CN1080835A - 视觉检测仪 - Google Patents
视觉检测仪 Download PDFInfo
- Publication number
- CN1080835A CN1080835A CN 92104907 CN92104907A CN1080835A CN 1080835 A CN1080835 A CN 1080835A CN 92104907 CN92104907 CN 92104907 CN 92104907 A CN92104907 A CN 92104907A CN 1080835 A CN1080835 A CN 1080835A
- Authority
- CN
- China
- Prior art keywords
- vision
- achromatopsia
- sight surveymeter
- colour vision
- colour
- 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
Images
Landscapes
- Eye Examination Apparatus (AREA)
Abstract
本发明视觉检测仪,属医疗检测仪器,它可将色
觉和视觉同机检测是否正常以及异常的种类和程度,
该视觉检测仪是在286CPU主机控制下,由输入器、
图形库、验光部分、信息管理库、输出器和推理机等六
部分组成,其中图形库的软件程序写入PROM中固
化在主机上。该仪器可检查红、绿、蓝、全色盲或色
弱,并给出配制矫正镜的矫正曲线,如同时患有屈光
不正,可用一副眼镜同时矫正色觉和视力异常,该仪
器体检用快速方便;科研用精确可靠。
Description
视觉检测仪属于医学中检查眼睛视力和色觉的仪器。
视觉包括视力和色觉,视力异常包括近视、远视和立体视等总称屈光不正,色觉异常者为色盲,色盲包括红、绿、兰、全色盲和色弱。视力和色觉的单独检已有方法和仪器,然而视力和色觉合并在一个仪器上检查的措施在国内外尚无报告,但它有很大的实用性。
本发明的目的是提供一种视觉检测仪,精确地检出视力和色盲的正常或异常,以及异常的种类和程度。
本发明的具体内容:利用微电脑人工智能齐全,性能稳定,在286Cpu微机上增设软、硬件环境,实现视觉检测效果极佳。将色盲和视力的图形软件写入单片机PROM中,固化在主机上,这样处理可减少占用主机的内存空间,图形库软件用汇编语言写成,其他软件用C语言写成,视觉检测仪是应用软硬件相结合,微电脑和单片机相结合实现设计目标。由色觉检测部分、视力检测部分和管理部分组成,其具体结构是在微电脑CPU控制下由输入器、图形库、视力验光部分、管理信息库、输出器和推理机等六部分组成,详见附图1。
1、输入器:由键盘和显示器构成。
输入视觉信息经主机处理后,根据需要可以反馈给显示器;视力验光部分的信息输入,经主机处理可以将结果显示出来。
2、图形库:由色觉信息子库和视力信息子库组成。
色觉信息子库是以程序指令和规则,使用扫描机或制图将40幅色盲检测图形输入库内。
视力信息子库是以程序指示和规则,将对数视力表输入库内,即以“E”字指向的不同由1个E到8个E分为14组,每组以8个E为最多数。是依目前国际通用的“对数视力表”为准实现的。
因为图形的存储量较大,为了减少内存空间我们设计了通过装入程序使之写入PROM空间,固化在主机上。这样可以不占用系统空间。具体办法是在系统板的扩展PROM插座上,通过软件调用PROM的图形即可。图形功能的电路框图如图2。建成图形库再加上软件调用就基本上实现了对色觉和视力的检测。
3、视力验光部分
视力验光部分的功能也是检测视力的,图形库检测视力虽然方便并且也防止视力表检查的若干弊病,可是应用市场上的“电脑验光机”检测更精确。我们的设计方案是将“电脑验光”的电脑部分甩掉,接在视觉检测仪的主机CPU上;将打印部分甩掉接在视觉检测仪的输出打印机上。这样处理可使“电脑验光”的全部功能在视觉检测仪上实现。
4、管理信息库
存有管理的指令、规则和数据,以及病例贮存、统计分析、自学和咨询等子库,应用专家系统建成。以备调用。
5、输出器
由打印机和显示器构成。它的功能是打印和显示:
(1)、色觉和视力库中的数据和图形,以及检测结果的数据、图形和色盲矫正曲线等;
(2)、管理库中储存的数据、规则和公式,以及处理结果的数据、结论等;
(3)、视力验光结果;
(4)、修改、增减程序的中间数据和内容。
6、推理机
推理机是人工智能-专家系统中的重要组成部分,它的职能是对色觉检测结果的综合评判。该机在管理库中实现。
色觉信息可分为精确和模糊两种,应用光谱检测波长的数据是精确的;应用“色盲检查图”检测的结果则是模糊的。例如,色盲与色弱的界线就不清,是模糊的;红、绿色盲的界限也是模糊的,无耐混称“红绿色盲”,其实红绿色盲在光谱上是有明显区别的。
因此,使用“色盲检查图”检查所得到的数据都是模糊的色觉信息,必须应用模糊信息方法处理则是精确的。
色觉信息定义:色觉系统中所表达和传递的内容和形式。
色觉信息量定义:类别是信息源所产生的信息综合,对类别分类则为模糊和随机的,这只有同时考虑模糊与随机双重不定性才能全面的刻化类别信息的实质。
