CN109222890A - 一种眼睛健康情况确定方法、装置和存储介质 - Google Patents
一种眼睛健康情况确定方法、装置和存储介质 Download PDFInfo
- Publication number
- CN109222890A CN109222890A CN201810974584.0A CN201810974584A CN109222890A CN 109222890 A CN109222890 A CN 109222890A CN 201810974584 A CN201810974584 A CN 201810974584A CN 109222890 A CN109222890 A CN 109222890A
- Authority
- CN
- China
- Prior art keywords
- characteristic
- health situation
- vector quantization
- eye health
- eye
- 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
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
- A61B3/14—Arrangements specially adapted for eye photography
Abstract
本发明涉及一种眼睛健康情况确定方法、装置和存储介质。该方法包括：步骤1，获取用户的眼部图像；步骤2，对所述眼部图像进行特征提取，获得特征数据；步骤3，比对所述特征数据与多个不良样本中对应的样本数据，根据比对结果获得眼睛健康情况信息；步骤4，输出所述眼睛健康情况信息。本发明的技术方案可以使用户快速准确获得眼睛健康情况信息。
Description
技术领域
本发明涉及计算机应用技术领域，具体涉及一种眼睛健康情况确定方法、装置和存储介质。
背景技术
随着生活水平的提高，人们对自身健康情况的关注越来越多，而眼睛作为人体最重要的器官之一，其健康情况也备受人们关注。通常，人们在眼睛出现不适时会选择就医咨询，但是，由于眼科细分领域较广，并不是每一位医生都能准确判断用户的眼部健康情况，如果需要中途更换医生，将耽误用户的时间。另外，有些情况在医生给出初步结果后，依然需要专用仪器进行进一步分析以获得最终结果，耗时较长。并且由于医生水平参差不齐，有些医生甚至没有正规资质，判断结果也会受其主观影响，这导致部分情况下给出的结果可能并不能真实反映用户的眼睛健康情况。
发明内容
针对现有技术的不足，本发明提供一种眼睛健康情况确定方法、装置和存储介质。
第一方面，本发明提供了一种眼睛健康情况确定方法，该方法包括：
步骤1，获取用户的眼部图像。
步骤2，对所述眼部图像进行特征提取，获得特征数据。
步骤3，比对所述特征数据与多个不良样本中对应的样本数据，根据比对结果获得眼睛健康情况信息。
步骤4，输出所述眼睛健康情况信息。
第二方面，本发明提供了一种眼睛健康情况确定装置，该装置包括：
获取模块，用于获取用户的眼部图像。
处理模块，用于对所述眼部图像进行特征提取，获得特征数据；以及比对所述特征数据与多个不良样本中对应的样本数据，根据比对结果获得眼睛健康情况信息。
输出模块，用于输出所述眼睛健康情况信息。
第三方面，本发明提供了一种眼睛健康情况确定装置，该装置包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如上所述的眼睛健康情况确定方法。
第四方面，本发明提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的眼睛健康情况确定方法。
本发明提供的眼睛健康情况确定方法、装置和存储介质的有益效果是，在用户进行体检或进行眼部健康咨询时，体检中心或医院可通过对非接触方式获取的用户眼部图像进行特征提取，以获得眼部特征数据，然后采用例如大数据方法分别比对当前用户特征数据与多个现存不良样本中的相应样本数据。多个不良样本可来自历史眼部检测数据，包括过往采集的多位眼部具有异常情况的用户的眼部相关信息。根据比对结果可快速确定当前用户眼部是否处于健康状态，或者是否有可能已发生某些特定的异常情况。用户可快速准确获得眼睛健康情况信息，如果是在体检时发现眼部异常情况，可利于用户采取一定预防措施，避免进一步恶化，如果是在医院咨询检测时发现特定的眼部异常情况，可以节省用户寻找不同专科医生的时间，以尽快安排后续诊疗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种眼睛健康情况确定方法的流程示意图；
图2为本发明实施例的一种眼睛健康情况确定装置的结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，本发明实施例的一种眼睛健康情况确定方法包括：
步骤1，获取用户的眼部图像。
步骤2，对所述眼部图像进行特征提取，获得特征数据。
步骤3，比对所述特征数据与多个不良样本中对应的样本数据，根据比对结果获得眼睛健康情况信息。
步骤4，输出所述眼睛健康情况信息。
在本实施例中，在用户进行体检或进行眼部健康咨询时，体检中心或医院可通过对非接触方式获取的用户眼部图像进行特征提取，以获得眼部特征数据，然后采用例如大数据方法分别比对当前用户特征数据与多个现存不良样本中的相应样本数据。多个不良样本可来自历史眼部检测数据，包括过往采集的多位眼部具有异常情况的用户的眼部相关信息。根据比对结果可快速确定当前用户眼部是否处于健康状态，或者是否有可能已发生某些特定的异常情况。用户可快速准确获得眼睛健康情况信息，如果是在体检时发现眼部异常情况，可利于用户采取一定预防措施，避免进一步恶化，如果是在医院咨询检测时发现特定的眼部异常情况，可以节省用户寻找不同专科医生的时间，以尽快安排后续诊疗。
