JP2013508035A - 網膜の異常を検出するためのシステムおよび方法 - Google Patents
網膜の異常を検出するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2013508035A JP2013508035A JP2012534420A JP2012534420A JP2013508035A JP 2013508035 A JP2013508035 A JP 2013508035A JP 2012534420 A JP2012534420 A JP 2012534420A JP 2012534420 A JP2012534420 A JP 2012534420A JP 2013508035 A JP2013508035 A JP 2013508035A
- Authority
- JP
- Japan
- Prior art keywords
- image
- retinal
- smoothing
- blood vessel
- determining
- 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
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
-
- 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)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Abstract
Description
本願は、米国仮出願第61/279,156号(2009年10月15日出願、名称「Systems and Methods for Retinal Image Analysis」)の利益を主張する。本願は、米国特許出願第12/355,567号(2009年1月16日出願、名称「Systems and Methods for Analyzing Image Data Using Adaptive Neighborhooding」)の一部継続出願であり、該出願は、米国仮出願第61/021,513号(2008年1月16日出願、名称「An Energy Functional Framework for Simultaneously Learning,Smoothing,Segmentation,and Grouping in a Low SNR,Sparse Data Environment」)、米国仮出願第61/011,456号(2008年1月16日出願、名称「Image−based Methods for Measuring Global Nuclear Patterns as Epigenetic Markers of Cell Differentiation」)、および米国仮出願第61/143,399号(2009年1月8日出願、名称「Image−based Methods for Assessing Cells」)の利益を主張する。これらの出願の各々は、その全体が参照により本明細書に引用される。
本明細書に記載される研究開発は、全体またが一部において、国立衛生研究所(NIH/NIBIB)からの交付NO.RO1−EB006161−01A2、国立神経疾患・脳卒中研究所からのNINDS/NIH交付NO.5−R01−NS34189−10により資金援助された。本発明において、米国政府は一定の権利を有する。
図1は、本発明の例証的実施形態による、画像分析システムの概略図である。システム100は、画像捕捉デバイス110と、画像データベース120と、情報抽出プロセッサ130と、ディスプレイ140と、結果データベース150と、分類プロセッサ160とを含む。