1、如果由n个信息所组成的集合做为论域,则Q=(qi;i∈n),对应每个qi(qi∈Q;j∈m),则类别Ai为上的m个子集,又构成一个新论域X=(Xi;i∈n),X是Q的映射集。
对于任意一个XiX都对应一值μA(X),它是消除随机与模糊双重不确定性的量度。表达式为:
式中K为权重,P(X)=P(x) = (Si)/(Dj) (概率),Dj=Aj中的总例数,Si=Aj中出现Xi的例数。
使用方法:
(1)客观值,令K=1按公式计算。
(2)主观值令(x)=1,μA(x)=10K将其分成n个值。 依决策确定n的个数(信息量集)。
(3)主客观结合值,依决策任取K值;先主观确定信息量,然后依验证数修改信息量。
1、分类实际上是信息(特征)的综合处理问题,m种不同类别所对应的信息X集合,恰为X上的不同模糊子集:Aj=(A1、A2…,Am),于是分类归结为X上的子集以多大程度隶属于Aj的问题。设Amax为m个信息子集Si和中的最大值,也就是消除双重不定性的最大值。若进行综合处理,其分类规则为:
j∈m i=1
(i∈n,j∈m)
(2)式为分类公式,将各类列的信息量之和大小,做为分类依据,其和大者即Amax做为分类上的类别,也可做为目标决策。
色觉信息方法:是色觉信息获取、压缩、编码、译码、处理、储存、调节、控制的方法和策略。
3、建立一个色觉的FuZZy信息矩阵
为了使电脑充分有效的处理色觉FuZZy信息模型,我们又相应的建立了“色觉的FuZZy信息矩阵模型”。
应用(1)、(2)式建立色觉的FuZZy信息量的矩阵A,即:
这个矩阵阵元的最大值等于(2)式类别信息量之和中的最大值,而判别矩阵是易于被电脑所接受,做为对色盲分类的判别。
4、确定每种色盲的等级或值:
将Amax分为Kn(m=1·2……6)个等级,即K1=重1,K2=重2,K3=中1,K4=中2,K5=轻1,K6=轻2共6个等级。是每种色盲的分等。
结论
这个推理机规则根据我们的“色觉模糊信息传递模型”而建立的。放在色觉信息库中调用,主要解决色觉模糊信息的综合评判。
A(1)式可将色觉模糊信息数量化。
B、(3)式可以确定色盲的种类。
C、Kn(n=1·2……6)为决定每种色盲等级的域值。
电脑依A、B、C可以自动确定出是否色盲?以及色盲种类和轻重的程度
检测时,打开检测仪由输入器1向主机2传递指令,主机接到指令后经过处理调用图形库3中的色觉信息子库4或视力信息子库5中的图形,将图形调入输出器8CRT上显示,供检测者识别,识别的结果自动存入管理库7中或显示打印。管理信息库中的各项内容的职能也由主机控制。
本发明视觉检测仪设计三种型号,SJY-I型为主观测试;SJY-Ⅱ型增设客观检测部分,依据需要,灵活选用;SJY-Ⅲ型又增设治疗部分,正在试制和实验中。
视觉检测仪SJY-Ⅰ型具有以下特点:
(1)SJY-Ⅰ型可以同机检测色觉和视力,适用于体检;由于代替了传统的色盲图表和视力表检查,不仅方便适用而且防止检查中容易发生的弊病。
(2)根据检测 打印的色盲矫正曲线,才能配制色盲矫正眼镜;色盲同时又屈光不正者配制一付多功能矫正眼镜即可,这更突出SJY-Ⅰ型的实用。没有SJY-Ⅰ型不能配制色盲矫正眼镜。
我们在SJY-Ⅰ型基础上设计了增设治疗部分,可以制成“视觉检测治疗机”,正在试制和实验中。286CPU电脑的硬盘为40兆,不扩展内存空间PROM也足够用的。增设PROM就是为了实现治疗机的设计。
(3)增设PROM是为了应用单片机研制SJY-Ⅲ型做准备,SJY-Ⅲ型体积小、重量轻、而功能不便。
(4)、SJY-Ⅰ型在电脑上实现的,由于电脑功能的精确性和优越形,决定SJY-Ⅰ型的功能齐全、性能稳定、安全可靠和操作简便。
附图说明:
图1:视觉检测仪结构框图,其中:
1输入器、2主机、3图形库、4色觉图形子库、5视力图形子库、6视力验光部分、7管理信息库、8输出器。
图2:图形电路框图
1 时钟、2 8088cpu主机,3 8288驱动总线,4 8282驱动总线、5 8286驱动总线、6 RAM随机存储器,7 PROM图形库、8控制总线、9地址总线、10数据总线。
本发明的实施例:按附图1和图2线路图,采用8088CPU主机、启动键盘、输入视力和色觉信息,经主机CPU处理后,反馈给显示器,并将色觉信息子库4和视力信息子库5的图形调入输出器CRT上显示,供患者识别并将检测的结果存入管理库RAM随机存储器中,或由输出器CRT显示打印出检测结果。图2中3、4、5是使电流放大的总线驱动电路,6为RAM随机存储器,7为PROM图形库,8为控制总线,9为地址总线,10为数据总线。
采用该系统视觉检仪可分为检查视力和色盲,视力检查结果处理方法为已有技术,不再多述。色觉检测的种类和程度判别标准为:
1、规定20个图形进行检测、若错误识图≥2个,即定为色盲。
2、根据红(R)、绿(G)、兰(B)三种不同颜色错误识图隶属度的大小确定色盲种类,那种和大即为该种色盲。
3、每种色盲按隶属度之和的大小分为六级
隶属度之和 | >120 | 115-105 | 100-90 | 85-75 | 70-60 | <55 |
色盲 等级 | K1 | K2 | K3 | K4 | K5 | K6 |
Claims (4)
