CN110875092B - 一种基于远程眼底筛查的健康大数据服务方法和系统 - Google Patents

一种基于远程眼底筛查的健康大数据服务方法和系统 Download PDF

Info

Publication number
CN110875092B
CN110875092B CN201811343106.6A CN201811343106A CN110875092B CN 110875092 B CN110875092 B CN 110875092B CN 201811343106 A CN201811343106 A CN 201811343106A CN 110875092 B CN110875092 B CN 110875092B
Authority
CN
China
Prior art keywords
information
analyzed
fundus image
macula
fundus
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
CN201811343106.6A
Other languages
English (en)
Other versions
CN110875092A (zh
Inventor
余轮
欧霖杰
王丽纳
林嘉雯
邱应强
薛岚燕
曹新容
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.)
Fuzhou Yiying Health Technology Co ltd
Original Assignee
Fuzhou Yiying Health Technology Co ltd
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 Fuzhou Yiying Health Technology Co ltd filed Critical Fuzhou Yiying Health Technology Co ltd
Publication of CN110875092A publication Critical patent/CN110875092A/zh
Application granted granted Critical
Publication of CN110875092B publication Critical patent/CN110875092B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • A61B3/0016—Operational features thereof
    • A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
    • 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
    • A61B3/0016—Operational features thereof
    • A61B3/0041—Operational features thereof characterised by display arrangements
    • A61B3/0058—Operational features thereof characterised by display arrangements for multiple images
    • 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
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Signal Processing (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明涉及健康大数据领域，特别涉及一种基于远程眼底筛查的健康大数据服务方法与系统。所述一种基于远程眼底筛查的健康大数据服务方法，包括步骤：获取远程终端机构发送的待分析信息；对待分析信息进行预判读，判断待分析信息是否合格；若合格，对待分析信息提取特征数据，并形成结构化的量化指标；根据知识计算模型，对特征数据和量化指标进行整理与分析，获得分析结论；将待分析信息、特征数据、量化指标和分析结论存放至数据库。通过以上步骤使得无论是什么型号的眼底相机、什么样的工作模式、最后获得的眼底图像经过处理之后，都可以获得可比性统一的量化指标、特征数据，建立起整个大数据服务平台，将大大地有利于实现个性化的健康大数据服务等等。

