DK2793189T3 - Vurdering af læsioner i et billede - Google Patents
Vurdering af læsioner i et billede Download PDFInfo
- Publication number
- DK2793189T3 DK2793189T3 DK14176515.6T DK14176515T DK2793189T3 DK 2793189 T3 DK2793189 T3 DK 2793189T3 DK 14176515 T DK14176515 T DK 14176515T DK 2793189 T3 DK2793189 T3 DK 2793189T3
- Authority
- DK
- Denmark
- Prior art keywords
- image
- visibility
- lesion
- candidate
- area
- Prior art date
Links
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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Claims (17)
1. Fremgangsmåde til vurdering af tilstedeværelsen eller fraværet af læsion(er) i et billede, hvilken fremgangsmåde omfatter a) etablering af mindst ét udgangspunkt, som er repræsentativt for en læsion i billedet, b) udvælgelse af mindst ét udgangspunkt, vurdering af en delmængde af billedet svarende til en kandidatlæsion ved at trække q isokurver omkring udgangspunktet, idet q er et helt tal på mindst 1, indtil periferien af kandidatlæsionsområdet er etableret, idet isokurverne trækkes fra en vektor af ét eller flere synlighedstræk, c) bestemmelse af en synlighedstrækværdi af synligheden af kandidatlæsionsområdet, hvor synlighedstrækværdien bestemmes ud fra et synlighedstræk, som er forskelligt fra de synlighedstræk, der anvendes til at trække i trin b), og sammenligning af synlighedstrækværdien af synligheden af kandidatlæsionsområdet med en forudbestemt tærskel, d) klassificering af det i b) detekterede kandidatlæsionsområde med hensyn til den forudbestemte tærskel som en synlig læsion eller ikke, e) eventuel gentagelse af trin b) til d), indtil alle kandidatlæsionsområder er blevet klassificeret.
2. Fremgangsmåde ifølge krav 1, hvor billedet er et billede af okulær fundus.
3. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor udgangspunkterne etableres i ekstremer af billedet.
4. Fremgangsmåde ifølge krav 1, hvor synligheden af området inden for isokurverne vurderes, og den isokurve, der har den højeste synlighed, etablerer periferien af kandidatlæsionsområdet.
5. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor synligheden af et område bestemmes som en vektor af træk, herunder intensitet, synlighed af kandidatlæsionsområdet sammenlignet med synligheden af blodkar, synlighed af kanten af kandidatlæsionsområdet, farveinformation om kandidatlæsionsområdet, variansmål af en del af billedet og/eller et variansmål af billedet.
6. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, som desuden omfatter korrektion af synligheden af kandidatlæsionsområdet med baggrundsvariationen, sammenligning af den korrigerede synlighed med en forudbestemt synlighedstærskel for læsioner i det område eller korrektion afen forudbestemt synlighedstærskel med baggrundsvariationen, sammenligning af synligheden af kandidatlæsionsområdet med den korrigerede forudbestemte synlighedstærskel, klassificering af det kandidatlæsionsområde, som er detekteret med hensyn til den opnåede tærskel, som en læsion eller ikke.
7. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor identificeringen af udgangspunkt(er) justeres med hensyn til blodkar, som forekommer i billedet.
8. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor vurderingen af delmængde justeres med hensyn til blodkar, som forekommer i billedet.
9. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor udgangspunkter, som lokaliseres i blodkar, fjernes fra flerheden af udgangspunkter, som er repræsentative for en læsion.
10. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor delmængder af det billede, som har i det mindste en del af delmængden, som er lokaliseret i et blodkar, afvises som kandidatlæsionsområde.
11. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor identificeringen af udgangspunkt(er) justeres med hensyn til et optisk nervehoved, som forekommer i billedet.
12. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor vurderingen af delmængden justeres med hensyn til et optisk nervehoved, som forekommer i billedet.
13. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor udgangspunkter, som lokaliseres i optisk nervehoved, fjernes fra flerheden af udgangspunkter, som er repræsentative for en læsion.
14. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor delmængder af billedet, som har i det mindste en del af delmængden lokaliseret i det optiske nervehoved, afvises som kandidatlæsionsområde.
15. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor mindst ét af det ene eller de flere synlighedstræk, som anvendes til at trække isokurver, er baseret på en opsummering af orienteringsvægtede regionsgrænsegradientpixels, som er vægtet i overensstemmelse med deres orientering mod den trukne region.
16. Fremgangsmåde til klassificering af et fundusbillede, omfattende - vurdering af tilstedeværelsen eller fraværet af mindst én læsion ved den fremgangsmåde, der er defineret i et hvilket som helst af kravene 1-15, graduering af fundusbilledet med hensyn til antal og/eller størrelse af læsioner, - klassificering af fundusbilledet i mindst to klasser.
17. System til vurdering af tilstedeværelsen eller fraværet af læsion(er) i et billede, omfattende a) en algoritme til etablering af mindst ét udgangspunkt, som er repræsentativt for en læsion i billedet, b) en algoritme til udvælgelse af mindst ét udgangspunkt, vurdering af en delmængde af billedet svarende til en kandidatlæsion ved at trække q isokurver omkring udgangspunktet, idet q er et helt tal på mindst 1, indtil periferien af kandidatlæsionsområdet er etableret, idet isokurverne trækkes fra en vektor af ét eller flere synlighedstræk, c) en algoritme til bestemmelse af en synlighedstrækværdi af synligheden af kandidatlæsionsområdet, hvor synlighedstrækværdien bestemmes ud fra et synlighedstræk, som er forskelligt fra de synlighedstræk, der anvendes til at trække i trin b), og sammenligning af synlighedstrækværdien af synligheden af kandidatlæsionsområdet med en forudbestemt tærskel, d) en algoritme til klassificering af det i b) detekterede kandidatlæsionsområde med hensyn til den forudbestemte tærskel som en synlig læsion eller ikke, e) en algoritme til eventuel gentagelse af trin b) til d), indtil alle kandidatlæsionsområder er blevet klassificeret.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DKPA200101451 | 2001-10-03 | ||
DKPA200200635 | 2002-04-25 | ||
US37623302P | 2002-04-30 | 2002-04-30 | |
EP02800053.7A EP1444635B1 (en) | 2001-10-03 | 2002-10-03 | Assessment of lesions in an image |
Publications (1)
Publication Number | Publication Date |
---|---|
DK2793189T3 true DK2793189T3 (da) | 2017-02-06 |
Family
ID=27222545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DK14176515.6T DK2793189T3 (da) | 2001-10-03 | 2002-10-03 | Vurdering af læsioner i et billede |
Country Status (6)
Country | Link |
---|---|
US (1) | US7583827B2 (da) |
EP (2) | EP2793189B1 (da) |
JP (1) | JP4411071B2 (da) |
CN (1) | CN100530204C (da) |
DK (1) | DK2793189T3 (da) |
WO (1) | WO2003030074A1 (da) |
Families Citing this family (78)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7011625B1 (en) * | 2003-06-13 | 2006-03-14 | Albert Shar | Method and system for accurate visualization and measurement of endoscopic images |
US7708403B2 (en) * | 2003-10-30 | 2010-05-04 | Welch Allyn, Inc. | Apparatus and method for diagnosis of optically identifiable ophthalmic conditions |
DE102004008979B4 (de) * | 2004-02-24 | 2006-12-28 | Siemens Ag | Verfahren zur Filterung tomographischer 3D-Darstellungen nach erfolgter Rekonstruktion von Volumendaten |
US7500751B2 (en) * | 2004-03-12 | 2009-03-10 | Yokohama Tlo Company Ltd. | Ocular fundus portion analyzer and ocular fundus portion analyzing method |
JP4487180B2 (ja) * | 2004-03-18 | 2010-06-23 | ソニー株式会社 | 情報生成装置及び情報生成方法 |