情報抽出プロセッサ130は、適合的に調整した近傍を使用して、場面の表現を向上させるように画像データを平滑化し、場面内の要素間のエッジを決定することにより、これらの要素を区別するように画像データを区分化し、場面内の要素の属性を推定することによって、撮像した場面内の要素に関する情報を抽出するように構成される。図2は、情報抽出プロセッサ130によって果たされる情報抽出方法の1つの例証的実施形態を描写する。情報抽出プロセッサ130への入力は、画像1、2、…、Nを備える画像データ210、画像データの特性の予備知識220、および撮像した場面内の属性の予備知識230を含む。画像データの特性の予備知識220は、ノイズ強度および分布情報、撮像した場面のモデル、環境要因、ならびに撮像機器の性質を含む。撮像した場面内の属性の予備知識230は、既知の属性を有する場面内の場所、撮像した場面内の要素の存在または不在の知識、撮像した場面の現実世界の体験、または撮像した場面の内容に関する確率的評価を含む。平滑化240、区分化250、および属性推定260の過程は、プロセッサが、他の過程を行う際に、これらの過程のそれぞれの結果を考慮するという意味で、相互依存的である。近傍の適合的調整265は、以下でより詳細に論議される。加えて、過程は、同時に、または実質的に同時に実行される。これらの過程の終わりに、情報抽出プロセッサ130は、一式の平滑化したデータ270、撮像した場面を一貫した要素に分割する一式の区分280、および場面内に存在する一式の推定属性290を含む処理データの集合を出力する。過程240、250、および260のそれぞれは、以下でより詳細に論議される。
情報抽出方法をより明確に説明するためには、実施例が役立つ。図3は、図2の方法論に従って図1の画像分析システムによって処理するための3つの画像310、320、330を描写する。これら3つの画像は、同じ場面を表し、画像310は、航空写真であり、画像320は、雲量の衛星レーダ画像であり、画像330は、空中サーモグラム(場面内の要素によって発せられる熱放射を測定する)である。これら3つの画像は、3つの異なる撮像モダリティ、すなわち、場面に関する情報を捕捉する方法を表し、したがって、単一のモダリティよりも多くの種類の現象を検出することが可能である。実施例では、画像320は、雲の存在を表す。画像330は、場面内の住居の特性を示し得る、高熱放射の領域を明らかにする。住居は、木葉および雲量で隠されているため、画像310の中では検出しにくい。本情報抽出方法の強みのうちの1つは、場面内の下にある要素を最も良く明らかにするように複数のモダリティを組み合わせる能力である。異なるモダリティの組み合わせは、以下でより詳細に論議される。
ノイズの多い画像から一式の平滑化したデータ270を生成する時、またはそれらの属性値に従って区分を分類する場合に、撮像した場面内のどの場所がエッジに対応し、どれが対応しないかを区別できることが望ましい。エッジが識別されると、次いで、情報抽出プロセッサ130は、そのエッジの両側およびエッジ自体の上の場所を別個に処置し、平滑化および分類性能を向上させる。次いで、平滑化、区分化、および属性推定過程中に、選択的に局所情報を使用することが望ましい。したがって、一実施形態では、適合的近傍調整過程265において、周囲の場所の近傍に基づいて各場所で決定が行われる。本発明の一実施形態は、近傍を撮像した場面内の各特定場所と関連付ける。各近傍は、特定の場所の付近のいくつかの他の場所を含む。次いで、情報抽出プロセッサ130は、平滑化、区分化、および属性推定過程240−260に集中して、場所に関する情報をより適切に抽出するために、各場所の近傍を使用することができる。その最も単純な形態で、各場所に関連付けられる近傍は、固定されたサイズ、形状、および配向、例えば、固定半径を伴う円を有することができる。しかしながら、柔軟性のない近傍サイズおよび形状を使用することには、いくつかの欠点がある。例えば、場所がエッジの上に位置する場合には、固定された近傍に依存する平滑化および属性推定過程は、エッジの両側の場面要素からの情報を使用し、誤った結果につながる。1つの改良は、局所情報に基づいて各場所の近傍のサイズを調整することである。さらなる改良は、適合的近傍調整過程265において、局所特性により良く合致するように、場所の近傍のサイズ、形状、および配向を調整することを含む。これらの実施例は、以下でより詳細に説明される。
図5は、図4Cに図示されるような第3の近傍430のような適合的近傍で達成可能な性能向上を明示する。黒い背景上の白い四角という元の場面510は、撮像過程でノイズによって破損され、ノイズの多い画像520をもたらす。ノイズの多い画像520では、人間の眼で四角と背景とを区別することが困難である。第1の実施例410の平滑化方法は、第1の平滑化した画像530を生成するように適用される。この方法は、一式のエッジを生成せず、結果として生じる平滑化したデータは、白い長方形の境界線を不鮮明する。第2の実施例420の平滑化方法は、第2の平滑化した画像540および一式のスカラーエッジ550を生成するように適用される。人間の眼には、第2の平滑化した画像540は、第1の平滑化した画像530と同じくらい不明瞭であり、スカラーエッジ550は拡散している。
情報抽出方法の1つの特定の実施形態が、図6に図示されている。上記で論議されるように、近傍適合過程は、関心の属性のそれぞれに行うことができる。各場所で、異なる近傍を各属性について決定することができ、これは、各属性に対する属性値および属性エッジ値の識別を可能にする。図6は、入力として、画像データ、属性の予備知識、画像データ内の区分(および関連エッジ)610、平滑化した画像データ620、属性推定値内の区分(および関連エッジ)630、および属性推定値640を取り込む、反復過程を描写する。図6の反復過程を適用し始めるためには、入力610、620、630、および640に対する初期値を、ユーザによって特定するか、またはプロセッサ130によって自動的に選択することができる。適合過程は、望ましくない実施に対するペナルティを含む、エネルギー関数を最小限化しようと努める。エネルギー関数に含むことができる、いくつかのペナルティ例が、エネルギー関数要素ブロック650に描写されている。これらは、画像データと平滑化したデータとの間の不一致に対するペナルティ、データ内の過剰なエッジの指定に対するペナルティ、属性内の過剰なエッジの指定に対するペナルティ、データ内のエッジの不連続または非平滑性に対するペナルティ、属性内のエッジの不連続または非平滑性に対するペナルティ、平滑化したデータ内の不連続または急激な変化、および属性推定値の不連続または急激な変化を含む。エネルギー関数への入力を使用して、エネルギー値を計算することができ、次いで、入力610、620、630、および640は、より低いエネルギー値を達成するように適合的に調整される。
項e1は、画像データと平滑化したデータとの間の不一致に対するペナルティであり、項e2は、平滑化したデータ内の不連続に対するペナルティであり、項e3は、エッジの存在およびエッジの不連続に対するペナルティを含み、項e4は、属性推定値における不連続に対するペナルティを含み、項e5は、属性エッジの存在および属性エッジの不連続に対するペナルティを含む。当業者であれば、エネルギー関数に含むことができる多くの付加的なペナルティがあり、適切なペナルティの選択は、手元の用途に依存することを認識するであろう。同等に、この問題は、異なる報酬項が、情報抽出方法に対する異なる望ましい性能要件に対応する、報酬関数の最大限化として表すことができる。例えば、勾配降下法といった、当業者によってこの特定の数学的定式化に容易に適用することができる、多くの標準数値技法がある。これらの技法は、本明細書で説明される実施形態の任意のもので実装することができる。
e1=βM(u,g,w,θm)、
e2=αmLm(θm,υm)、
e3=αuCu(u,υu,θu)、
e4=αCLC(υC,θu)、および
e5=π(u,w,υm,υn,υC,θu,θm)
式中、Mは、データ忠実度を測定する関数であり、Lmは、測定モデルパラメータを推定し、Cuは、過程モデル空間相関を測定し、Lcは、過程モデルパラメータを推定し、πは、未知の変数の事前分布を表し、β、αm、αu、αcは、過程が項e1、e2、e3、e4に異なる重点を置くことを可能にするパラメータである。
上記で説明されるように、網膜の異常の正確、迅速、および便利な診断の必要性が深刻である。この必要性に対処するために、本明細書では、網膜画像を分析し、中程度の技能を持つ臨床医が世界中の多数の患者の網膜疾患を効率的に評価するのに役立つことができるように、網膜症の重症度の臨床的に確証された決定を提供することができる、自動分類および意思決定支援方法およびシステムが説明される。これらのシステムおよび方法は、以下を含む、網膜の異常の検出のいくつかの特定の課題に対処するために開発されてきた。
1.血管における異常が、血管に沿った他の場所でのその特定の血管の幾何学形状に関連する。
2.異常な特徴が、血管の幾何学形状の非線形関数である。
3.異常は、微妙であり、ノイズおよび撮像アーチファクトによって容易にカモフラージュされる場合がある。