Description

一种基于远程眼底筛查的健康大数据服务方法和系统
技术领域
本发明涉及健康大数据领域，特别涉及一种基于远程眼底筛查的健康大数据服务方法和系统。
背景技术
根据世界卫生组织新近发布的消息，全球范围内有3.47亿人被诊断患有糖尿病，并预计到2040年，这个数字将会超过6.4亿，而估计糖尿病性视网膜病变(DiabticRetinopathy,DR)已经影响超过1亿人；按人口的数量与结构估算，目前我国约有2.5亿高血压患者，每3个成年人中就有1人患有高血压，约占全球高血压总人数的1/3患病率呈上升趋势，且随年龄增高而上升，而控制率仅为5.7％。中国的糖尿病患者也已经超过1.1亿。糖尿病及其并发症造成严重的社会经济负担。
但是，我国迄今缺乏脑卒中和DR、DN以及青光眼、白内障等重大疾病或重大并发症的高效预警或规模化的筛查平台；移动医疗难以获得脑心眼肾等靶器官的个体化精准信息，难以实现个性化的健康服务！
今天虽然用于糖尿病视网膜病变(DR)筛查的眼底照相机技术已经成熟，然而，由于各种型号的眼底相机及其不同的工作模式，导致所获得的眼底图像的尺寸、分辨率、结构等都不尽相同。即使是同一位用户同一只眼睛，通过不同设备或不同时间的采集，所获得眼底图像也可能因为视角、分辨率的不同，导致无法实现个人多次检查图像的比对和指标性的定量分析，也难以对不同人或同一个人不同时间或不同设备上采集的眼底图象的视网膜病变特征、位置、大小或血管改变情况进行定量分析、统计或比较，影响了其结构化数据的应用和健康大数据的获取、建立、更新与比较。目前，暂未有相关文献注意到这些问题或明确指出如何解决这一问题！因此，面对海量的用户定期筛查与采集的眼底图象，如何在对单张眼底图像中的关键结构、与各类疾病相关的病灶进行分析的基础上，形成可比较的、有意义的量化指标，从而支持眼底图像的比对分析和统计是一个亟需待解决的问题。
发明内容
为此，需要提供一种基于远程眼底筛查的健康大数据服务方法，用以解决无法对海量眼底图像处理分析形成量化指标，形成结构化数据的问题。具体技术方案如下：
一种基于远程眼底筛查的健康大数据服务方法，包括步骤：
获取远程终端机构发送的待分析信息，所述待分析信息包括：眼底图像和个人资料；
对所述待分析信息进行预判读，判断所述待分析信息是否合格；
若所述待分析信息合格，对所述待分析信息提取特征数据，并形成结构化的量化指标；
根据知识计算模型，对所述特征数据和量化指标进行整理与分析，获得分析结论；
将所述待分析信息、特征数据、量化指标和分析结论存放至所述预先设计的数据库。
进一步的，所述“对所述待分析信息进行预判读，判断所述待分析信息是否合格”，还包括步骤：
所述预判读包括：所述眼底图像是否确为眼底图像、所述眼底图像结构是否完整、所述眼底图像是否清晰和所述眼底图像是否可用中的一种或多种；
若待分析信息合格，则返回相关合格信息至远程终端机构；
若待分析信息不合格，则返回相关不合格信息至远程终端机构，所述相关不合格信息用以提示：远程终端机构重新采集待分析信息。
进一步的，所述“对所述待分析信息进行预判读，判断所述待分析信息是否合格”，还包括步骤：
根据预设规则，在返回预判读结果至远程终端机构前，所述远程终端机构发出提示信息用以提示用户不要离开所述远程终端机构，直至返回待分析信息合格的提示信息。
进一步的，所述“对所述待分析信息进行预判读，判断所述待分析信息是否合格”，还包括步骤：
若待分析信息合格，返回相关合格信息至远程终端机构；
所述远程终端机构获取所述相关合格信息，并根据预设规则告知用户是否需要继续等待直至所述分析结论出来。
进一步的，所述“所述眼底图像结构是否完整”，还包括步骤：
对所述眼底图像的视盘与黄斑进行识别和标定，根据所述识别结果判断所述眼底图像是否包含视盘和黄斑，
若所述眼底图像包含视盘和黄斑，根据所述标定结果判断所述视盘和黄斑是否在眼底图像的预设区间内，
若所述视盘和黄斑在眼底图像的预设区间内，则所述眼底图像结构完整。
进一步的，所述“对所述眼底图像进行提取特征数据，并形成结构化的量化指标”，还包括步骤：
根据标定好的视盘和黄斑，计算所述视盘颞侧与黄斑中心凹的量化参数。
为解决上述技术问题，还提供了一种远程眼底筛查的健康大数据服务系统，具体技术方案如下：
一种基于远程眼底筛查的健康大数据服务系统，包括：眼底图像采集模块和远程分析中心模块；
所述眼底图像采集模块连接所述远程分析中心模块；
所述眼底图像采集模块用于：获取待分析信息，所述待检信息包括：眼底图像和个人资料，并发送所述待分析信息至远程分析中心模块；
所述远程分析中心模块用于：接收所述待分析信息，并对所述待分析信息进行预判读，判断所述待分析信息是否合格；若所述待分析信息合格，对所述待分析信息提取特征数据，并形成结构化的量化指标；根据知识计算模型，对所述特征数据和量化指标进行整理与分析，获得分析结论；将所述待分析信息、特征数据、量化指标和分析结论存放至所述预先设计的数据库。
进一步的，所述预判读包括：所述眼底图像是否确为眼底图像、所述眼底图像结构是否完整、所述眼底图像是否清晰和所述眼底图像是否可用中的一种或多种；
所述远程分析中心模块还用于：
若待分析信息合格，则返回相关合格信息至眼底图像采集模块；