JP2005284792A (ja) * | 2004-03-30 | 2005-10-13 | Sharp Corp | 画像照合装置、画像照合方法、画像照合プログラムおよび画像照合プログラムを記録したコンピュータ読取り可能な記録媒体 |
JP5014593B2 (ja) * | 2005-06-01 | 2012-08-29 | 興和株式会社 | 眼科測定装置 |
US8194951B2 (en) * | 2005-09-30 | 2012-06-05 | Philips Electronics North | Method and system for generating display data |
US7587232B2 (en) * | 2006-02-28 | 2009-09-08 | Kabushiki Kaisha Toshiba | Magnetic resonance imaging apparatus, magnetic resonance data processing apparatus, magnetic resonance data processing program and magnetic resonance imaging apparatus control method |
WO2007109704A2 (en) * | 2006-03-22 | 2007-09-27 | Cornell Research Foundation, Inc. | Medical imaging visibility index system and method for cancer lesions |
ITTO20060223A1 (it) * | 2006-03-24 | 2007-09-25 | I Med S R L | Procedimento e sistema per il riconoscimento automatico di anomalie preneoplastiche in strutture anatomiche, e relativo programma per elaboratore |
US10617564B1 (en) * | 2006-05-10 | 2020-04-14 | Apple Inc. | Area scanning photomedicine device and method |
JP5121204B2 (ja) * | 2006-10-11 | 2013-01-16 | オリンパス株式会社 | 画像処理装置、画像処理方法、および画像処理プログラム |
US7860283B2 (en) | 2006-10-25 | 2010-12-28 | Rcadia Medical Imaging Ltd. | Method and system for the presentation of blood vessel structures and identified pathologies |
US7940970B2 (en) | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging, Ltd | Method and system for automatic quality control used in computerized analysis of CT angiography |
US7983459B2 (en) | 2006-10-25 | 2011-07-19 | Rcadia Medical Imaging Ltd. | Creating a blood vessel tree from imaging data |
US7940977B2 (en) | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies |
US7873194B2 (en) | 2006-10-25 | 2011-01-18 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure |
FR2916883B1 (fr) * | 2007-05-29 | 2009-09-04 | Galderma Res & Dev | Procede et dispositif d'acquisition et de traitement d'images pour la detection de lesions evolutives |
JP5148928B2 (ja) * | 2007-05-31 | 2013-02-20 | 株式会社トプコン | 眼底検査装置及びプログラム |
US8175352B2 (en) * | 2007-09-21 | 2012-05-08 | Siemens Aktiengesellschaft | System and method for automated magnetic resonance scan prescription for optic nerves |
US8065166B2 (en) | 2007-10-30 | 2011-11-22 | Onemednet Corporation | Methods, systems, and devices for managing medical images and records |
US9760677B2 (en) | 2009-04-29 | 2017-09-12 | Onemednet Corporation | Methods, systems, and devices for managing medical images and records |
US9171344B2 (en) | 2007-10-30 | 2015-10-27 | Onemednet Corporation | Methods, systems, and devices for managing medical images and records |
US8718363B2 (en) * | 2008-01-16 | 2014-05-06 | The Charles Stark Draper Laboratory, Inc. | Systems and methods for analyzing image data using adaptive neighborhooding |
US8737703B2 (en) * | 2008-01-16 | 2014-05-27 | The Charles Stark Draper Laboratory, Inc. | Systems and methods for detecting retinal abnormalities |
US8150113B2 (en) * | 2008-01-23 | 2012-04-03 | Carestream Health, Inc. | Method for lung lesion location identification |
JP5374078B2 (ja) * | 2008-06-16 | 2013-12-25 | オリンパス株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
GB0902280D0 (en) * | 2009-02-12 | 2009-03-25 | Univ Aberdeen | Disease determination |
GB2470727A (en) * | 2009-06-02 | 2010-12-08 | Univ Aberdeen | Processing retinal images using mask data from reference images |