优选地，所述步骤2包括：
步骤2.1，采用滤波和二值化处理方法从所述眼部图像中确定眼睛图像信息。
由于对用户的眼部图像采集可以在体检中心或医院的特定环境内完成，可采用滤波的处理方法去除噪声和明显不属于眼睛部分的图像信息，采用二值化的处理方法将眼睛和脸部其他部分进行区分，将眼睛轮廓线内区域的图像信息作为眼睛图像信息。另外，如果采集环境发生变化，也可以相应调整确定眼睛图像信息的步骤。
步骤2.2，基于Harris角点检测算法，从所述眼睛图像信息中提取所述特征数据。
进行Harris角点检测运算时，由于使用了微分算子对图像进行微分运算，而微分运算对图像密度的拉升或收缩和对亮度的抬高或下降不敏感，也就是对亮度和对比度的仿射变换并不改变Harris响应的极值点出现的位置。故基于Harris角点检测算法，可以更准确地获取眼睛图像信息中的特征数据。
优选地，所述眼睛图像信息包括左眼图像信息和右眼图像信息。
通过将眼睛图像信息区分为左眼图像信息和右眼图像信息，相应地，后续获得的眼睛健康情况信息也可区分为左眼健康情况信息和右眼健康情况信息，使用户可以获得更准确的眼睛健康情况信息，方便后续预防或诊疗措施的开展。
优选地，每个所述不良样本包括矢量化的样本数据以及与所述样本数据匹配的所述眼睛健康情况信息，所述步骤3包括：
步骤3.1，对所述特征数据进行矢量化处理，获得矢量化的特征数据。
步骤3.2，比对相互对应的所述矢量化的特征数据与所述矢量化的样本数据。
步骤3.3，当所述矢量化的特征数据与所述矢量化的样本数据相同时，确定输出所述矢量化的样本数据所在的所述不良样本中的所述眼睛健康情况信息。
各不良样本中均具有例如角膜、睫状肌、晶状体和视网膜等多种眼部特征项的样本数据，以及与之匹配的眼睛健康情况信息。例如，睫状肌处于一定拉伸状态可匹配指示用户可能近视的眼睛健康情况信息。需要注意的是，通常情况下，睫状肌和晶状体等多种眼部特征项处于特定状态才导致近视，也就是说，样本数据中的多个特征项处于特定状态才和近视这种眼睛健康情况信息是相互匹配的。上述睫状肌和近视之间的示例只是为了解释样本数据和眼睛健康情况信息之间的匹配关系，并不限定近视只与睫状肌状态相关。
在不良样本中对样本数据进行矢量化，获得形式为包括多个矢量值的数组的矢量化的样本数据，例如{0.9，0.3，0.2，0.8}，各矢量值分别对应例如角膜、睫状肌、晶状体和视网膜的状态，以直观展示样本数据指示的眼睛近视状态信息。需要注意的是，通常矢量还具有方向性，此处将代表各部位状态的矢量定义为同一方向，可方便运算。由于经设定，特征数据和样本数据具有格式相应的形式，首先对特征数据进行相同的矢量化处理，然后分别比对当前用户眼部图像的矢量化的特征数据与多个矢量化的样本数据。如果矢量化的特征数据也为{0.9，0.3，0.2，0.8}，也就是和此样本数据相同，则可确定当前用户眼睛健康情况信息应指示其可能患有近视。
优选地，所述步骤3还包括：
步骤3.4，当所述矢量化的特征数据与所述矢量化的样本数据不相同，但所述矢量化的特征数据与所述矢量化的样本数据的差值小于或等于预定阈值时，生成与所述矢量化的样本数据所在的所述不良样本中的所述眼睛健康情况信息相关的提示信息。
如果当前用户的矢量化的特征数据为{0.9，0.35，0.2，0.8}，其与指示眼睛近视状态信息的矢量化的样本数据的差值为0.05，小于预定阈值0.1，则说明当前用户可能为假性近视，如果不进行预防保护措施，将可能很快变为真性近视，此时可生成相应信息进行提示，建议用户尽早采取预防措施。
相应地，如果没有与样本数据相同的特征数据，且二者间的差值大于预设阈值，则说明通过此方法确定的用户眼睛状态为健康。
优选地，所述眼睛健康情况信息可包括指示用户可能患有近视眼、青光眼或白内障的判定信息。
由于各种眼部异常情况均可通过客观的眼部图像特殊数据体现，样本数据中可包括患有近视眼、青光眼、白内障以及其他眼部异常情况的用户的相关信息，以帮助当前用户在无需首先确定专科医生的前提下，便可变快速准确确定眼部是否处于健康状态，或者处于何种情况的异常状态。
另外，眼部特征数据和样本数据均可包括表示眼球血管特性的特征项，由于眼球血管特性可以在一定程度上反映身体其他部位的健康状态，根据特征数据和样本数据中相应的表示眼球血管特性特征项的比对结果，可以确定用户身体特定部位是否处于疑似异常状态，并输出相应的健康情况信息，使用户可以更全面了解自身的健康状态。
如图2所示，本发明实施例的一种眼睛健康情况确定装置包括：
获取模块，用于获取用户的眼部图像。
处理模块，用于对所述眼部图像进行特征提取，获得特征数据；以及比对所述特征数据与多个不良样本中对应的样本数据，根据比对结果获得眼睛健康情况信息。
输出模块，用于输出所述眼睛健康情况信息。
优选地，所述处理模块具体用于：
采用滤波和二值化处理方法从所述眼部图像中确定眼睛图像信息。
基于Harris角点检测算法，从所述眼睛图像信息中提取所述特征数据。
优选地，每个所述不良样本包括矢量化的样本数据以及与所述样本数据匹配的所述眼睛健康情况信息，所述处理模块具体还用于：
对所述特征数据进行矢量化处理，获得矢量化的特征数据。
比对相互对应的所述矢量化的特征数据与所述矢量化的样本数据。
当所述矢量化的特征数据与所述矢量化的样本数据相同时，确定输出所述矢量化的样本数据所在的所述不良样本中的所述眼睛健康情况信息。
优选地，所述处理模块具体还用于：当所述矢量化的特征数据与所述矢量化的样本数据不相同，但所述矢量化的特征数据与所述矢量化的样本数据的差值小于或等于预定阈值时，生成与所述矢量化的样本数据所在的所述不良样本中的所述眼睛健康情况信息相关的提示信息。