若待分析信息不合格，则返回相关不合格信息至眼底图像采集模块，所述相关不合格信息用以提示：眼底图像采集模块重新采集合格的待分析信息。
进一步的，所述眼底图像采集模块还用于：根据预设规则，在返回预判读结果至眼底图像采集模块前，发出提示信息用以提示用户不要离开眼底图像采集模块，直至返回待分析信息合格的提示信息。
进一步的，所述远程分析中心模块还用于：若待分析信息合格，返回相关合格信息至眼底图像采集模块；
所述眼底图像采集模块还用于：获取所述相关合格信息，并根据预设规则告知用户是否需要继续等待直至所述分析结论出来。
本发明的有益效果是：通过获取远程终端机构发送的待分析信息，所述待检信息包括：眼底图像和个人资料，对所述待分析信息进行预判读，判断所述待分析信息是否合格，并构成一个完整闭环的质量保证体系，这一点十分重要，使得系统能够使获得的每一个待分析信息，都是充分可用的，保证了可靠的用户信息的获得，增强了用户体验，有助于最终形成一个可分析、可更新的大数据信息库；若所述待分析信息合格，对所述待分析信息提取特征数据，并形成结构化的量化指标；将所述特征数据和所述量化指标存放至预先设计的数据库；根据知识计算模型，对所述特征数据和量化指标进行整理与分析，获得分析结论；将所述待分析信息、特征数据、量化指标和分析结论存放至所述预先设计的数据库。通过以上步骤使得无论是什么型号的眼底相机、什么样的工作模式、最后获得的眼底图像经过处理之后，都可以获得可比性统一的量化指标、特征数据，且将待分析信息、量化指标、特征数据、分析结论存放至预先设计好的数据库，建立起整个大数据服务平台，将大大地有利于辅助医生进行疾病判读等等。
进一步的，对待分析信息进行预判读，可百分百保证到最后用于提取特征数据的待分析信息是可用的，对于用户而言：避免了远程分析中心后期才发现待分析信息不可用，用户又要重新跑一趟，给用户很不好的体验，也浪费用户的时间；对于远程分析中心而言：可用的待分析信息不仅确保了诊断结果的稳定性、准确性，且提高诊断效率，避免无用的返工时间。
进一步的，在待分析信息合格之前，可根据预设规则让远程终端机构告知用户暂时不要离开，直至返回待分析信息合格的提示信息后，方可离开，整个过程避免了待分析信息不合格，用户却已经离开的情况，给用户造成不好的体验。
进一步的，若眼底图像合格，对所述眼底图像提取特征数据，并形成结构化的量化指标。即：根据标定好的视盘和黄斑，计算所述视盘颞侧与黄斑中心凹的量化参数。因正常人这二者的绝对距离值是差不多一样的，因此再根据已得到的视盘颞侧到黄斑中心凹的绝对距离以及视盘直径，得到后续量化分析的参数，将获得的数据从绝对表示方式转换为相对表示方式，通过归一化处理，形成有意义的、可比较的数据。确保了不同来源的眼底图像，均可形成有意义、可比较的量化指标，做到所有的眼底图像基本可比较。
附图说明
图1为具体实施方式所述一种基于远程眼底筛查的健康大数据服务方法的流程图；
图2为具体实施方式所述一种基于远程眼底筛查的健康大数据服务系统的模块图。
附图标记说明：
200、基于远程眼底筛查的健康大数据服务系统；
201、眼底图像采集模块；
202、远程分析中心模块。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。
请参阅图1，在本实施方式中，一种基于远程眼底筛查的健康大数据服务方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机设备可读取的存储介质中，用于执行下述各实施方式所述的全部或部分步骤。所述计算机设备，包括但不限于：个人计算机、服务器、通用计算机、专用计算机、网络设备、智能移动终端、智能家居设备、穿戴式智能设备等；所述的存储介质，包括但不限于：RAM、ROM、移动硬盘、网络服务器存储、网络云存储等。
在本实施方式中，一种基于远程眼底筛查的健康大数据服务方法的具体实施如下：
步骤S101：获取远程终端机构发送的待分析信息，所述待分析信息包括：眼底图像和个人资料。可采用如下方式：在远程终端机构设置有眼底图像采集终端和任意可接受发送信息的计算机设备，如PC，通过眼底图像采集终端采集眼底图像，再把眼底图像传输到PC上，同样将个人资料输入到PC中，由PC统一将眼底图像和个人资料发送给远程分析中心。
在其它实施方式中，亦可以是远程终端机构(如：底层医疗诊所)通过眼底照相机采集用户A的眼底图像，眼底照相机通过usb线将所述眼底图像传输到终端应用机构的电脑上，同时也可以将个人信息或个人资料输入电脑，电脑把这些信息发送至远程判读中心。
在本实施方式中，所述个人资料或问诊资料包括：姓名、身份证、身高、体重、腰围、家族遗传病史、用药情况、血糖、血压、视力情况、运动情况、饮食情况、生活习惯和是否吸烟喝酒中的一种或多种。
获取好待分析信息后，执行步骤S102：对所述待分析信息进行预判读，判断所述待分析信息是否合格。可采用如下方式：所述预判读包括：所述眼底图像是否确为眼底图像、所述眼底图像结构是否完整、所述眼底图像是否清晰和所述眼底图像是否可用中的一种或多种。