US7856135B1 (en) | 2009-12-02 | 2010-12-21 | Aibili—Association for Innovation and Biomedical Research on Light and Image | System for analyzing ocular fundus images |
US20110129133A1 (en) * | 2009-12-02 | 2011-06-02 | Ramos Joao Diogo De Oliveira E | Methods and systems for detection of retinal changes |
CN102129697B (zh) * | 2010-01-19 | 2013-05-29 | 北京大学 | 一种文本图像压缩方法 |
US20110176711A1 (en) * | 2010-01-21 | 2011-07-21 | Radu Catalin Bocirnea | Methods, apparatuses & computer program products for facilitating progressive display of multi-planar reconstructions |
JP5555097B2 (ja) | 2010-08-24 | 2014-07-23 | オリンパス株式会社 | 画像処理装置、画像処理装置の作動方法、および画像処理プログラム |
US8351669B2 (en) * | 2011-02-01 | 2013-01-08 | Universidade Da Coruna-Otri | Method, apparatus, and system for retinal image analysis |
US8355544B2 (en) * | 2011-02-01 | 2013-01-15 | Universidade Da Coruna-Otri | Method, apparatus, and system for automatic retinal image analysis |
JP2012196245A (ja) | 2011-03-18 | 2012-10-18 | Canon Inc | 眼科情報処理装置及びその制御方法 |
US9089288B2 (en) * | 2011-03-31 | 2015-07-28 | The Hong Kong Polytechnic University | Apparatus and method for non-invasive diabetic retinopathy detection and monitoring |
JP2012233800A (ja) * | 2011-05-02 | 2012-11-29 | Toyota Central R&D Labs Inc | マルチセンサ判定装置及びプログラム |
EP2740073B1 (en) | 2011-06-17 | 2017-01-18 | Quantitative Imaging, Inc. | Methods and apparatus for assessing activity of an organ and uses thereof |
JP6025311B2 (ja) * | 2011-08-01 | 2016-11-16 | キヤノン株式会社 | 眼科診断支援装置および方法 |
KR101916855B1 (ko) * | 2011-10-17 | 2019-01-25 | 삼성전자주식회사 | 병변 수정 장치 및 방법 |
JP5926533B2 (ja) * | 2011-10-27 | 2016-05-25 | キヤノン株式会社 | 眼科装置 |
JP5979904B2 (ja) | 2012-02-20 | 2016-08-31 | キヤノン株式会社 | 画像処理装置、眼科撮影システム、及び画像処理方法 |
JP5936254B2 (ja) | 2012-02-29 | 2016-06-22 | 国立大学法人京都大学 | 眼底観察装置及び眼底画像解析装置 |
GB201302887D0 (en) * | 2013-02-19 | 2013-04-03 | Optos Plc | Improvements in or relating to image processing |
US9558552B2 (en) * | 2013-02-22 | 2017-01-31 | Sony Corporation | Eye-fundus image optimization output device and method, and computer readable medium |
US9424395B2 (en) * | 2013-03-04 | 2016-08-23 | Heartflow, Inc. | Method and system for sensitivity analysis in modeling blood flow characteristics |
US9171224B2 (en) | 2013-07-04 | 2015-10-27 | Qualcomm Incorporated | Method of improving contrast for text extraction and recognition applications |
US9898818B2 (en) | 2013-07-26 | 2018-02-20 | The Regents Of The University Of Michigan | Automated measurement of changes in retinal, retinal pigment epithelial, or choroidal disease |
US8885901B1 (en) * | 2013-10-22 | 2014-11-11 | Eyenuk, Inc. | Systems and methods for automated enhancement of retinal images |
US9974506B2 (en) | 2013-11-05 | 2018-05-22 | International Business Machines Corporation | Associating coronary angiography image annotations with syntax scores for assessment of coronary artery disease |
US9237847B2 (en) | 2014-02-11 | 2016-01-19 | Welch Allyn, Inc. | Ophthalmoscope device |
JP6388532B2 (ja) * | 2014-11-28 | 2018-09-12 | 富士通株式会社 | 画像提供システムおよび画像提供方法 |
KR101580075B1 (ko) * | 2015-01-23 | 2016-01-21 | 김용한 | 병변 영상 분석을 통한 광 치료 장치, 이에 이용되는 병변 영상 분석에 의한 병변 위치 검출방법 및 이를 기록한 컴퓨팅 장치에 의해 판독 가능한 기록 매체 |
US10799115B2 (en) | 2015-02-27 | 2020-10-13 | Welch Allyn, Inc. | Through focus retinal image capturing |