4.網膜画像は、典型的には、血管および網膜背景上で空間的に変化する低い信号対雑音(SNR)特性を有する。
・経路に沿った異なる場所における経路の配向の角度、
・経路に沿った異なる場所における血管の直径
を含む、経路(およびそれが表す網膜特徴)の1つ以上の異なる性質を検出するように構成され得る。血管に沿ったこれらの性質の空間変動は、網膜の異常の指標として使用され得る。具体的には、ステップ806では、システム100は、経路に沿った任意の場所での変動が閾値を超えるかどうかを決定する。「はい」であれば、システム100は、ステップ808に進み、該場所において網膜の異常を識別する。ここで、技法800のいくつかの例証的実施形態について論議する。
Claims (34)
- 網膜の異常を検出するコンピュータ化された方法であって、
コンピュータによって、網膜の画像を受信することと、
前記コンピュータによって、前記画像を平滑化および区分化することであって、前記平滑化および区分化することは、相互依存的である、ことと、
前記コンピュータによって、平滑化および区分化された画像において少なくとも1つの網膜特徴を識別することと、
前記コンピュータによって、網膜の異常を識別するために、前記平滑化および区分化された画像において識別された少なくとも1つの網膜特徴を分析することと
を含む、方法。 - 前記少なくとも1つの網膜特徴は、血管を備える、請求項1に記載の方法。
- 前記識別された少なくとも1つの血管を分析することは、
前記画像における前記少なくとも1つの血管に関連付けられる少なくとも1つの経路を決定することと、
前記経路に沿った場所における前記経路の配向の角度、および前記経路に沿った場所における前記少なくとも1つの血管の直径のうちの少なくとも1つにおける変動を決定することと、
前記変動が閾値を超える場合に、前記場所における網膜の異常を識別することと
を含む、請求項2に記載の方法。 - 前記区分化および平滑化することは、前記画像における複数の場所におけるエッジフィールド強度を決定することを含み、前記少なくとも1つの経路は、少なくとも一部、前記エッジフィールド強度に基づいて決定される、請求項3に記載の方法。
- 前記少なくとも1つの経路を決定することは、前記画像における前記少なくとも1つの血管に関連付けられる少なくとも1つの中心線を決定することを含む、請求項3に記載の方法。
- 前記配向の角度の変動を決定することは、連続する複数の場所の間の配向の角度の変化を決定することを含む、請求項3に記載の方法。
- 前記コンピュータによって、複数の変動をフィルタにかけることをさらに含む、請求項3に記載の方法。
- 前記複数の変動をフィルタにかけることは、移動窓平均を適用することを含む、請求項7に記載の方法。
- 前記変動は、フィルタにかけられた複数の変動のうちの少なくとも1つが閾値を超える場合に、前記閾値を超える、請求項7に記載の方法。
- 前記異常は、静脈内径の異常である、請求項1に記載の方法。
- 前記異常は、新しい血管分布である、請求項1に記載の方法。
- ある場所における前記変動が閾値を超える場合に、前記コンピュータによって、血管分岐部が前記場所に存在するかどうかを決定することと、
血管分岐部が前記場所に存在する場合に、前記コンピュータによって、前記変動をフィルタによって除去することと
をさらに含む、請求項3に記載の方法。 - 前記平滑化および区分化することは、前記コンピュータによって、前記画像における複数の場所に関連付けられる近傍を規定する形状および配向のうちの少なくとも1つを、適合的に調整することを含む、請求項1に記載の方法。
- 前記近傍の形状および配向のうちの少なくとも1つを適合的に調整することは、誤差測定基準に関連付けられるエネルギー関数の値を低減させることを含む、請求項13に記載の方法。
- 前記平滑化および区分化することは、
第1および第2のエネルギー関数の値を低減させることであって、前記第1のエネルギー関数は、第1の誤差測定基準を使用し、前記第2のエネルギー関数は、前記第1の誤差測定基準とは異なる第2の誤差測定基準を使用する、ことと、
前記第1および第2のエネルギー関数の値をそれぞれ低減させることによって得られる第1および第2の組の平滑化および区分化パラメータに関する情報を組み合わせることと
