CN112330610A - 一种基于微血管位置角膜内皮细胞计数采集精确定位方法 - Google Patents
一种基于微血管位置角膜内皮细胞计数采集精确定位方法 Download PDFInfo
- Publication number
- CN112330610A CN112330610A CN202011132878.2A CN202011132878A CN112330610A CN 112330610 A CN112330610 A CN 112330610A CN 202011132878 A CN202011132878 A CN 202011132878A CN 112330610 A CN112330610 A CN 112330610A
- Authority
- CN
- China
- Prior art keywords
- image
- picture
- microvascular
- eyeball
- point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 210000000399 corneal endothelial cell Anatomy 0.000 title claims abstract description 14
- 210000005252 bulbus oculi Anatomy 0.000 claims abstract description 50
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims description 19
- 210000004027 cell Anatomy 0.000 claims description 15
- 230000000717 retained effect Effects 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 8
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 210000003786 sclera Anatomy 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 abstract description 10
- 210000004088 microvessel Anatomy 0.000 abstract description 9
- 230000004075 alteration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003511 endothelial effect Effects 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20—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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Eye Examination Apparatus (AREA)
- Image Processing (AREA)
Abstract
本发明涉及医学治疗技术领域，公开了一种基于微血管位置角膜内皮细胞计数采集精确定位方法，其包括以下步骤：眼球微血管图像获取，通过获取眼底图像获取眼底图像中的眼球微血管图像；图像增强处理，采用基于高斯滤波的图像增强算法对当前读取到的眼球微血管图像进行图像增强处理，获取增强眼球微血管图像；图像去噪处理。本发明通过眼球中的微血管位置成像进行处理，提高对眼底图像进行眼球中的微血管的识别的准确性。
Description
技术领域
本发明涉及医学治疗技术领域，尤其涉及一种基于微血管位置角膜内皮细胞计数采集精确定位方法。
背景技术
患者由于病情或者手术等硬性损伤，导致眼睛的角膜内皮单位面积细胞出现形变和数量增多或减少，手动通过显微镜成像取样，对采集具体部位的精准度要求比较高，目前手动操作采集和荧光反射点的方法，无法达到精准定位效果，加之细胞本身数据变化情况各不一样，进而导致采集出来的图像数据每次都不一样，也就导致参考价值不大，经常有出入，没有太大的参考意，如何解决这个问题，要能每次能取相同位置的细胞，这样能精准判断该部位的病变情况。
因此，我们提出一种基于微血管位置角膜内皮细胞计数采集精确定位方法来解决以上问题。
发明内容
本发明提出的一种基于微血管位置角膜内皮细胞计数采集精确定位方法,解决了背景技术中的问题。
为了实现上述目的，本发明采用了如下技术方案：
一种基于微血管位置角膜内皮细胞计数采集精确定位方法，包括以下步骤：
S1、眼球微血管图像获取，通过获取眼底图像获取眼底图像中的眼球微血管图像；
S2、图像增强处理，采用基于高斯滤波的图像增强算法对当前读取到的眼球微血管图像进行图像增强处理，获取增强眼球微血管图像；
S3、图像去噪处理，图像去噪处理用于增强眼球微血管图像进行去噪处理，得到去噪增强眼球微血管图像；
S4、首次采样照片留存为图片A1，细胞采样点为点A11，此时图片中会显示出巩膜上的微血管形状，每次的图片都可以进行高清降噪处理算法进行清晰化；