在本发明另一实施例中，一种基于案例推理的服装推荐装置包括存储器和处理器。所述存储器，用于存储计算机程序。所述处理器，用于当执行所述计算机程序时，实现如上所述的眼睛健康情况确定方法。
在本发明另一实施例中，一种计算机可读存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的眼睛健康情况确定方法。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种眼睛健康情况确定方法，其特征在于，所述方法包括：
步骤1，获取用户的眼部图像；
步骤2，对所述眼部图像进行特征提取，获得特征数据；
步骤3，比对所述特征数据与多个不良样本中对应的样本数据，根据比对结果获得眼睛健康情况信息；
步骤4，输出所述眼睛健康情况信息。
2.根据权利要求1所述的眼睛健康情况确定方法，其特征在于，所述步骤2包括：
步骤2.1，采用滤波和二值化处理方法从所述眼部图像中确定眼睛图像信息；
步骤2.2，基于Harris角点检测算法，从所述眼睛图像信息中提取所述特征数据。
3.根据权利要求2所述的眼睛健康情况确定方法，其特征在于，所述眼睛图像信息包括左眼图像信息和右眼图像信息。
4.根据权利要求1至3任一项所述的眼睛健康情况确定方法，其特征在于，每个所述不良样本包括矢量化的样本数据以及与所述样本数据匹配的所述眼睛健康情况信息，所述步骤3包括：
步骤3.1，对所述特征数据进行矢量化处理，获得矢量化的特征数据；
步骤3.2，比对相互对应的所述矢量化的特征数据与所述矢量化的样本数据；
步骤3.3，当所述矢量化的特征数据与所述矢量化的样本数据相同时，确定输出所述矢量化的样本数据所在的所述不良样本中的所述眼睛健康情况信息。
5.根据权利要求4所述的眼睛健康情况确定方法，其特征在于，所述步骤3还包括：
步骤3.4，当所述矢量化的特征数据与所述矢量化的样本数据不相同，但所述矢量化的特征数据与所述矢量化的样本数据的差值小于或等于预定阈值时，生成与所述矢量化的样本数据所在的所述不良样本中的所述眼睛健康情况信息相关的提示信息。
6.一种眼睛健康情况确定装置，其特征在于，所述装置包括：
获取模块，用于获取用户的眼部图像；
处理模块，用于对所述眼部图像进行特征提取，获得特征数据；以及比对所述特征数据与多个不良样本中对应的样本数据，根据比对结果获得眼睛健康情况信息；
输出模块，用于输出所述眼睛健康情况信息。
7.根据权利要求6所述的眼睛健康情况确定装置，其特征在于，所述处理模块具体用于：
采用滤波和二值化处理方法从所述眼部图像中确定眼睛图像信息；
基于Harris角点检测算法，从所述眼睛图像信息中提取所述特征数据。
8.根据权利要求6或7所述的眼睛健康情况确定装置，其特征在于，每个所述不良样本包括矢量化的样本数据以及与所述样本数据匹配的所述眼睛健康情况信息，所述处理模块具体还用于：
对所述特征数据进行矢量化处理，获得矢量化的特征数据；
比对相互对应的所述矢量化的特征数据与所述矢量化的样本数据；
当所述矢量化的特征数据与所述矢量化的样本数据相同时，确定输出所述矢量化的样本数据所在的所述不良样本中的所述眼睛健康情况信息。
9.一种眼睛健康情况确定装置，其特征在于，所述装置包括存储器和处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于当执行所述计算机程序时，实现如权利要求1至5任一项所述的眼睛健康情况确定方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至5任一项所述的眼睛健康情况确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810974584.0A CN109222890A (zh) | 2018-08-24 | 2018-08-24 | 一种眼睛健康情况确定方法、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810974584.0A CN109222890A (zh) | 2018-08-24 | 2018-08-24 | 一种眼睛健康情况确定方法、装置和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109222890A true CN109222890A (zh) | 2019-01-18 |
Family
ID=65068294
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810974584.0A Pending CN109222890A (zh) | 2018-08-24 | 2018-08-24 | 一种眼睛健康情况确定方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109222890A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114041923A (zh) * | 2021-12-21 | 2022-02-15 | 杭州叁伟医疗科技有限公司 | 一种高压氧眼罩的眼部治疗方法、设备及介质 |
| CN114099129A (zh) * | 2021-11-23 | 2022-03-01 | 杭州叁伟医疗科技有限公司 | 一种用于高压氧眼部治疗仪的自动控制方法及设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102186406A (zh) * | 2008-10-15 | 2011-09-14 | 欧普蒂布兰德有限责任公司 | 用于获得眼部特征的图像的方法和设备 |