US11045088B2 (en) | 2015-02-27 | 2021-06-29 | Welch Allyn, Inc. | Through focus retinal image capturing |
US20160310043A1 (en) * | 2015-04-26 | 2016-10-27 | Endochoice, Inc. | Endoscopic Polyp Measurement Tool and Method for Using the Same |
US9757023B2 (en) | 2015-05-27 | 2017-09-12 | The Regents Of The University Of Michigan | Optic disc detection in retinal autofluorescence images |
US10136804B2 (en) * | 2015-07-24 | 2018-11-27 | Welch Allyn, Inc. | Automatic fundus image capture system |
US10772495B2 (en) | 2015-11-02 | 2020-09-15 | Welch Allyn, Inc. | Retinal image capturing |
WO2017120217A1 (en) | 2016-01-07 | 2017-07-13 | Welch Allyn, Inc. | Infrared fundus imaging system |
US10398353B2 (en) * | 2016-02-19 | 2019-09-03 | Covidien Lp | Systems and methods for video-based monitoring of vital signs |
US10939824B2 (en) | 2017-11-13 | 2021-03-09 | Covidien Lp | Systems and methods for video-based monitoring of a patient |
US11712176B2 (en) | 2018-01-08 | 2023-08-01 | Covidien, LP | Systems and methods for video-based non-contact tidal volume monitoring |
CN108853702B (zh) * | 2018-05-15 | 2021-02-26 | 中国科学院苏州生物医学工程技术研究所 | 一种新型智能药物喷洒系统 |
US11096574B2 (en) | 2018-05-24 | 2021-08-24 | Welch Allyn, Inc. | Retinal image capturing |
EP3806727A1 (en) | 2018-06-15 | 2021-04-21 | Covidien LP | Systems and methods for video-based patient monitoring during surgery |
EP3833241A1 (en) | 2018-08-09 | 2021-06-16 | Covidien LP | Video-based patient monitoring systems and associated methods for detecting and monitoring breathing |
US11617520B2 (en) | 2018-12-14 | 2023-04-04 | Covidien Lp | Depth sensing visualization modes for non-contact monitoring |
US11315275B2 (en) | 2019-01-28 | 2022-04-26 | Covidien Lp | Edge handling methods for associated depth sensing camera devices, systems, and methods |
US11484208B2 (en) | 2020-01-31 | 2022-11-01 | Covidien Lp | Attached sensor activation of additionally-streamed physiological parameters from non-contact monitoring systems and associated devices, systems, and methods |
CN111353992B (zh) * | 2020-03-10 | 2023-04-07 | 塔里木大学 | 一种基于纹理特征的农产品缺陷检测方法及系统 |
TWI728818B (zh) * | 2020-05-22 | 2021-05-21 | 貞安有限公司 | 居家監控眼底時程影像的系統與方法 |
US11950848B2 (en) * | 2020-08-10 | 2024-04-09 | Welch Allyn, Inc. | Fundus imaging for microvascular assessment |
KR20220042558A (ko) * | 2020-09-28 | 2022-04-05 | 주식회사 딥바이오 | 병리 이미지 분석 결과 출력 방법 및 이를 수행하는 컴퓨팅 시스템 |
US11900605B2 (en) | 2021-09-30 | 2024-02-13 | Merative Us L.P. | Methods and systems for detecting focal lesions in multi-phase or multi-sequence medical imaging studies |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0624010B2 (ja) | 1986-05-29 | 1994-03-30 | 株式会社豊田中央研究所 | 画像内濃淡領域検出装置 |
US5868134A (en) * | 1993-09-21 | 1999-02-09 | Kabushiki Kaisha Topcon | Retinal disease analyzer |
JPH07299053A (ja) | 1994-04-29 | 1995-11-14 | Arch Dev Corp | コンピュータ診断支援方法 |
JPH09149901A (ja) | 1995-11-30 | 1997-06-10 | Toshiba Corp | 画像生成装置及び画像生成方法 |
WO1999057683A1 (en) * | 1998-05-04 | 1999-11-11 | The Johns Hopkins University | Method and apparatus for segmenting small structures in images |
GB9909966D0 (en) | 1999-04-29 | 1999-06-30 | Torsana Diabetes Diagnostics A | Analysis of fundus images |
WO2003030101A2 (en) | 2001-10-03 | 2003-04-10 | Retinalyze Danmark A/S | Detection of vessels in an image |