1、一种视觉检测仪,其特征是在一台仪器上分别检查色觉和视力正常或异常,以及异常的种类和程度,并同时显示打印出检测结果,它是由输入器、图形库、视力验光部分、管理信息库、输出器和推理机等六部分组成,检测时,启动检测仪,由输入器1向主机2传递指令,主机2接到指令后经过处理,将图形库3中的色觉信息子库4或视力信息子库5中的图形调入输出器8CRT上显示,供检测者识别,识别的结果自动存入管理库7,并由输出器8显示打印出来。
视觉检测仪各部分组成:
(1)、输入器:由键盘和显示器构成,输入视力和色觉信息,经主机处理后,根据需要可以反馈给显示器3;
(2)、图形库:由色觉信息子库和视力信息子库组成,色觉信息子库是以程序指令和规则,使用扫描机或制图将40幅色盲检测图形和32幅立体视图形输入库内。
视力信息子库是以程序指令和规则,将对数视力表输入库内,即以“E”字指向不同,由1个“E”到8个E分为14组,每组以8个“E”为最多数。通过装入程序,使之写入PROM空间,固化在主机上;
(3)、视力验光部分:将电脑验光机接在视觉检测仪主机CPU上;将打印部分接在视觉检测仪的输出打印机上,将电脑验光的全部功能在视觉检测仪上实现;
(4)、管理信息库:存有管理的指令、规则和数据,病例贮存、统计分析、自学和咨询等子库,应用专家系统建成,以备调用;
(5)、输出器:由打印机和显示器构成,显示并打印:
A、色觉和视力库中的数据和图形,以及检测结果的数据、图形和色盲矫正曲线等;
B、管理库中储存的数据、规则和公式,以及处理结果的数据、结论等;
C、修改、增减程序中的中间数据和内容。
(6)、推理机:依MAYIN专家系统写成,对色觉模糊信息进行综合评判,将红、绿、兰三种色盲分为六级,推理机在管理库中实现。
2、按权利要求1所述的视觉检测仪,其特征在于视力检测包括视力正常或异常,视力异常分为近视、远视和立体视等各种屈光不正;
3、按权利要求1所述的视觉检测仪,其特征在于色觉检测包括红、绿、兰三种色盲和色弱,按轻重程度分为六级。
4、按权利要求1所述的视觉检测仪,其特征在于用管理信息库中的推理机综合评判色盲的种类和级别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 92104907 CN1080835A (zh) | 1992-06-23 | 1992-06-23 | 视觉检测仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 92104907 CN1080835A (zh) | 1992-06-23 | 1992-06-23 | 视觉检测仪 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1080835A true CN1080835A (zh) | 1994-01-19 |
Family
ID=4941060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 92104907 Pending CN1080835A (zh) | 1992-06-23 | 1992-06-23 | 视觉检测仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1080835A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002051305A1 (fr) * | 2000-12-26 | 2002-07-04 | Yan Chen | Procede et dispositif pour mesurer/corriger la vision des couleurs, mise en oeuvre de ce procede et utilisation de ce dispositif |
CN100337580C (zh) * | 2001-08-27 | 2007-09-19 | 铃木武敏 | 视觉检查用图表 |
CN113456016A (zh) * | 2021-06-09 | 2021-10-01 | 武汉艾格眼科医院有限公司 | 一种基于vr眼镜的隔离式自动测色盲检测系统 |
-
1992
- 1992-06-23 CN CN 92104907 patent/CN1080835A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002051305A1 (fr) * | 2000-12-26 | 2002-07-04 | Yan Chen | Procede et dispositif pour mesurer/corriger la vision des couleurs, mise en oeuvre de ce procede et utilisation de ce dispositif |
US7198369B2 (en) | 2000-12-26 | 2007-04-03 | Yan Chen | Method and device for detecting/correcting color vision and their application |
CN100337580C (zh) * | 2001-08-27 | 2007-09-19 | 铃木武敏 | 视觉检查用图表 |