S5、二次采样时，照片留存为图片A2，此时借助计算机将A1置于A2下方，进行上下水平垂直比对，直至图片A1与图A2中的微血管纹络部分重合且点A11出现在重合区域内，此时可看到图A2重合区域内渗透的点A11，并在图A2中标注该点位为点A22，则A22即为第二次细胞采样点位。
优选的，所述S1中，所述眼底图像获取为先获取圆形图像；然后获取环状图像；对所述圆形图像和所述环状图像进行合成以获取眼底图像。
优选的，所述S2中，图像增强处理方法还可以为灰度线性变换、直方图均衡变换、同态滤波中的任一中。
优选的，所述S3中，图像去噪处理为线性滤波法、中值滤波法、维纳滤波法、傅里叶变换和小波变换中的任一种来对图片进行除噪处理。
优选的，所述S5中，上下水平垂直比对基于指纹比对基础逻辑进行比对。
本发明的有益效果是：
通过眼球中的微血管位置成像，先采用基于高斯滤波的图像增强算法对当前读取到的原始眼底图像进行图像增强处理，降低了不同眼底图像的明显色差；然后再在增强处理后的眼底图像的基础上进行去噪处理，以去除眼底图像中非成像区域对于后续微血管瘤检测时所采用的训练模型的干扰。保证成像区域的完整性，从而使得后续对眼底图像进行眼球中的微血管位置识别时，提高识别的准确性。通过对图片进行高清降噪处理等算法进行清晰化，方便比对分析。
本发明通过眼球中的微血管位置成像进行处理，提高对眼底图像进行眼球中的微血管的识别的准确性，提高治疗效率。
具体实施方式
下面将结合本发明实施例，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。
实施例一
一种基于微血管位置角膜内皮细胞计数采集精确定位方法，包括以下步骤：
S1、眼球微血管图像获取，通过获取眼底图像获取眼底图像中的眼球微血管图像；
S2、图像增强处理，采用灰度线性变换对当前读取到的眼球微血管图像进行图像增强处理，获取增强眼球微血管图像；
S3、图像去噪处理，图像去噪处理用于增强眼球微血管图像进行去噪处理，得到去噪增强眼球微血管图像；
S4、首次采样照片留存为图片A1，细胞采样点为点A11，此时图片中会显示出巩膜上的微血管形状，每次的图片都可以进行高清降噪处理算法进行清晰化；
S5、二次采样时，照片留存为图片A2，此时借助计算机将A1置于A2下方，进行上下水平垂直比对，直至图片A1与图A2中的微血管纹络部分重合且点A11出现在重合区域内，此时可看到图A2重合区域内渗透的点A11，并在图A2中标注该点位为点A22，则A22即为第二次细胞采样点位。
实施例二
一种基于微血管位置角膜内皮细胞计数采集精确定位方法，包括以下步骤：
S1、眼球微血管图像获取，通过获取眼底图像获取眼底图像中的眼球微血管图像；
S2、图像增强处理，采用基于高斯滤波的图像增强算法对当前读取到的眼球微血管图像进行图像增强处理，获取增强眼球微血管图像；
S3、图像去噪处理，图像去噪处理用于增强眼球微血管图像进行去噪处理，得到去噪增强眼球微血管图像；
S4、首次采样照片留存为图片A1，细胞采样点为点A11，此时图片中会显示出巩膜上的微血管形状，每次的图片都可以进行高清降噪处理算法进行清晰化；
S5、二次采样时，照片留存为图片A2，此时借助计算机将A1置于A2下方，进行上下水平垂直比对，直至图片A1与图A2中的微血管纹络部分重合且点A11出现在重合区域内，此时可看到图A2重合区域内渗透的点A11，并在图A2中标注该点位为点A22，则A22即为第二次细胞采样点位。
实施例三
一种基于微血管位置角膜内皮细胞计数采集精确定位方法，包括以下步骤：
S1、眼球微血管图像获取，通过获取眼底图像获取眼底图像中的眼球微血管图像；
S2、图像增强处理，采用直方图均衡变换对当前读取到的眼球微血管图像进行图像增强处理，获取增强眼球微血管图像；
S3、图像去噪处理，图像去噪处理用于增强眼球微血管图像进行去噪处理，得到去噪增强眼球微血管图像；
S4、首次采样照片留存为图片A1，细胞采样点为点A11，此时图片中会显示出巩膜上的微血管形状，每次的图片都可以进行高清降噪处理算法进行清晰化；
S5、二次采样时，照片留存为图片A2，此时借助计算机将A1置于A2下方，进行上下水平垂直比对，直至图片A1与图A2中的微血管纹络部分重合且点A11出现在重合区域内，此时可看到图A2重合区域内渗透的点A11，并在图A2中标注该点位为点A22，则A22即为第二次细胞采样点位。
实施例四
一种基于微血管位置角膜内皮细胞计数采集精确定位方法，包括以下步骤：
S1、眼球微血管图像获取，通过获取眼底图像获取眼底图像中的眼球微血管图像；
S2、图像增强处理，采用同态滤波对当前读取到的眼球微血管图像进行图像增强处理，获取增强眼球微血管图像；
S3、图像去噪处理，图像去噪处理用于增强眼球微血管图像进行去噪处理，得到去噪增强眼球微血管图像；
S4、首次采样照片留存为图片A1，细胞采样点为点A11，此时图片中会显示出巩膜上的微血管形状，每次的图片都可以进行高清降噪处理算法进行清晰化；
S5、二次采样时，照片留存为图片A2，此时借助计算机将A1置于A2下方，进行上下水平垂直比对，直至图片A1与图A2中的微血管纹络部分重合且点A11出现在重合区域内，此时可看到图A2重合区域内渗透的点A11，并在图A2中标注该点位为点A22，则A22即为第二次细胞采样点位。
本发明通过眼球中的微血管位置成像，先采用基于高斯滤波的图像增强算法对当前读取到的原始眼底图像进行图像增强处理，降低了不同眼底图像的明显色差；然后再在增强处理后的眼底图像的基础上进行去噪处理，以去除眼底图像中非成像区域对于后续微血管瘤检测时所采用的训练模型的干扰。保证成像区域的完整性，从而使得后续对眼底图像进行眼球中的微血管位置识别时，提高识别的准确性。通过对图片进行高清降噪处理等算法进行清晰化，方便比对分析。本发明通过眼球中的微血管位置成像进行处理，提高对眼底图像进行眼球中的微血管的识别的准确性，提高治疗效率。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于微血管位置角膜内皮细胞计数采集精确定位方法，其特征在于，包括以下步骤：
S1、眼球微血管图像获取，通过获取眼底图像获取眼底图像中的眼球微血管图像；
S2、图像增强处理，采用基于高斯滤波的图像增强算法对当前读取到的眼球微血管图像进行图像增强处理，获取增强眼球微血管图像；
S3、图像去噪处理，图像去噪处理用于增强眼球微血管图像进行去噪处理，得到去噪增强眼球微血管图像；
S4、首次采样照片留存为图片A1，细胞采样点为点A11，此时图片中会显示出巩膜上的微血管形状，每次的图片都可以进行高清降噪处理算法进行清晰化；
S5、二次采样时，照片留存为图片A2，此时借助计算机将A1置于A2下方，进行上下水平垂直比对，直至图片A1与图A2中的微血管纹络部分重合且点A11出现在重合区域内，此时可看到图A2重合区域内渗透的点A11，并在图A2中标注该点位为点A22，则A22即为第二次细胞采样点位。
2.根据权利要求1所述的一种基于微血管位置角膜内皮细胞计数采集精确定位方法，其特征在于，所述S1中，所述眼底图像获取为先获取圆形图像；然后获取环状图像；对所述圆形图像和所述环状图像进行合成以获取眼底图像。
3.根据权利要求2所述的一种基于微血管位置角膜内皮细胞计数采集精确定位方法，其特征在于，所述S2中，图像增强处理方法还可以为灰度线性变换、直方图均衡变换、同态滤波中的任一中。
4.根据权利要求3所述的一种基于微血管位置角膜内皮细胞计数采集精确定位方法，其特征在于，所述S3中，图像去噪处理为线性滤波法、中值滤波法、维纳滤波法、傅里叶变换和小波变换中的任一种来对图片进行除噪处理。
5.根据权利要求1所述的一种基于微血管位置角膜内皮细胞计数采集精确定位方法，其特征在于，所述S5中，上下水平垂直比对基于指纹比对基础逻辑进行比对。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011132878.2A CN112330610B (zh) | 2020-10-21 | 2020-10-21 | 一种基于微血管位置角膜内皮细胞计数采集精确定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011132878.2A CN112330610B (zh) | 2020-10-21 | 2020-10-21 | 一种基于微血管位置角膜内皮细胞计数采集精确定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112330610A true CN112330610A (zh) | 2021-02-05 |
| CN112330610B CN112330610B (zh) | 2024-03-29 |
Family
ID=74312054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011132878.2A Active CN112330610B (zh) | 2020-10-21 | 2020-10-21 | 一种基于微血管位置角膜内皮细胞计数采集精确定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112330610B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110060232A1 (en) * | 2007-05-04 | 2011-03-10 | The General Hospital Corporation | Retinal flow cytometry |
| US20140185889A1 (en) * | 2012-12-28 | 2014-07-03 | Canon Kabushiki Kaisha | Image Processing Apparatus and Image Processing Method |
| CN103955941A (zh) * | 2014-05-21 | 2014-07-30 | 重庆理工大学 | 一种角膜内皮细胞分析仪及分析方法 |
| WO2016132115A1 (en) * | 2015-02-16 | 2016-08-25 | University Of Surrey | Detection of microaneurysms |
| CN108257124A (zh) * | 2018-01-23 | 2018-07-06 | 江苏康尚生物医疗科技有限公司 | 一种基于图像的白细胞计数方法和系统 |
| CN109348732A (zh) * | 2017-05-30 | 2019-02-15 | 正凯人工智能私人有限公司 | 图像处理方法及系统 |
| CN109658394A (zh) * | 2018-12-06 | 2019-04-19 | 代黎明 | 眼底图像预处理方法及系统和微血管瘤检测方法及系统 |
| CN110120040A (zh) * | 2019-05-13 | 2019-08-13 | 广州锟元方青医疗科技有限公司 | 切片图像处理方法、装置、计算机设备和存储介质 |
| CN110648295A (zh) * | 2019-09-23 | 2020-01-03 | 中南大学湘雅医院 | 基于影像分析的骨科术前检查与用户终端交互系统及方法 |
| CN110736747A (zh) * | 2019-09-03 | 2020-01-31 | 深思考人工智能机器人科技（北京）有限公司 | 一种细胞液基涂片镜下定位的方法及系统 |
| WO2020103289A1 (zh) * | 2018-11-23 | 2020-05-28 | 福州依影健康科技有限公司 | 一种高血压视网膜血管改变特征数据分析的方法和系统 |
| CN111724379A (zh) * | 2020-06-24 | 2020-09-29 | 武汉互创联合科技有限公司 | 基于组合视图的显微图像细胞计数与姿态识别方法及系统 |
| CN111724381A (zh) * | 2020-06-24 | 2020-09-29 | 武汉互创联合科技有限公司 | 基于多视图交叉验证的显微图像细胞计数与姿态识别方法 |
| WO2020198491A1 (en) * | 2019-03-28 | 2020-10-01 | University Of Miami | Vision defect determination and enhancement |
-
2020
- 2020-10-21 CN CN202011132878.2A patent/CN112330610B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110060232A1 (en) * | 2007-05-04 | 2011-03-10 | The General Hospital Corporation | Retinal flow cytometry |
| US20140185889A1 (en) * | 2012-12-28 | 2014-07-03 | Canon Kabushiki Kaisha | Image Processing Apparatus and Image Processing Method |
| CN103955941A (zh) * | 2014-05-21 | 2014-07-30 | 重庆理工大学 | 一种角膜内皮细胞分析仪及分析方法 |
| WO2016132115A1 (en) * | 2015-02-16 | 2016-08-25 | University Of Surrey | Detection of microaneurysms |
| CN109348732A (zh) * | 2017-05-30 | 2019-02-15 | 正凯人工智能私人有限公司 | 图像处理方法及系统 |
| CN108257124A (zh) * | 2018-01-23 | 2018-07-06 | 江苏康尚生物医疗科技有限公司 | 一种基于图像的白细胞计数方法和系统 |
| WO2020103289A1 (zh) * | 2018-11-23 | 2020-05-28 | 福州依影健康科技有限公司 | 一种高血压视网膜血管改变特征数据分析的方法和系统 |
| CN109658394A (zh) * | 2018-12-06 | 2019-04-19 | 代黎明 | 眼底图像预处理方法及系统和微血管瘤检测方法及系统 |
| WO2020198491A1 (en) * | 2019-03-28 | 2020-10-01 | University Of Miami | Vision defect determination and enhancement |
| CN110120040A (zh) * | 2019-05-13 | 2019-08-13 | 广州锟元方青医疗科技有限公司 | 切片图像处理方法、装置、计算机设备和存储介质 |
| CN110736747A (zh) * | 2019-09-03 | 2020-01-31 | 深思考人工智能机器人科技（北京）有限公司 | 一种细胞液基涂片镜下定位的方法及系统 |
| CN110648295A (zh) * | 2019-09-23 | 2020-01-03 | 中南大学湘雅医院 | 基于影像分析的骨科术前检查与用户终端交互系统及方法 |
| CN111724379A (zh) * | 2020-06-24 | 2020-09-29 | 武汉互创联合科技有限公司 | 基于组合视图的显微图像细胞计数与姿态识别方法及系统 |
| CN111724381A (zh) * | 2020-06-24 | 2020-09-29 | 武汉互创联合科技有限公司 | 基于多视图交叉验证的显微图像细胞计数与姿态识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| ALICE Y. KIM，ET AL: ""Quantifying Microvascular Density and Morphology in Diabetic Retinopathy Using Spectral-Domain Optical Coherence Tomography Angiography"", 《SPECIAL ISSUE》, 31 December 2018 (2018-12-31) * |
| GERALD LIEW, ET AL: ""Retinal Vascular Imaging A New Tool in Microvascular Disease Research"", 《ADVANCES IN CARDIOVASCULAR IMAGING》, 31 December 2015 (2015-12-31) * |
| 郭永彩, 高潮, 刘国祥, 徐嘉红: "血液细胞形态光电分析系统", 光电工程, no. 03, 28 June 2003 (2003-06-28) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112330610B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108257126B (zh) | 三维视网膜oct图像的血管检测和配准方法、设备及应用 | |
| CN107292835B (zh) | 一种眼底图像视网膜血管自动矢量化的方法及装置 | |
| CN106846293B (zh) | 图像处理方法和装置 | |
| CN107358612A (zh) | 一种基于分形维数与高斯滤波结合的视网膜血管分割系统及方法 | |
| CN116645384B (zh) | 基于人工智能的干细胞区域快速分割方法 | |
| Lu et al. | Vessel enhancement of low quality fundus image using mathematical morphology and combination of Gabor and matched filter | |
| CN112348785A (zh) | 一种癫痫病灶定位方法及系统 | |
| CN107194928B (zh) | 一种基于视觉的静脉采血扎针点自动提取方法 | |
| CN114202795A (zh) | 一种老年人瞳孔快速定位方法 | |
| CN112700409A (zh) | 视网膜微动脉瘤自动检测方法及成像方法 | |
| Aruchamy et al. | Automated glaucoma screening in retinal fundus images | |
| Vahabi et al. | The new approach to automatic detection of optic disc from non-dilated retinal images | |
| Umamageswari et al. | A novel approach for classification of diabetics from retinal image using deep learning technique | |
| CN112330610A (zh) | 一种基于微血管位置角膜内皮细胞计数采集精确定位方法 | |
| Liu et al. | Retinal vessel segmentation using densely connected convolution neural network with colorful fundus images | |
| CN111292285B (zh) | 一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法 | |
| Sachdeva et al. | Automatic segmentation and area calculation of optic disc in ophthalmic images | |
| CN111583248A (zh) | 一种基于眼部超声图像的处理方法 | |
| CN114862799B (zh) | 一种用于flair-mri序列的全自动脑体积分割方法 | |
| CN115205241A (zh) | 一种用于视细胞密度的计量方法及系统 | |
| JP6469838B2 (ja) | 生物組織の３次元ボリュームを表す画像データを分析する方法 | |
| CN114677713A (zh) | 一种基于近红外光的手臂静脉采血点的识别方法及系统 | |
| Ashame et al. | Abnormality Detection in Eye Fundus Retina | |
| Zulfahmi et al. | Techniques for exudate detection for diabetic retinopathy | |
| Köhler et al. | Software-based imaging and quantitative analysis of the corneal sub-basal nerve plexus |
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 |