WO2003030075A1 (en) | 2001-10-03 | 2003-04-10 | Retinalyze Danmark A/S | Detection of optic nerve head in a fundus image |
-
2002
- 2002-10-03 US US10/491,746 patent/US7583827B2/en not_active Expired - Fee Related
- 2002-10-03 CN CNB028228758A patent/CN100530204C/zh not_active Expired - Fee Related
- 2002-10-03 DK DK14176515.6T patent/DK2793189T3/da active
- 2002-10-03 WO PCT/DK2002/000661 patent/WO2003030074A1/en active Application Filing
- 2002-10-03 EP EP14176515.6A patent/EP2793189B1/en not_active Expired - Lifetime
- 2002-10-03 JP JP2003533200A patent/JP4411071B2/ja not_active Expired - Fee Related
- 2002-10-03 EP EP02800053.7A patent/EP1444635B1/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
US20040258285A1 (en) | 2004-12-23 |
EP2793189A2 (en) | 2014-10-22 |
WO2003030074A1 (en) | 2003-04-10 |
JP4411071B2 (ja) | 2010-02-10 |
CN1589449A (zh) | 2005-03-02 |
US7583827B2 (en) | 2009-09-01 |
EP1444635B1 (en) | 2017-05-10 |
JP2005504595A (ja) | 2005-02-17 |
EP1444635A1 (en) | 2004-08-11 |
CN100530204C (zh) | 2009-08-19 |
EP2793189B1 (en) | 2016-11-02 |
EP2793189A3 (en) | 2015-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DK2793189T3 (da) | Vurdering af læsioner i et billede | |
Abràmoff et al. | Retinal imaging and image analysis | |
Haleem et al. | Automatic extraction of retinal features from colour retinal images for glaucoma diagnosis: a review | |
Sekhar et al. | Automated localisation of retinal optic disk using Hough transform | |
WO2018116321A2 (en) | Retinal fundus image processing method | |
Zhu et al. | Digital image processing for ophthalmology: Detection of the optic nerve head | |
Pratheeba et al. | A novel approach for detection of hard exudates using random forest classifier | |
Giancardo | Automated fundus images analysis techniques to screen retinal diseases in diabetic patients | |
WO2003030073A1 (en) | Quality measure | |
Giancardo et al. | Quality assessment of retinal fundus images using elliptical local vessel density | |
Lazar et al. | A novel approach for the automatic detection of microaneurysms in retinal images | |
WO2003030075A1 (en) | Detection of optic nerve head in a fundus image | |
WO2004082453A2 (en) | Assessment of lesions in an image | |
Noronha et al. | A review of fundus image analysis for the automated detection of diabetic retinopathy | |
DK1444635T3 (da) | Vurdering af læsioner i et billede | |
Niemeijer | Automatic detection of diabetic retinopathy in digital fundus photographs | |
WO2003030101A2 (en) | Detection of vessels in an image | |
Patil et al. | Screening and detection of diabetic retinopathy by using engineering concepts | |
Akram et al. | Gabor wavelet based vessel segmentation in retinal images | |
Kubde et al. | Automated Computer Aided Detection of Diabetic Retinopathy Using Machine Learning Hybrid Model | |
Waly et al. | Detection of Retinal Blood Vessels by using Gabor filter with Entropic threshold | |
Mohammadi et al. | The computer based method to diabetic retinopathy assessment in retinal images: a review. | |
Raju | DETECTION OF DIABETIC RETINOPATHY USING IMAGE PROCESSING | |
de Moura et al. | Artery/vein vessel tree identification in near-infrared reflectance retinographies | |
Kayte | Design and Development of Non-Proliferative Diabetic Retinopathy Detection Technique using Image Features Extraction Techniques |