| US20110243410A1 (en) * | 2008-12-15 | 2011-10-06 | Wing Kee Damon Wong | Method and system for determining the position of an optic cup boundary |
| CN102264277A (zh) * | 2008-07-09 | 2011-11-30 | 劳伦斯·M·麦金利 | 视觉功能监控处理和装置 |
| CN104114079A (zh) * | 2011-10-24 | 2014-10-22 | Iriss医疗科技有限公司 | 用于识别眼部健康状况的系统和方法 |
| CN104334173A (zh) * | 2012-05-01 | 2015-02-04 | 特兰斯拉图姆医学公司 | 用于治疗和诊断致盲性眼病的方法 |
| CN104586410A (zh) * | 2014-12-02 | 2015-05-06 | 惠州Tcl移动通信有限公司 | 移动终端、可穿戴式设备、判断用户状态的系统及方法 |
| CN105324794A (zh) * | 2013-04-10 | 2016-02-10 | 奥克兰联合服务有限公司 | 头部和眼睛跟踪 |
| CN105989220A (zh) * | 2015-01-30 | 2016-10-05 | 中兴通讯股份有限公司 | 一种健康信息的提供方法及提供装置 |
| CN106997428A (zh) * | 2017-04-08 | 2017-08-01 | 上海中医药大学附属曙光医院 | 目诊系统 |
| CN107680683A (zh) * | 2017-10-09 | 2018-02-09 | 上海睦清视觉科技有限公司 | 一种ai眼部健康评估方法 |
-
2018
- 2018-08-24 CN CN201810974584.0A patent/CN109222890A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102264277A (zh) * | 2008-07-09 | 2011-11-30 | 劳伦斯·M·麦金利 | 视觉功能监控处理和装置 |
| CN102186406A (zh) * | 2008-10-15 | 2011-09-14 | 欧普蒂布兰德有限责任公司 | 用于获得眼部特征的图像的方法和设备 |
| US20110243410A1 (en) * | 2008-12-15 | 2011-10-06 | Wing Kee Damon Wong | Method and system for determining the position of an optic cup boundary |
| CN102316789A (zh) * | 2008-12-15 | 2012-01-11 | 新加坡保健服务集团有限公司 | 确定视杯边界的位置的方法和系统 |
| CN104114079A (zh) * | 2011-10-24 | 2014-10-22 | Iriss医疗科技有限公司 | 用于识别眼部健康状况的系统和方法 |
| CN104334173A (zh) * | 2012-05-01 | 2015-02-04 | 特兰斯拉图姆医学公司 | 用于治疗和诊断致盲性眼病的方法 |
| CN105324794A (zh) * | 2013-04-10 | 2016-02-10 | 奥克兰联合服务有限公司 | 头部和眼睛跟踪 |
| CN104586410A (zh) * | 2014-12-02 | 2015-05-06 | 惠州Tcl移动通信有限公司 | 移动终端、可穿戴式设备、判断用户状态的系统及方法 |
| CN105989220A (zh) * | 2015-01-30 | 2016-10-05 | 中兴通讯股份有限公司 | 一种健康信息的提供方法及提供装置 |
| CN106997428A (zh) * | 2017-04-08 | 2017-08-01 | 上海中医药大学附属曙光医院 | 目诊系统 |
| CN107680683A (zh) * | 2017-10-09 | 2018-02-09 | 上海睦清视觉科技有限公司 | 一种ai眼部健康评估方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114099129A (zh) * | 2021-11-23 | 2022-03-01 | 杭州叁伟医疗科技有限公司 | 一种用于高压氧眼部治疗仪的自动控制方法及设备 |
| CN114099129B (zh) * | 2021-11-23 | 2024-03-19 | 杭州叁伟医疗科技有限公司 | 一种用于高压氧眼部治疗仪的自动控制方法及设备 |
| CN114041923A (zh) * | 2021-12-21 | 2022-02-15 | 杭州叁伟医疗科技有限公司 | 一种高压氧眼罩的眼部治疗方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Current status and future trends of clinical diagnoses via image-based deep learning | |
| CN107423571B (zh) | 基于眼底图像的糖尿病视网膜病变识别系统 | |
| Yang et al. | Classification of retinal image for automatic cataract detection | |
| Vermeer et al. | A model based method for retinal blood vessel detection | |
| JP5923445B2 (ja) | 緑内障の組み合わせ解析 | |
| Kovács et al. | Accuracy of machine learning classifiers using bilateral data from a Scheimpflug camera for identifying eyes with preclinical signs of keratoconus | |
| JP7078948B2 (ja) | 眼科情報処理システム、眼科情報処理方法、プログラム、及び記録媒体 | |
| Liu et al. | Computerized macular pathology diagnosis in spectral domain optical coherence tomography scans based on multiscale texture and shape features | |
| Hossain et al. | Automatic detection of eye cataract using deep convolution neural networks (DCNNs) | |
| Li et al. | Automatic cataract diagnosis by image-based interpretability | |
| Koreen et al. | Evaluation of a computer-based system for plus disease diagnosis in retinopathy of prematurity | |
| TW201247182A (en) | Method and device for retinal image analysis | |
| Feizi et al. | Predictive ability of galilei to distinguish subclinical keratoconus and keratoconus from normal corneas | |
| KR102354980B1 (ko) | 전안부 질환 진단 시스템 및 이를 이용한 진단 방법 | |
| Bowd et al. | Gradient-boosting classifiers combining vessel density and tissue thickness measurements for classifying early to moderate glaucoma | |
| Panda et al. | Describing the structural phenotype of the glaucomatous optic nerve head using artificial intelligence | |
| US20230022921A1 (en) | System and method for analyzing corneal lesion using anterior ocular segment image, and computer-readable recording medium | |
| CN109222890A (zh) | 一种眼睛健康情况确定方法、装置和存储介质 | |
| JP2020036835A (ja) | 眼科診断支援装置、眼科診断支援方法、及び眼科診断支援プログラム | |
| Estabridis et al. | Automatic detection and diagnosis of diabetic retinopathy | |
| Kamantigue et al. | Prediction of visual field defects on standard automated perimetry by screening C-20-1 frequency doubling technology perimetry | |
| Agarwal et al. | Automatic computer aided diagnosis for early diabetic retinopathy detection and monitoring: A comprehensive review | |
| Purwanithami et al. | Hemorrhage diabetic retinopathy detection based on fundus image using neural network and FCM segmentation | |
| Gandhimathi et al. | Detection of neovascularization in proliferative diabetic retinopathy fundus images. | |
| Bowd et al. | Multimodal Deep Learning Classifier for Primary Open Angle Glaucoma Diagnosis Using Wide-Field Optic Nerve Head Cube Scans in Eyes With and Without High Myopia |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |