CN111528910A - 一种眼部白内障的超声检测系统 - Google Patents

一种眼部白内障的超声检测系统 Download PDF

Info

Publication number
CN111528910A
CN111528910A CN202010399280.3A CN202010399280A CN111528910A CN 111528910 A CN111528910 A CN 111528910A CN 202010399280 A CN202010399280 A CN 202010399280A CN 111528910 A CN111528910 A CN 111528910A
Authority
CN
China
Prior art keywords
module
contour
cataract
ultrasonic
matching
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
Application number
CN202010399280.3A
Other languages
English (en)
Inventor
朱瑞星
徐小燕
刘西耀
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.)
Shanghai Shenzhi Information Technology Co ltd
Original Assignee
Shanghai Zhuxing Biotechnology Co ltd
Shanghai Shenzhi Information 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 Shanghai Zhuxing Biotechnology Co ltd, Shanghai Shenzhi Information Technology Co ltd filed Critical Shanghai Zhuxing Biotechnology Co ltd
Priority to CN202010399280.3A priority Critical patent/CN111528910A/zh
Publication of CN111528910A publication Critical patent/CN111528910A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/10—Eye inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4411—Device being modular
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/10132—Ultrasound 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Hematology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明涉及超声检测技术领域，尤其涉及一种眼部白内障的超声检测系统，包括：第一截取模块，用于截取一个周期的白内障血流频谱图作为一参考模板；第一图像处理模块，用于对参考模板进行处理，并得到参考模板的最大轮廓作为一第一轮廓；第二截取模块，用于截取一个周期的眼部超声频谱图像作为一分析对象；第二图像处理模块，用于对分析对象进行处理，并得到分析对象的最大轮廓作为一第二轮廓；匹配模块，用于将第一轮廓与第二轮廓进行匹配，以生成一匹配系数。有益效果：提供一种眼部白内障的超声检测系统，可以避免使用散瞳药水，从而减轻患者的不适，并可以快速筛查出白内障病症，同时，匹配系数还可以用来衡量患者出术后的恢复情况。

Description

一种眼部白内障的超声检测系统
技术领域
本发明涉及超声检测技术领域，尤其涉及一种眼部白内障的超声检测系统。
背景技术
白内障是眼科的常见病和多发病，为首要的致盲性眼部疾病。现有技术中的白内障检查，需要滴入散瞳药水，但是散瞳药水对患者的眼部有很多不良反应，使得患者短期内不能见光，需要一段时间才能恢复视力。因此，现需一种新型的白内障检测系统，无需使用散瞳药水，利用超声检测设备无伤害的优势，给眼部检查带来极大的便利，减少了患者的不适感。
发明内容
针对现有技术中存在的上述问题，现提供一种眼部白内障的超声检测系统。
具体技术方案如下：
本发明一种眼部白内障的超声检测系统，包括：
一第一采集模块，用于预先采集一白内障血流频谱图；
一第一截取模块，连接所述第一采集模块，用于截取一个周期的所述白内障血流频谱图作为一参考模板；
一第一图像处理模块，连接所述第一截取模块，用于对所述参考模板进行处理，并得到所述参考模板的最大轮廓作为一第一轮廓；
一第二采集模块，用于对患者的眼部进行超声图像采集，并对所述眼部的血流进行频谱分析，以获取所述患者的眼部超声频谱图像；
一第二截取模块，连接所述第二采集模块，用于截取一个周期的所述眼部超声频谱图像作为一分析对象；
一第二图像处理模块，连接所述第二截取模块，用于对所述分析对象进行处理，并得到所述分析对象的最大轮廓作为一第二轮廓；
一匹配模块，分别连接所述第一图像处理模块和所述第二图像处理模块，用于将所述第一轮廓与所述第二轮廓进行匹配，以生成一匹配系数。
优选的，还包括：
一判断模块，连接所述匹配模块，用于接收所述匹配系数，并将所述匹配系数与一预设门限值进行比较：
若所述匹配系数大于所述预设门限值，则输出用于表示所述分析对象为正常的一第一判断结果；
若所述匹配系数不大于所述预设门限值，则输出用于表示所述分析对象具有白内障病灶的一第二判断结果。
优选的，所述匹配模块包括：
一第一计算单元，用于分别计算出所述第一轮廓和所述第二轮廓的复数个几何矩；
一第二计算单元，连接所述第一计算单元，用于根据复数个所述几何矩的数值计算出所述第一轮廓和所述第二轮廓之间的差异以作为所述匹配系数。
优选的，所述第一轮廓和所述第二轮廓分别包括7个所述几何矩。
优选的，所述第一计算单元通过归一化中心矩计算出7个所述几何矩的数值：
h0＝η20+η02
Figure BDA0002488827840000034
h2＝(η30-3η12)2+(3η21-η03)2
h3＝(η30+η12)2+(η21+η03)2
h4＝(η30-3η12)(η30+η12)[(η30+η12)2-3(η21+η03)2]+(3η21+η03)[3(η30+η12)2-(η21+η03)2]
h5＝(η20-η02)[(η30+η12)2-(η21+η03)2+4η11(η30+η12)(η21+η03)]
h6＝(3η21-η03)(η30+η12)[(η30+η12)2-3(η21+η03)2]+(η30-3η12)(η21+η03)[3(η30+η12)2-(η21+η03)2]
其中，
h0～h6分别用于表示7个所述几何矩；
η用于表示所述归一化中心矩。
优选的，所述第二计算单元根据下列公式计算出所述第一轮廓和所述第二轮廓之间的差异：
Figure BDA0002488827840000031
其中，
D(A，B)用于表示所述第一轮廓和所述第二轮廓之间的差异；
H用于表示所述几何矩。
优选的，每个所述几何矩的数值利用所述归一化中心矩计算得出：
Figure BDA0002488827840000032
其中，
ηpq用于表示所述归一化中心矩；
μpq用于表示一中心矩；
p，q＝0，1，2……；
r＝(p+q)/2+1。
优选的，通过下述公式计算得到所述中心矩：
Figure BDA0002488827840000033
其中，
p,q＝0,1,2……；
Figure BDA0002488827840000041
为轮廓质心坐标。
优选的，所述第一图像处理模块包括：
一第一降噪单元，用于对所述参考模板进行降噪处理；
一第一预处理单元，连接所述第一降噪单元，用于对降噪后的所述参考模块进行二值化处理；
一第一边界识别单元，连接所述第一预处理单元，用于对执行所述二值化处理后的所述参考模板进行边界识别，以提取到所述第一轮廓。
优选的，所述第二图像处理模块包括：
一第二降噪单元，用于对所述分析对象进行降噪处理；
一第二预处理单元，连接所述第二降噪单元，用于对降噪后的所述分析对象进行二值化处理；
一第二边界识别单元，连接所述第二预处理单元，用于对执行所述二值化处理后的所述分析对象进行边界识别，以提取到所述第二轮廓。
上述技术方案具有如下优点或有益效果：本发明提供一种眼部白内障的超声检测系统，避免使用散瞳药水，利用超声检测系统无伤害的优势，给眼部检查带来极大的便利，减少了患者的不适感。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1为本发明实施例中的眼部白内障的超声检测系统结构图；
图2为本发明实施例中的匹配模块的结构图；
图3为本发明实施例中的第一图像处理模块的结构图；
图4为本发明实施例中的第二图像处理模块的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本发明提供一种眼部白内障的超声检测系统，如图1所示，包括：
一第一采集模块1，用于预先采集一白内障血流频谱图；
一第一截取模块2，连接第一采集模块1，用于截取一个周期的白内障血流频谱图作为一参考模板；
一第一图像处理模块3，连接第一截取模块2，用于对参考模板进行处理，并得到参考模板的最大轮廓作为一第一轮廓；
一第二采集模块4，用于对患者的眼部进行超声图像采集，并对眼部的血流进行频谱分析，以获取患者的眼部超声频谱图像；
一第二截取模块5，连接第二采集模块4，用于截取一个周期的眼部超声频谱图像作为一分析对象；
一第二图像处理模块6，连接第二截取模块5，用于对分析对象进行处理，并得到分析对象的最大轮廓作为一第二轮廓；
一匹配模块7，分别连接第一图像处理模块3和第二图像处理模块6，用于将第一轮廓与第二轮廓进行匹配，以生成一匹配系数。
具体地，在本实施例中，第一采集模块1和第二采集模块4可以采用超声探头，使用超声探头对患者的眼部进行超声图像采集；第一截取模块2、第一图像处理模块3、第二截取模块5、第二图像处理模块6以及匹配模块7可以通过一个专用计算机设备来实现。通过匹配模块7最终形成的匹配系数，用于辅助检测人员判断患者的眼部是否出现白内障病灶。通过本实施例中的白内障超声检测系统，可以避免使用散瞳药水，从而减轻患者的不适，并可以快速筛查出白内障病症，同时，匹配系数还可以用来衡量患者出术后的恢复情况。
在一种较优的实施例中，如图1所示，超声检测系统还包括：
一判断模块8，连接匹配模块7，用于接收匹配系数，并将匹配系数与一预设门限值进行比较：
若匹配系数大于预设门限值，则输出用于表示分析对象为正常的一第一判断结果；
若匹配系数不大于预设门限值，则输出用于表示分析对象具有白内障病灶的一第二判断结果。
具体地，判断模块也可以通过上述的专用计算机设备来实现。通过匹配系数来判断患者眼部的情况，当匹配系数比较小时说明第二轮廓与具有白内障病灶的第一轮廓很相似，可以判定为白内障；当匹配系数比较大时，说明两者相似度较低，可以判定为非白内障。通过判断模块的处理可以得到更为直观的处理结果，从而减少检测人员判断病灶的时间，提升检测的工作效率。
在一种较优的实施例中，如图2所示，匹配模块7包括：
一第一计算单元701，用于分别计算出第一轮廓和第二轮廓的复数个几何矩；
一第二计算单元702，连接第一计算单元701，用于根据复数个几何矩的数值计算出第一轮廓和第二轮廓之间的差异以作为匹配系数。
具体地，在本实施例中，将第一轮廓A和第二轮廓B进行匹配，我们利用几何矩(即Hu矩)来计算其两个轮廓的差异；进一步说明，对于形状匹配来说，我们希望计算出来的Hu矩具有平移不变性、旋转不变性以及尺度不变性，Hu矩就可以满足这一要求；Hu矩是7个数字的组合，每个数字都是利用中心矩(central moments)计算得来，前6个Hu矩被证明包含平移不变性、旋转不变性、尺度不变性和翻转不变性，第7个Hu矩的符号与图像翻转有关。
作为优选的实施方式，第一计算单元通过归一化中心矩计算出7个Hu
矩的数值：
h0＝η20+η02
Figure BDA0002488827840000071
h2＝(η30-3η12)2+(3η21-η03)2
h3＝(η30+η12)2+(η21+η03)2
h4＝(η30-3η12)(η30+η12)[(η30+η12)2-3(η21+η03)2]+(3η21+η03)[3(η30+η12)2-(η21+η03)2]
h5＝(η20-η02)[(η30+η12)2-(η21+η03)2+4η11(η30+η12)(η21+η03)]
h6＝(3η21-η03)(η30+η12)[(η30+η12)2-3(η21+η03)2]+(η30-3η12)(η21+η03)[3(η30+η12)2-(η21+η03)2]
其中，
h0～h6分别用于表示7个Hu矩；
η用于表示归一化中心矩。
进一步地，第二计算单元根据下列公式计算出第一轮廓和第二轮廓之间的差异：
Figure BDA0002488827840000081
其中，
D(A,B)用于表示第一轮廓和第二轮廓之间的差异；
H用于表示几何矩。
在一种较优的实施例中，每个几何矩的数值利用归一化中心矩计算得出：
Figure BDA0002488827840000082
其中，
ηpq用于表示归一化中心矩；
μpq用于表示中心矩；
p,q＝0,1,2……；
r＝(p+q)/2+1。
在一种较优的实施例中，通过下述公式计算得到中心矩：
Figure BDA0002488827840000083
其中，
p,q＝0,1,2……；
Figure BDA0002488827840000084
为轮廓质心坐标。
在一种较优的实施例中，如图3所示，第一图像处理模块3包括：
一第一降噪单元301，用于对参考模板进行降噪处理；
一第一预处理单元302，连接第一降噪单元301，用于对降噪后的参考模块进行二值化处理；
一第一边界识别单元303，连接第一预处理单元302，用于对执行二值化处理后的参考模板进行边界识别，以提取到第一轮廓。
在一种较优的实施例中，如图4所示，第二图像处理模块6包括：
一第二降噪单元601，用于对分析对象进行降噪处理；
一第二预处理单元602，连接第二降噪单元601，用于对降噪后的分析对象进行二值化处理；
一第二边界识别单元603，连接第二预处理单元602，用于对执行二值化处理后的分析对象进行边界识别，以提取到第二轮廓。
本发明实施例的有益效果在于：本发明提供一种眼部白内障的超声检测系统，可以避免使用散瞳药水，从而减轻患者的不适，并可以快速筛查出白内障病症，同时，匹配系数还可以用来衡量患者出术后的恢复情况。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (10)

1.一种眼部白内障的超声检测系统，其特征在于，包括：
一第一采集模块，用于预先采集一白内障血流频谱图；
一第一截取模块，连接所述第一采集模块，用于截取一个周期的所述白内障血流频谱图作为一参考模板；
一第一图像处理模块，连接所述第一截取模块，用于对所述参考模板进行处理，并得到所述参考模板的最大轮廓作为一第一轮廓；
一第二采集模块，用于对患者的眼部进行超声图像采集，并对所述眼部的血流进行频谱分析，以获取所述患者的眼部超声频谱图像；
一第二截取模块，连接所述第二采集模块，用于截取一个周期的所述眼部超声频谱图像作为一分析对象；
一第二图像处理模块，连接所述第二截取模块，用于对所述分析对象进行处理，并得到所述分析对象的最大轮廓作为一第二轮廓；
一匹配模块，分别连接所述第一图像处理模块和所述第二图像处理模块，用于将所述第一轮廓与所述第二轮廓进行匹配，以生成一匹配系数。
2.根据权利要求1所述的超声检测系统，其特征在于，还包括：
一判断模块，连接所述匹配模块，用于接收所述匹配系数，并将所述匹配系数与一预设门限值进行比较：
若所述匹配系数大于所述预设门限值，则输出用于表示所述分析对象为正常的一第一判断结果；
若所述匹配系数不大于所述预设门限值，则输出用于表示所述分析对象具有白内障病灶的一第二判断结果。
3.根据权利要求1所述的超声检测系统，其特征在于，所述匹配模块包括：
一第一计算单元，用于分别计算出所述第一轮廓和所述第二轮廓的复数个几何矩；
一第二计算单元，连接所述第一计算单元，用于根据复数个所述几何矩的数值计算出所述第一轮廓和所述第二轮廓之间的差异以作为所述匹配系数。
4.根据权利要求3所述的超声检测系统，其特征在于，所述第一轮廓和所述第二轮廓分别包括7个所述几何矩。
5.根据权利要求4所述的超声检测系统，其特征在于，所述第一计算单元通过归一化中心矩计算出7个所述几何矩的数值：
h0＝η20+η02
Figure FDA0002488827830000022
h2＝(η30-3η12)2+(3η21-η03)2
h3＝(η30+η12)2+(η21+η03)2
h4＝(η30-3η12)(η30+η12)[(η30+η12)2-3(η21+η03))2]+(3η21-η03))[3(η30+η12)2-(η21+η03)2]
h5＝(η20-η02)[(η30+η12)2-(η21+η03)2+4η11(η30+η12)(η21+η03)]
h6＝(3η21-η03)(η30+η12)[(η30+η12)2-3(η21+η03)2]+(η30-3η12)(η21+η03)[3(η30+η12)2-η21+η03)2]
其中，
h0～h6分别用于表示7个所述几何矩；
η用于表示所述归一化中心矩。
6.根据权利要求5所述的超声检测系统，其特征在于，所述第二计算单元根据下列公式计算出所述第一轮廓和所述第二轮廓之间的差异：
Figure FDA0002488827830000021
其中，
D(A，B)用于表示所述第一轮廓和所述第二轮廓之间的差异；
H用于表示所述几何矩。
7.根据权利要求3-6中任一项所述的超声检测系统，其特征在于，每个所述几何矩的数值利用所述归一化中心矩计算得出：
Figure FDA0002488827830000031
其中，
ηpq用于表示所述归一化中心矩；
μpq用于表示一中心矩；
p,q＝0,1,2……；
r＝(p+q)/2+1。
8.根据权利要求7所述的超声检测系统，其特征在于，通过下述公式计算得到所述中心矩：
Figure FDA0002488827830000032
其中，
p,q＝0,1,2……；
Figure FDA0002488827830000033
为轮廓质心坐标。
9.根据权利要求1所述的超声检测系统，其特征在于，所述第一图像处理模块包括：
一第一降噪单元，用于对所述参考模板进行降噪处理；
一第一预处理单元，连接所述第一降噪单元，用于对降噪后的所述参考模块进行二值化处理；
一第一边界识别单元，连接所述第一预处理单元，用于对执行所述二值化处理后的所述参考模板进行边界识别，以提取到所述第一轮廓。
10.根据权利要求1所述的超声检测系统，其特征在于，所述第二图像处理模块包括：
一第二降噪单元，用于对所述分析对象进行降噪处理；
一第二预处理单元，连接所述第二降噪单元，用于对降噪后的所述分析对象进行二值化处理；
一第二边界识别单元，连接所述第二预处理单元，用于对执行所述二值化处理后的所述分析对象进行边界识别，以提取到所述第二轮廓。
CN202010399280.3A 2020-05-12 2020-05-12 一种眼部白内障的超声检测系统 Pending CN111528910A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010399280.3A CN111528910A (zh) 2020-05-12 2020-05-12 一种眼部白内障的超声检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010399280.3A CN111528910A (zh) 2020-05-12 2020-05-12 一种眼部白内障的超声检测系统

Publications (1)

Publication Number Publication Date
CN111528910A true CN111528910A (zh) 2020-08-14

Family

ID=71973855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010399280.3A Pending CN111528910A (zh) 2020-05-12 2020-05-12 一种眼部白内障的超声检测系统

Country Status (1)

Country Link
CN (1) CN111528910A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232376A (zh) * 2020-09-21 2021-01-15 埃夫特智能装备股份有限公司 一种基于Hu-moment的钣金件识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844096A (zh) * 2016-03-19 2016-08-10 上海大学 基于图像处理技术的手功能评价方法
WO2018000342A1 (zh) * 2016-06-30 2018-01-04 深圳迈瑞生物医疗电子股份有限公司 超声流体频谱多普勒成像方法和系统
CN107679574A (zh) * 2017-09-29 2018-02-09 深圳开立生物医疗科技股份有限公司 超声图像处理方法及系统
US20180177631A1 (en) * 2006-01-20 2018-06-28 Lensar, Inc. System and apparatus for delivering a laser beam to the lens of an eye
CN110507364A (zh) * 2019-07-30 2019-11-29 中国医学科学院生物医学工程研究所 一种眼科晶状体超声成像方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180177631A1 (en) * 2006-01-20 2018-06-28 Lensar, Inc. System and apparatus for delivering a laser beam to the lens of an eye
CN105844096A (zh) * 2016-03-19 2016-08-10 上海大学 基于图像处理技术的手功能评价方法
WO2018000342A1 (zh) * 2016-06-30 2018-01-04 深圳迈瑞生物医疗电子股份有限公司 超声流体频谱多普勒成像方法和系统
CN107679574A (zh) * 2017-09-29 2018-02-09 深圳开立生物医疗科技股份有限公司 超声图像处理方法及系统
CN110507364A (zh) * 2019-07-30 2019-11-29 中国医学科学院生物医学工程研究所 一种眼科晶状体超声成像方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232376A (zh) * 2020-09-21 2021-01-15 埃夫特智能装备股份有限公司 一种基于Hu-moment的钣金件识别方法

Similar Documents

Publication Publication Date Title
US11704791B2 (en) Multivariate and multi-resolution retinal image anomaly detection system
Bock et al. Glaucoma risk index: automated glaucoma detection from color fundus images
Noronha et al. Automated classification of glaucoma stages using higher order cumulant features
JP5582772B2 (ja) 画像処理装置及び画像処理方法
Rosas-Romero et al. A method to assist in the diagnosis of early diabetic retinopathy: Image processing applied to detection of microaneurysms in fundus images
Usman Akram et al. Retinal images: optic disk localization and detection
US8632186B2 (en) Systems, methods, and computer-readable media for detecting and predicting a progression of retinal pathologies
Nath et al. Techniques of glaucoma detection from color fundus images: A review
Fatima et al. A secure personal identification system based on human retina
Chand et al. Automatic detection of exudates in color fundus retinopathy images
Sakthivel et al. An automated detection of glaucoma using histogram features
Songire et al. Automated detection of cholesterol presence using iris recognition algorithm
CN111528910A (zh) 一种眼部白内障的超声检测系统
Aruchamy et al. Automated glaucoma screening in retinal fundus images
CN111583248B (zh) 一种基于眼部超声图像的处理方法
US10956735B1 (en) System and method for determining a refractive error from red reflex images of eyes
Estabridis et al. Automatic detection and diagnosis of diabetic retinopathy
WO2017193581A1 (zh) 乳腺筛查图像自动处理系统及方法
Bhangdiya Cholesterol presence detection using iris recognition
Thakkar et al. Detection of glaucoma from retinal fundus images by analysing isnt measurement and features of optic cup and blood vessels
Rozlan et al. A proposed diabetic retinopathy classification algorithm with statistical inference of exudates detection
Aloudat et al. Histogram analysis for automatic blood vessels detection: First step of IOP
Park et al. Automated extraction of optic disc regions from fundus images for preperimetric glaucoma diagnosis
Sun et al. Computerized wrist pulse signal diagnosis using kpca
Jain et al. Classification of glaucoma fundus images using curvelet empirical wavelet transform

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201016

Address after: Room 5030, 5 / F, building e, 555 Dongchuan Road, Minhang District, Shanghai, 200241

Applicant after: Shanghai Shenzhi Information Technology Co.,Ltd.

Address before: Room 5030, 5 / F, building e, 555 Dongchuan Road, Minhang District, Shanghai, 200241

Applicant before: Shanghai Shenzhi Information Technology Co.,Ltd.

Applicant before: Shanghai Zhuxing Biotechnology Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200814