可采用如下方式：获取质检人员输入的预判读信息；结合所述质检人员输入的预判读信息及眼底图像自动分析的预判读结果，判断眼底图像是否合格；所述输入信息包括：眼底图像质量等级。对所述眼底图像可对其进行自动分析，如：利用事先收集到的经专业医生进行质量等级划分的图像，训练SVM模型，使得该模型可以进行图像质量等级分类。这样，当基层传来一幅眼底图像后，一方面利用训练好的svm模型对眼底图像进行判断，另一方面亦获取质检人员(如：专业眼科医生)输入的对眼底图像质量等级判别的信息。结合以上二者对所述眼底图像进行预判读，通过二者的结合，人工辅助判断可避免机器自动分析的一些错误，而通过机器自动分析又可大大减轻人工识别的工作量与繁琐度，其中二者的结合可具体应用在：利用svm模型并识别为不合格而的眼底图像再经人工确认是否真不合格，避免误判，从而确保眼底图像最后百分百可用。
在其它实施方式中，亦可以是全自动地眼底图像自动分析，无需质检人员参与把关。
进一步的，对接收的眼底图像，可先判断所述眼底图像是否确为眼底图像，若所述眼底图像不是眼底图像，即：可能是远程终端机构人员恶作剧或选择发送眼底图像时操作错误等等引起的，则直接结束本次判读，并返回对应的提示信息给远程终端机构，告知其所采集到的眼底图像非眼底图像，用户相应地再进行眼底图像采集操作。
若所述眼底图像是眼底图像，则判别所述眼底图像结构是否完整，可采用如下方式：对所述眼底图像的视盘与黄斑进行识别和标定，根据所述识别结果判断所述眼底图像是否包含视盘和黄斑，若所述眼底图像包含视盘和黄斑，根据所述标定结果判断所述视盘和黄斑是否在眼底图像的预设区间内，若所述视盘和黄斑在眼底图像的预设区间内，则所述眼底图像结构完整。
具体如下：
对待检查眼底图像进行绿色通道选择、中值滤波、有限对比度增强和灰度的归一化处理。通过对眼底图像预处理，可去除眼底图像中多余的背景，有效去噪，更有利于后续眼底图像分析的进行。具体如下：任意一幅彩色眼底图像中，蓝色通道下噪声较多，有用的信息基本丢失，红色通道下两斑较为突出，而暗色的血管、微血管瘤等信息丢失较多，故在本实施方式中对待检查的彩色眼底图像进行绿色通道选择，最大程度地保留、突出眼底血管。
为去除噪声，且能较好地保留边界信息，本实施方式中对绿色通道下的眼底图像进行中值滤波，实现去噪；
为能获得更好的血管提取的效果，对已经去噪的图像进行对比度增强。为避免图像增强后出现过亮的情况，本实施方式中采用有限的对比度增强方法CLAHE。最后，进行归一化处理，使得一幅图像中所有像素点的像素值均落在0-1之间。
对预处理后的眼底图像通过大津算法提取二值化血管图，并通过形态学方法对所述二值化血管图进行腐蚀得到主血管。可采用如下方式：对预处理后的眼底图像通过大津算法计算阈值，并根据以下公式将灰度值大于阈值的像素认定为血管；
并根据视盘直径为图像宽度的1/8-1/5，及主血管的宽度为视盘直径的1/4构造结构元素，利用所述结构元素对已提取的血管进行腐蚀操作，去除细小血管，得到主血管。
得到主血管后，对主血管进行抛物线拟合计算，根据计算结果定位视盘中心。可采用如下方式：以眼底图像左上角为原点，水平方向为X轴，垂直方向为Y轴，建立坐标系；
将所述主血管中的各个像素点映射为所述坐标系的坐标；
如以下公式所示，根据最小二乘法对主血管进行抛物线拟合，确定抛物线的参数，并计算抛物线的顶点，
f(x)＝ax2+bx+c
判断所述抛物线顶点是否落在原眼底图像中，若所述抛物线顶点落在原眼底图像中，则定义所述抛物线顶点为视盘中心。
基于外观特征与结构特征的黄斑定位：依据到黄斑与视盘间的位置关系，首先在已确定的视盘中心基础上，进一步缩小中心凹的搜索范围。在一种优选方式下，由于黄斑中心凹与视盘中心的距离一般在2倍到3倍的视盘直径大小，以视盘中心为圆心，构造出环形掩模，将其定义为中心凹搜索范围；接着在搜索范围区域内，根据中心凹亮度最低的特点，完成中心凹的定位。在一种优选方式下，采用基于区域间亮度对比的快速搜索方式，确定中心凹的位置；最后根据亮度信息，以中心凹为圆心，圆形拟合黄斑区域。
在确定黄斑与视盘中心后，进行眼底图像结构完整性判定。根据表1所示的判决条件，满足的条件的图像即为完整性合格的图像。其中，Dod为视盘直径。
表1
若所述眼底图像是眼底图像，则判别所述眼底图像结构是否清晰，可采用如下方式：判断所述眼底图像的视盘表面小血管及后极部视网膜神经纤维层是否可辨，若所述眼底图像的视盘表面小血管及后极部视网膜神经纤维层可辨，则所述眼底图像清晰度合格。具体如下：
a、根据已识别的视盘中心、黄斑中心凹，确定以视盘为圆心，1.5倍视盘直径范围的区域为感兴趣区域1，以黄斑中心凹为圆心，1倍视盘直径范围的区域为感兴趣区域2；
b、基于已确定的感兴趣区域1和区域2，选择某一清晰度评价算子，计算清晰度评价值，完成清晰度评价。
步骤S103：若所述待分析信息合格，对所述待分析信息提取特征数据，并形成结构化的量化指标。具体如下：根据标定好的视盘和黄斑，计算所述视盘颞侧与黄斑中心凹的量化参数。
根据视盘中心坐标和视盘半径，计算视盘颞侧坐标(ODX,ODY)；根据视盘颞侧坐标和黄斑中心凹坐标，计算视盘颞侧与黄斑中心凹的绝对距离，按以下公式计算该眼底图像中两者的欧式距离，作为本图像中视盘中心到黄斑中心凹的绝对距离；
其中，所有坐标值均以眼底图像左上角像素为原点。
c、于黄斑中心凹一般距视盘颞侧缘约3mm，因此根据已得到的视盘颞侧到黄斑中心凹的绝对距离以及视盘直径，根据以下公式得到后续量化分析的标准d：