CN113456016A (zh) * | 2021-06-09 | 2021-10-01 | 武汉艾格眼科医院有限公司 | 一种基于vr眼镜的隔离式自动测色盲检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106530295A (zh) | 一种视网膜病变的眼底图像分类方法和装置 | |
CN113808738B (zh) | 一种基于自识别影像的疾病识别系统 | |
CN110866893A (zh) | 基于病理图像的tmb分类方法、系统及tmb分析装置 | |
US20180165413A1 (en) | Gene expression data classification method and classification system | |
CN1121207A (zh) | 归属度判别装置 | |
Redd et al. | Image-based differentiation of bacterial and fungal keratitis using deep convolutional neural networks | |
Yan et al. | Attention‐based deep learning system for automated diagnoses of age‐related macular degeneration in optical coherence tomography images | |
CN111862075A (zh) | 一种基于深度学习的肺部图像分析系统及其分析方法 | |
CN114937502A (zh) | 基于深度学习的骨质疏松性椎体压缩性骨折评估方法及系统 | |
CN112446860B (zh) | 一种基于迁移学习的糖尿病黄斑水肿自动筛查方法 | |
CN115035127A (zh) | 一种基于生成式对抗网络的视网膜血管分割方法 | |
CN101199411A (zh) | 一种视觉检测仪 | |
Miao et al. | Classification of diabetic retinopathy based on multiscale hybrid attention mechanism and residual algorithm | |
Babaqi et al. | Eye disease classification using deep learning techniques | |
CN1080835A (zh) | 视觉检测仪 | |
Pradhan et al. | Analysis of MRI image data for Alzheimer disease detection using deep learning techniques | |
Suedumrong et al. | Application of deep convolutional neural networks vgg-16 and googlenet for level diabetic retinopathy detection | |
Kolte et al. | Advancing Diabetic Retinopathy Detection: Leveraging Deep Learning for Accurate Classification and Early Diagnosis | |
Fan et al. | Detecting Glaucoma in the Ocular Hypertension Treatment Study using deep learning: implications for clinical trial endpoints | |
Iklima et al. | Reduction of feature extraction for COVID-19 CXR using depthwise separable convolution network | |
Rani et al. | Construction of deep learning model using ResNet 50 for schizophrenia prediction from rsFMRI images | |
CN113476065B (zh) | 一种多类肺炎诊断系统 | |
CN109801251A (zh) | 医学影像的融合方法及基于融合医学影像学习的图像检测方法 | |
Voggu et al. | A survey on skin disease detection using deep learning techniques | |
Yu-Xing et al. | Automated abnormality classification of chest radiographs using deep convolutional neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |