血管图像二值化可得到二值图像(Ibinary)。
4.滤过泡血管指数计算：滤过泡血管指数主要由血管面积指数和眼红指数组成。滤过泡血管面积指数(Vvessel)定义为血管占滤过泡的面积(Avessel)和滤过泡的总面积(Ableb)的比值。
其中Ableb为步骤2获得滤过泡区域内的总像素点，Avessel为在二值图像滤过泡区域内为血管的位置的所有像素点的总和。相应的，滤过泡血管眼红指数(Vredness)定义为滤过泡区域内色调(H)和饱和度(S)的乘积，反应滤过泡因血管分布导致红的程度。
其中色调(H)和饱和度(S)可以图像RGB空间转换到HSV空间得到，hi和si为滤过泡区域内对应的像素点的色调和饱和度，n为滤过泡区域内内总像素点的个数。
滤过泡图像预处理及二值图像的获取如图2所示，图2(a)为裂隙灯拍摄获取的滤过泡的图片，其中黑色箭头的指向的是滤过泡的位置。图2(b)为图2a中获取的绿色分量的图像。图2(c)为图片背景均一化图像。图2(d)对结膜血管进行增强。图2(e)为交互式获取滤过泡区域后的结果。图2(f)为滤过泡区域图像二值化后的结果。
图3为利用本发明的方法获取滤过泡血管指标，得到滤过泡血管面积指数Vvessel＝2.00，滤过泡血管眼红指数Vredness＝38.88。
图4为术后眼压与滤过泡血管指数关系，注：入选60眼滤过泡术后眼压与血管面积指数存在一定的相关性，相关系数r＝0.551，P＝0.000005＜0.01
注：共纳入52个功能滤过泡和8个无功能滤过泡，采用t检。

Claims (3)

1.一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法，其特征在于，包括以下步骤：
(1)滤过泡图像I的采集：在黑暗条件下进行裂隙灯照相，使眼球上方滤过泡充分暴露，保证滤过泡全景，血管清晰，且在颞下方设置对照标准白纸；
(2)滤过泡区域获取及白平衡校准：读取彩色的滤过泡图像I后，选取滤过泡区域，进行白平衡校准矫正，获得经白平衡矫正的彩色图像I′；
(3)滤过泡图像预处理及滤过泡区域获取：获得经白平衡矫正的彩色图像I′进行图像预处理，图像预处理后得到的血管的结构Ic，将获得的提取得到血管图像二值化得到二值图像Ibinary；
(4)滤过泡血管指数检测：滤过泡血管指数主要由血管面积指数和眼红指数组成，滤过泡血管面积指数Vvessel定义为血管占滤过泡的面积Avessel和滤过泡的总面积Ableb的比值，
其中Ableb为步骤(2)获得滤过泡区域内的总像素点，Avessel为在二值图像滤过泡区域内为血管的位置的所有像素点的总和；
滤过泡血管眼红指数Vredness定义为滤过泡区域内色调H和饱和度S的乘积，
其中色调H和饱和度S通过图像RGB空间转换到HSV空间得到，hi和si为滤过泡区域内对应的像素点的色调和饱和度，n为滤过泡区域内总像素点的个数。
2.根据权利要求1所述的一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法，其特征在于，所述的步骤（ 2） 滤过泡区域获取及白平衡校准的方法为：读取彩色的滤过泡图像I后，滤过泡区域采用交互式的方式，人为选取滤过泡区域，同时白平衡选取对应的区域，对于选取区域内的每一个像素点(xi，yi)，根据像素点计算区域平均值(rw，gw，bw)，矫正后相应的像素点上的颜色(r′，g′，b′)由下式表示：
其中r，g，b为未矫正前像素点的颜色值。
3.根据权利要求1所述的一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法，其特征在于，所述的步骤（ 3） 滤过泡图像预处理及滤过泡区域获取的方法为：
a、获得经白平衡矫正的彩色图像I′后，提取其中的绿色分量图像Ig增强对血管的显示，然后获取均匀背景的血管图像，先对绿色分量图像Ig进行中值滤波Imed，均匀背景的血管图像Iuni可由下式获得：
b、进一步通过如下形态学操作增强并恢复部分小血管的图像，首先对均匀背景的图像用12个不同方向的线结构Bi进行闭运算，并取十二个运算结果中的最大值，即取所有值的上界，由下式表示：
其中表示对图像Iuni使用在悬着角度i位置结构B的闭操作运算，12个线结构以15°为间隔依次分开，R表示对图像进行图像学重建操作，同时对取闭运算后图像的下界，可以获得除去血管外的背景图像，由下式表示：
然后将获取的上界图像Ia的和下界图像Ib相减即可获得提取得到的血管的结构Ic，将获得的血管图像二值化可得到二值图像Ibinary。
CN201610072252.4A 2016-02-02 2016-02-02 一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法 Active CN105590323B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610072252.4A CN105590323B (zh) 2016-02-02 2016-02-02 一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610072252.4A CN105590323B (zh) 2016-02-02 2016-02-02 一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法

Publications (2)

Publication Number Publication Date
CN105590323A CN105590323A (zh) 2016-05-18
CN105590323B true CN105590323B (zh) 2018-04-03

Family

ID=55929878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610072252.4A Active CN105590323B (zh) 2016-02-02 2016-02-02 一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法

Country Status (1)

Country Link
CN (1) CN105590323B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018051209A1 (en) * 2016-09-16 2018-03-22 Novartis Ag Subtractive en face optical coherence tomography imaging
KR102469720B1 (ko) * 2017-10-31 2022-11-23 삼성전자주식회사 전자 장치 및 이를 이용한 눈의 충혈도 판단 방법
RU2673632C1 (ru) * 2018-01-24 2018-11-28 Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт глазных болезней" Способ определения показаний к проведению нидлинга фильтрационной подушки после антиглаукомной операции
CN109907461A (zh) * 2018-05-31 2019-06-21 周超强 防儿童式智能吹风机
CN108776967A (zh) * 2018-06-12 2018-11-09 塔里木大学 一种香梨瘀伤鉴别方法
CN111127464A (zh) * 2019-12-30 2020-05-08 执鼎医疗科技（杭州）有限公司 一种人眼充血检测装置
JP2023039046A (ja) * 2021-09-08 2023-03-20 株式会社トプコン 眼科装置、眼科装置を制御する方法、眼画像を処理する方法、プログラム、及び記録媒体

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101059869A (zh) * 2007-05-14 2007-10-24 华中科技大学 在数字冠脉造影图像中分割血管数据的方法
CN101706945A (zh) * 2005-06-14 2010-05-12 佳能株式会社 图像处理装置和图像处理方法
CN102842136A (zh) * 2012-07-19 2012-12-26 湘潭大学 一种综合血管分布和视盘外观特性的视盘投影定位方法
CN102999905A (zh) * 2012-11-15 2013-03-27 天津工业大学 基于自适应pcnn的眼底图像血管自动检测方法
WO2014143891A1 (en) * 2013-03-15 2014-09-18 University Of Iowa Research Foundation Automated separation of binary overlapping trees

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8483488B2 (en) * 2009-08-07 2013-07-09 Medinol Ltd. Method and system for stabilizing a series of intravascular ultrasound images and extracting vessel lumen from the images

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706945A (zh) * 2005-06-14 2010-05-12 佳能株式会社 图像处理装置和图像处理方法
CN101059869A (zh) * 2007-05-14 2007-10-24 华中科技大学 在数字冠脉造影图像中分割血管数据的方法
CN102842136A (zh) * 2012-07-19 2012-12-26 湘潭大学 一种综合血管分布和视盘外观特性的视盘投影定位方法
CN102999905A (zh) * 2012-11-15 2013-03-27 天津工业大学 基于自适应pcnn的眼底图像血管自动检测方法
WO2014143891A1 (en) * 2013-03-15 2014-09-18 University Of Iowa Research Foundation Automated separation of binary overlapping trees

Also Published As

Publication number Publication date
CN105590323A (zh) 2016-05-18

Similar Documents

Publication Publication Date Title
CN105590323B (zh) 一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法
Smith et al. Reticular macular disease
US8201943B2 (en) Adaptive optics line scanning ophthalmoscope
US8356901B2 (en) Systems and methods for widefield mapping of the retina
US20230022921A1 (en) System and method for analyzing corneal lesion using anterior ocular segment image, and computer-readable recording medium
CN110148111A (zh) 一种视网膜oct图像中多种视网膜病灶的自动检测方法
Gloster et al. Use of photographs for measuring cupping in the optic disc.
EP3448229A1 (en) Detachable miniature microscope mounted keratometer for cataract surgery
CN106361266B (zh) 一种基于光瞳滤波器和暗场技术的超分辨共焦检眼镜
CN108734701A (zh) 一种Placido环图像形态变化识别算法
CN109215039A (zh) 一种基于神经网络的眼底图片的处理方法
Fazio et al. Optic disc topography in patients with low-tension and primary open angle glaucoma
JPH04220233A (ja) 立体眼底カメラ
Seo et al. Measurement of ocular torsion using digital fundus image
CN108024705A (zh) 使用光学相干断层扫描对玻璃体视网膜的膜进行表征
JPH10216092A (ja) 光学特性測定装置
Martonyi et al. Slit lamp: examination and photography
Masters Fractal analysis of normal human retinal blood vessels
Schirmer Gonioscopy and artefacts.
WO2022145129A1 (ja) 眼科情報処理装置、眼科装置、眼科情報処理方法、及びプログラム
CN112669357B (zh) 一种眼底图像合成方法以及眼底成像仪
Miller et al. Adaptive optics in retinal microscopy and vision
CN108230287B (zh) 一种眼前节图像的晶体区域的检测方法及装置
Elbita et al. Recent advances in corneal imaging
CN115211807A (zh) 集成化斜视程度解析系统及方法

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
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 325000 No. 270 West College Road, Wenzhou, Zhejiang

Patentee after: THE EYE HOSPITAL OF WENZHOU MEDICAL UNIVERSITY

Address before: 325000 006 mailbox, 38 Dongfang South Road, Ouhai Economic Development Zone, Wenzhou, Zhejiang

Patentee before: THE EYE HOSPITAL OF WENZHOU MEDICAL UNIVERSITY