d＝DMD-ODD 公式3
在本实施方式中，以d为标尺，将获得的数据从绝对表示方式转换为相对表示方式，通过此归一化处理，形成有意义的、可比较的数据。
在本实施方式中，若已检测出硬性渗出，并已计算每个硬性渗出到黄斑中心凹的欧式距离Di。此时可根据公式1进行归一化处理。在此基础上，得到本眼底图像中，硬性渗出到黄斑中心凹的标准的最小距离。
步骤S104：根据知识计算模型，对所述特征数据和量化指标进行整理与分析，获得分析结论。
步骤S105：将所述待分析信息、特征数据、量化指标和分析结论存放至所述预先设计的数据库。
可采用如下方式：
今天，用于糖尿病视网膜病变(DR)筛查的眼底照相机技术已经成熟，而且，DR的筛查有着与糖尿病病情相关并且能够指导治疗的防治指南和诊断标准；眼睛是人体全身唯一不用手术就能直接看到血管和神经的部位。医学证据表明：视网膜与脑部的循环系统具有相近的解剖、生理和胚胎发育等特征。因此，通过眼底血管可以了解全身尤其脑部动脉和全身中小动脉病变程度；根据我国高血压防治指南，视网膜动脉病变可反映小血管病变情况，如果我们能够通过眼底图象的定期筛查和比对，从中找出能够进行定量分析的关键方法，就能对不同人或同一个人不同时间或不同设备上采集的眼底图象的视网膜病变特征或血管改变情况进行定量分析、统计或比较，形成结构化的健康数据，通过所述“知识计算模型”以及依托所述“知识计算模型”建立起来的“疾病预警和健康评估引擎”就能对糖尿病视网膜病变、糖尿病肾病、高血压、脑卒中等疾病进行预警或特异性筛查，尤其是根据糖网患者如果不加以适当的生活方式干预基础治疗及药物治疗，其眼底视网膜病变特征或病情就一定会不断发展这一重要特点，建立或依托所述“知识计算模型”提供一种眼底图像血管特征的统计、计算和分析方法，这对于及时发现眼底视网膜病变和眼底血管改变等特征信息，提供辅助诊断信息或健康管理和健康服务建议，开展健康大数据服务，都具有十分积极的意义。
因此，根据所述用户眼底图像特征提取的特征和必要的个人资料，形成结构化的量化指标和所述深度专业设计的“知识库”，其中的所述量化指标包括：既往病史与身高、体重、腰围、日常生活运动饮食习惯、糖尿病史及先前治疗情况、高血压病史及先前治疗情况等健康情况以及家族遗传史、生活习惯等个人信息或问诊资料，微血管瘤、出血点、硬性渗出、棉絮斑等的个数、面积和位置相关的DR判读结果，加上是否出现新增生血管、是否出现黄斑水肿、感兴趣区域内动静脉比、动脉管径缩窄、是否动静脉交叉压痕及位置记录、金丝或银丝动脉等的情况、一种或多种血管改变及神经纤维层的变化情况等，就能依托所述“知识计算模型”，提供一种眼底视网膜病变、血管改变等特征的统计、计算和分析方法，即“疾病预警和健康评估引擎”。
通过获取远程终端机构发送的待分析信息，所述待检信息包括：眼底图像和个人资料，对所述待分析信息进行预判读，判断所述待分析信息是否合格；若所述待分析信息合格，对所述待分析信息提取特征数据，并形成结构化的量化指标；将所述特征数据和所述量化指标存放至预先设计的数据库；根据知识计算模型，对所述特征数据和量化指标进行整理与分析，获得分析结论；将所述待分析信息、特征数据、量化指标和分析结论存放至所述预先设计的数据库。通过以上步骤使得无论是什么型号的眼底相机、什么样的工作模式、最后获得的眼底图像经过处理之后，都可以获得可比性统一的量化指标、特征数据，且将待分析信息、量化指标、特征数据、分析结论存放至预先设计好的数据库，建立起整个大数据服务平台，将大大地有利于辅助医生进行疾病判读等等。
进一步的，对待分析信息进行预判读，可百分百保证到最后用于提取特征数据的待分析信息是可用的，对于用户而言：避免了远程分析中心后期才发现待分析信息不可用，用户又要重新跑一趟，给用户很不好的体验，也浪费用户的时间；对于远程分析中心而言：可用的待分析信息不仅确保了诊断结果的稳定性、准确性，且提高诊断效率，避免无用的返工时间。
进一步的，在待分析信息合格之前，可根据预设规则让远程终端机构告知用户暂时不要离开，直至返回待分析信息合格的提示信息后，方可离开，整个过程避免了待分析信息不合格，用户却已经离开的情况，给用户造成不好的体验。
进一步的，若眼底图像合格，对所述眼底图像提取特征数据，并形成结构化的量化指标。即：根据标定好的视盘和黄斑，计算所述视盘颞侧与黄斑中心凹的量化参数。因正常人这二者的绝对距离值是差不多一样的，因此再根据已得到的视盘颞侧到黄斑中心凹的绝对距离以及视盘直径，得到后续量化分析的参数，将获得的数据从绝对表示方式转换为相对表示方式，通过归一化处理，形成有意义的、可比较的数据。确保了不同来源的眼底图像，均可形成有意义、可比较的量化指标，做到所有的眼底图像基本可比较。
需要说明的是，在其它实施方式中，亦可以手动完成视盘与黄斑的定位。
在本实施方式中，在将“待分析信息发送至远程分析中心”步骤前，还可以包括步骤：
远程终端机构设置有特定软件可用于对所述眼底图像和个人资料进行本地预判读，若预判读结果合格，则发出对应提示信息，用以提示：用户可以离开或继续在附近休息等待远程分析中心的分析结果。
进一步的，所述“对所述待分析信息进行预判读，判断所述待分析信息是否合格”，还包括步骤：根据预设规则，在返回预判读结果至远程终端机构前，所述远程终端机构发出提示信息用以提示用户不要离开所述远程终端机构，直至返回待分析信息合格的提示信息。可采用如下方式：
若所述远程终端机构未设置有软件可用于对所述眼底图像和个人资料本地预判读，则根据预设规则(即：远程终端机构是否为所述远程分析中心的协议服务或紧密关联、不需要购买特定软件时，根据流程或质量控制体系上的约定)，在返回预判读结果至远程终端机构前，所述远程终端机构发出提示信息用以提示用户不要离开所述远程终端机构，直至返回待分析信息合格的提示信息，亦可以让所述用户继续在附近休息等待所述远程判读会诊中心的远程判读会诊结果。
进一步的，所述“对所述待分析信息进行预判读，判断所述待分析信息是否合格”，还包括步骤：若待分析信息合格，返回相关合格信息至远程终端机构；所述远程终端机构获取所述相关合格信息，并根据预设规则告知用户是否需要继续等待直至所述分析结论出来。可采用如下方式：远程终端结构接收到待分析信息合格的提示后，可根据实际情况告知用户是否需要继续等待直至分析结论出来。
请参阅图2，在本实施方式中，所述眼底图像采集模块201至少包括：眼底图像采集相机和电脑；所述远程分析中心模块202可为存储设备。在该存储设备上安装有对应的远程分析中心APP，或直接打开对应的远程分析中心网页，即可对眼底图像采集模块201传送过来的待分析信息进行处理。
一种基于远程眼底筛查的健康大数据服务系统200的具体实施方式如下：
一种基于远程眼底筛查的健康大数据服务系统200，包括：眼底图像采集模块201和远程分析中心模块202；所述眼底图像采集模块201连接所述远程分析中心模块202；所述眼底图像采集模块201用于：获取待分析信息，所述待检信息包括：眼底图像和个人资料，并发送所述待分析信息至远程分析中心模块202；所述远程分析中心模块202用于：接收所述待分析信息，并对所述待分析信息进行预判读，判断所述待分析信息是否合格；若所述待分析信息合格，对所述待分析信息提取特征数据，并形成结构化的量化指标；根据知识计算模型，对所述特征数据和量化指标进行整理与分析，获得分析结论；将所述待分析信息、特征数据、量化指标和分析结论存放至所述预先设计的数据库。
进一步的，所述预判读包括：所述眼底图像是否确为眼底图像、所述眼底图像结构是否完整、所述眼底图像是否清晰和所述眼底图像是否可用中的一种或多种；
所述远程分析中心模块202还用于：
若待分析信息合格，则返回相关合格信息至眼底图像采集模块201；
若待分析信息不合格，则返回相关不合格信息至眼底图像采集模块201，所述相关不合格信息用以提示：眼底图像采集模块201重新采集合格的待分析信息。
进一步的，所述眼底图像采集模块201还用于：根据预设规则，在返回预判读结果至眼底图像采集模块201前，发出提示信息用以提示用户不要离开眼底图像采集模块201，直至返回待分析信息合格的提示信息。
进一步的，所述远程分析中心模块202还用于：若待分析信息合格，返回相关合格信息至眼底图像采集模块201；
所述眼底图像采集模块201还用于：获取所述相关合格信息，并根据预设规则告知用户是否需要继续等待直至所述分析结论出来。
一种基于远程眼底筛查的健康大数据服务系统200通过眼底图像采集模块201获取待分析信息，所述待检信息包括：眼底图像和个人资料，远程分析中心模块202对待分析信息进行预判读，判断所述待分析信息是否合格；若所述待分析信息合格，对所述待分析信息提取特征数据，并形成结构化的量化指标；根据知识计算模型，对所述特征数据和量化指标进行整理与分析，获得分析结论；将所述待分析信息、特征数据、量化指标和分析结论存放至所述预先设计的数据库。通过以上模块功能的实现使得无论是什么型号的眼底相机、什么样的工作模式、最后获得的眼底图像经过处理之后，都可以获得可比性统一的量化指标、特征数据，且将待分析信息、量化指标、特征数据、分析结论存放至预先设计好的数据库，建立起整个大数据服务平台，将大大地有利于辅助医生进行疾病判读等等。
进一步的，对待分析信息进行预判读，可百分百保证到最后用于提取特征数据的待分析信息是可用的，对于用户而言：避免了远程分析中心后期才发现待分析信息不可用，用户又要重新跑一趟，给用户很不好的体验，也浪费用户的时间；对于远程分析中心而言：可用的待分析信息不仅确保了诊断结果的稳定性、准确性，且提高诊断效率，避免无用的返工时间。
进一步的，在待分析信息合格之前，可根据预设规则让远程终端机构告知用户暂时不要离开，直至返回待分析信息合格的提示信息后，方可离开，整个过程避免了待分析信息不合格，用户却已经离开的情况，给用户造成不好的体验。
进一步的，若眼底图像合格，对所述眼底图像提取特征数据，并形成结构化的量化指标。即：根据标定好的视盘和黄斑，计算所述视盘颞侧与黄斑中心凹的量化参数。因正常人这二者的绝对距离值是差不多一样的，因此再根据已得到的视盘颞侧到黄斑中心凹的绝对距离以及视盘直径，得到后续量化分析的参数，将获得的数据从绝对表示方式转换为相对表示方式，通过归一化处理，形成有意义的、可比较的数据。确保了不同来源的眼底图像，均可形成有意义、可比较的量化指标，做到所有的眼底图像基本可比较。
需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。

Claims (3)

1.一种基于远程眼底筛查的健康大数据服务方法，其特征在于，包括步骤：
获取远程终端机构发送的待分析信息，所述待分析信息包括：多张不同来源的眼底图像和个人资料，所述多张不同来源的眼底图像包括不同人或同一个人在不同时间或不同设备上采集的眼底图像；
远程分析中心模块对所述待分析信息进行预判读，判断所述待分析信息是否合格，若所述待分析信息合格，返回相关合格信息至远程终端机构后，对所述待分析信息提取特征数据，并形成结构化的量化指标；
所述形成结构化的量化指标包括步骤：标定好视盘和黄斑，计算视盘颞侧到黄斑中心凹的量化参数，所述视盘颞侧到黄斑中心凹的量化参数包括视盘颞侧到黄斑中心凹的绝对距离以及视盘直径，根据所述视盘颞侧到黄斑中心凹的绝对距离以及视盘直径得到后续量化分析的标尺，将提取的特征数据从绝对表示方式转换为相对表示方式，以使不同来源的眼底图像形成可比较、结构化的量化指标，所述提取的特征数据包括眼底图像上视网膜病变特征、位置、大小或血管改变情况；
以眼底图像左上角为原点，水平方向为X 轴，垂直方向为Y 轴，建立坐标系，获得视盘以及黄斑的位置信息，并以所述视盘颞侧与黄斑中心凹的中心的绝对距离为基准，将所述绝对距离及视盘直径进行统一，得到量化参数；根据视盘中心坐标和视盘半径，计算视盘颞侧坐标；根据视盘颞侧坐标和黄斑中心凹坐标，计算视盘颞侧与黄斑中心凹的欧式距离，作为当前眼底图像中视盘颞侧到黄斑中心凹的绝对距离；
根据预设规则在返回预判读结果至远程终端机构前，所述远程终端机构发出提示信息用以提示用户不要离开所述远程终端机构，直至返回待分析信息合格的提示信息；
所述远程终端机构获取所述相关合格信息，并根据预设规则告知用户是否需要继续等待直至分析结论出来；
若待分析信息不合格，则返回相关不合格信息至远程终端机构，所述相关不合格信息用以提示：远程终端机构重新采集待分析信息；
根据知识计算模型，对所述特征数据和量化指标进行整理与分析，获得分析结论；
将所述待分析信息、特征数据、量化指标和分析结论存放至预先设计的数据库；
所述“对所述待分析信息进行预判读，判断所述待分析信息是否合格”，还包括步骤：
所述预判读包括：所述眼底图像是否确为眼底图像、所述眼底图像结构是否完整、所述眼底图像是否清晰和所述眼底图像是否可用中的一种或多种。
2.根据权利要求1所述的一种基于远程眼底筛查的健康大数据服务方法，其特征在于，
所述“所述眼底图像结构是否完整”，还包括步骤：
对所述眼底图像的视盘与黄斑进行识别和标定，根据所述识别结果判断所述眼底图像是否包含视盘和黄斑，
若所述眼底图像包含视盘和黄斑，根据所述标定结果判断所述视盘和黄斑是否在眼底图像的预设区间内，
若所述视盘和黄斑在眼底图像的预设区间内，则所述眼底图像结构完整。
3.一种基于远程眼底筛查的健康大数据服务系统，其特征在于，包括：眼底图像采集模块和远程分析中心模块，所述眼底图像采集模块设置于远程终端机构中，所述远程分析中心模块设置于远程分析中心中；
所述眼底图像采集模块连接所述远程分析中心模块；
所述眼底图像采集模块用于：获取待分析信息，所述待分析信息包括：多张不同来源的眼底图像和个人资料，并发送所述待分析信息至远程分析中心模块；所述多张不同来源的眼底图像包括不同人或同一个人在不同时间或不同设备上采集的眼底图像；
所述远程分析中心模块用于：接收所述待分析信息，并对所述待分析信息进行预判读，判断所述待分析信息是否合格；若所述待分析信息合格，对所述待分析信息提取特征数据，并形成结构化的量化指标；
所述形成结构化的量化指标包括步骤：标定好视盘和黄斑，计算视盘颞侧到黄斑中心凹的量化参数，所述视盘颞侧到黄斑中心凹的量化参数包括视盘颞侧到黄斑中心凹的绝对距离以及视盘直径，根据所述视盘颞侧到黄斑中心凹的绝对距离以及视盘直径得到后续量化分析的标尺，将提取的特征数据从绝对表示方式转换为相对表示方式，以使不同来源的眼底图像形成可比较、结构化的量化指标，所述提取的特征数据包括眼底图像上视网膜病变特征、位置、大小或血管改变情况；
以眼底图像左上角为原点，水平方向为X 轴，垂直方向为Y 轴，建立坐标系，获得视盘以及黄斑的位置信息，并以所述视盘颞侧与黄斑中心凹的中心的绝对距离为基准，将所述绝对距离及视盘直径进行统一，得到量化参数；根据视盘中心坐标和视盘半径，计算视盘颞侧坐标；根据视盘颞侧坐标和黄斑中心凹坐标，计算视盘颞侧与黄斑中心凹的欧式距离，作为当前眼底图像中视盘颞侧到黄斑中心凹的绝对距离；
根据预设规则在返回预判读结果至远程终端机构前，所述远程终端机构还用于发出提示信息用以提示用户不要离开所述远程终端机构，直至返回待分析信息合格的提示信息；
所述远程终端机构还用于获取相关合格信息，并根据预设规则告知用户是否需要继续等待直至分析结论出来；
若待分析信息不合格，则返回相关不合格信息至远程终端机构，所述相关不合格信息用以提示：远程终端机构重新采集待分析信息；
根据知识计算模型，对所述特征数据和量化指标进行整理与分析，获得分析结论；
将所述待分析信息、特征数据、量化指标和分析结论存放至预先设计的数据库；
所述“对所述待分析信息进行预判读，判断所述待分析信息是否合格”，还包括步骤：所述预判读包括：所述眼底图像是否确为眼底图像、所述眼底图像结构是否完整、所述眼底图像是否清晰和所述眼底图像是否可用中的一种或多种。
CN201811343106.6A 2018-08-31 2018-11-13 一种基于远程眼底筛查的健康大数据服务方法和系统 Active CN110875092B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2018110138482 2018-08-31
CN201811013848 2018-08-31

Publications (2)

Publication Number Publication Date
CN110875092A CN110875092A (zh) 2020-03-10
CN110875092B true CN110875092B (zh) 2023-10-20

Family

ID=69643878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811343106.6A Active CN110875092B (zh) 2018-08-31 2018-11-13 一种基于远程眼底筛查的健康大数据服务方法和系统

Country Status (3)

Country Link
US (1) US20210391056A1 (zh)
CN (1) CN110875092B (zh)
WO (1) WO2020042500A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111528790B (zh) * 2020-04-21 2023-08-04 张姬娟 一种取像装置、视力数据处理方法和眼底数据处理方法
CN112487012B (zh) * 2020-11-12 2022-05-27 苏州浪潮智能科技有限公司 一种基于数据筛选的部件参数获取方法及装置
CN112907548A (zh) * 2021-02-26 2021-06-04 依未科技(北京)有限公司 图像评估方法及装置、计算机可读存储介质及电子设备
WO2022208338A1 (en) * 2021-03-30 2022-10-06 Jio Platforms Limited System and method of data ingestion and processing framework
CN113425248B (zh) * 2021-06-24 2024-03-08 平安科技（深圳）有限公司 医疗影像评估方法、装置、设备及计算机存储介质
CN114972462B (zh) * 2022-07-27 2023-08-15 北京鹰瞳科技发展股份有限公司 对眼底相机的工作距离对齐效果进行优化的方法及其相关产品
CN115423804B (zh) * 2022-11-02 2023-03-21 依未科技(北京)有限公司 影像标定方法及装置、影像处理方法
CN115579109A (zh) * 2022-11-24 2023-01-06 合肥心之声健康科技有限公司 医疗环境下心电图图像分析方法、装置和终端设备
CN115517686A (zh) * 2022-11-24 2022-12-27 合肥心之声健康科技有限公司 家庭环境心电图图像分析方法、装置、设备、介质和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011110158A (ja) * 2009-11-25 2011-06-09 Canon Inc 画像処理装置、画像処理装置の制御方法及びプログラム
CN204698510U (zh) * 2015-06-02 2015-10-14 福州大学 图像质量保证的糖尿病性视网膜病变眼底筛查照相装置
CN105411525A (zh) * 2015-11-10 2016-03-23 广州河谷互动医疗科技有限公司 一种眼底照片图像智能获取识别系统
CN107194179A (zh) * 2017-05-26 2017-09-22 苏州微清医疗器械有限公司 眼底相机及眼底图像拍摄方法
CN107423571A (zh) * 2017-05-04 2017-12-01 深圳硅基仿生科技有限公司 基于眼底图像的糖尿病视网膜病变识别系统
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

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015013632A1 (en) * 2013-07-26 2015-01-29 The Regents Of The University Of Michigan Automated measurement of changes in retinal, retinal pigment epithelial, or choroidal disease
US9905008B2 (en) * 2013-10-10 2018-02-27 University Of Rochester Automated fundus image field detection and quality assessment
CN108272434B (zh) * 2017-12-07 2020-06-19 柯鑫 对眼底图像进行处理的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011110158A (ja) * 2009-11-25 2011-06-09 Canon Inc 画像処理装置、画像処理装置の制御方法及びプログラム
CN204698510U (zh) * 2015-06-02 2015-10-14 福州大学 图像质量保证的糖尿病性视网膜病变眼底筛查照相装置
CN105411525A (zh) * 2015-11-10 2016-03-23 广州河谷互动医疗科技有限公司 一种眼底照片图像智能获取识别系统
CN107423571A (zh) * 2017-05-04 2017-12-01 深圳硅基仿生科技有限公司 基于眼底图像的糖尿病视网膜病变识别系统
CN107194179A (zh) * 2017-05-26 2017-09-22 苏州微清医疗器械有限公司 眼底相机及眼底图像拍摄方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨勇勇.中心性浆液性脉络膜视网膜病变视力与眼底荧光渗漏关系探讨.中国实用眼科杂志.1997,(第11期),全文. *

Also Published As

Publication number Publication date
WO2020042500A1 (zh) 2020-03-05
US20210391056A1 (en) 2021-12-16
CN110875092A (zh) 2020-03-10

Similar Documents

Publication Publication Date Title
CN110875092B (zh) 一种基于远程眼底筛查的健康大数据服务方法和系统
Sánchez et al. Evaluation of a computer-aided diagnosis system for diabetic retinopathy screening on public data
EP3373798B1 (en) Method and system for classifying optic nerve head
CN111222361B (zh) 一种高血压视网膜血管改变特征数据分析的方法和系统
US9898659B2 (en) System and method for remote medical diagnosis
Niemeijer et al. Automated detection and differentiation of drusen, exudates, and cotton-wool spots in digital color fundus photographs for diabetic retinopathy diagnosis
Trucco et al. Validating retinal fundus image analysis algorithms: issues and a proposal
AU2018438719A1 (en) Fundus image automatic analysis and comparison method and storage device
Abdel-Ghafar et al. Progress towards automated detection and characterization of the optic disc in glaucoma and diabetic retinopathy
TWI719587B (zh) 眼底圖像定量分析的前置處理方法及存放裝置
CN110870759A (zh) 用于远程眼底筛查的质量控制方法和系统、及存储设备
CN111785363A (zh) 一种基于ai引导的慢性病辅助诊断系统
CN111402184B (zh) 一种实现远程眼底筛查和健康服务的方法和系统
CN111292286B (zh) 糖网眼底特征数据变化的分析方法与系统，及存储设备
CN111383775A (zh) 一种基于眼底筛查的会员用户匿名交流方法及存储设备
Giancardo Automated fundus images analysis techniques to screen retinal diseases in diabetic patients
CN111435612B (zh) 一种移动医疗个性化健康服务的方法和系统
CN111325631B (zh) 一种基于眼底图像的健康保险控费的方法和系统
CN113611403A (zh) 一种实时远程眼底照相机检查系统
CN116703915B (zh) 基于多种图像融合的糖尿病视网膜病变会诊方法及系统
CN116157829A (zh) 用于使用光学相干体层摄影血管造影图像对视网膜微脉管系统进行基于云的自动定量评估的方法和系统
WO2023012510A1 (en) An intelligent single tool for clinicians
Giancardo Docteur de l’université

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
GR01 Patent grant
GR01 Patent grant