を含む、請求項1に記載の方法。 - 前記識別された少なくとも1つの網膜特徴を分析することは、前記画像のテクスチャを分析することを含む、請求項1に記載の方法。
- 網膜の異常を検出するためのシステムであって、
プロセッサを備え、前記プロセッサは、
網膜の画像を受信することと、
前記画像を平滑化および区分化することであって、前記平滑化および区分化は、相互依存的である、ことと、
平滑化および区分化された画像において少なくとも1つの網膜特徴を識別することと、
網膜の異常を識別するために、前記平滑化および区分化された画像において識別された少なくとも1つの網膜特徴を分析することと
を行うように構成されている、システム。 - 前記少なくとも1つの網膜特徴は、血管を備える、請求項17に記載のシステム。
- 前記識別された少なくとも1つの血管を分析することは、
前記画像における前記少なくとも1つの血管に関連付けられる少なくとも1つの経路を決定することと、
前記経路に沿った場所における前記経路の配向の角度、および前記経路に沿った場所における前記少なくとも1つの血管の直径のうちの少なくとも1つにおける変動を決定することと、
前記変動が閾値を超える場合に、前記場所における網膜の異常を識別することと
を含む、請求項18に記載のシステム。 - 前記区分化および平滑化することは、前記画像における複数の場所におけるエッジフィールド強度を決定することを含み、前記少なくとも1つの経路は、少なくとも前記エッジフィールド強度に基づいて決定される、請求項18に記載のシステム。
- 前記少なくとも1つの経路を決定することは、前記画像における前記少なくとも1つの血管に関連付けられる少なくとも1つの中心線を決定することを含む、請求項19に記載のシステム。
- 前記配向の角度の変動を決定することは、連続する複数の場所の間の配向の角度の変化を決定することを含む、請求項19に記載のシステム。
- 前記プロセッサは、複数の変動をフィルタにかけるようにさらに構成されている、請求項19に記載のシステム。
- 前記複数の変動をフィルタにかけることは、移動窓平均を適用することを含む、請求項23に記載のシステム。
- 前記変動は、フィルタにかけられた複数の変動のうちの少なくとも1つが閾値を超える場合に、前記閾値を超える、請求項23に記載のシステム。
- 前記異常は、静脈内径の異常である、請求項17に記載のシステム。
- 前記異常は、新しい血管分布である、請求項17に記載のシステム。
- 前記プロセッサは、
ある場所における前記変動が閾値を超える場合に、血管分岐部が前記場所に存在するかどうかを決定することと、
血管分岐部が前記場所に存在する場合に、コンピュータによって、前記変動をフィルタによって除去することとを行うようにさらに構成されている、請求項19に記載のシステム。 - 前記平滑化および区分化することは、コンピュータによって、前記画像における複数の場所に関連付けられる近傍を規定する形状および配向のうちの少なくとも1つを適合的に調整することを含む、請求項17に記載のシステム。
- 前記近傍の形状および配向のうちの少なくとも1つを適合的に調整することは、誤差測定基準に関連付けられるエネルギー関数の値を低減させることを含む、請求項29に記載のシステム。
- 前記平滑化および区分化することは、
第1および第2のエネルギー関数の値を低減させることであって、前記第1のエネルギー関数は、第1の誤差測定基準を使用し、前記第2のエネルギー関数は、前記第1の誤差測定基準とは異なる第2の誤差測定基準を使用する、ことと、
前記第1および第2のエネルギー関数の値をそれぞれ低減させることによって得られる第1および第2の組の平滑化および区分化パラメータに関する情報を組み合わせることと
を含む、請求項17に記載のシステム。 - 前記識別された少なくとも1つの網膜特徴を分析することは、前記画像のテクスチャを分析することを含む、請求項17に記載のシステム。
- コンピュータによって実行可能な命令を記憶した非一過性コンピュータ可読媒体であって、前記命令は、実行されると、
網膜の画像を受信することと、
前記画像を平滑化および区分化することであって、前記平滑化および区分化することは、相互依存的である、ことと、
平滑化および区分化された画像において少なくとも1つの網膜特徴を識別することと、
網膜の異常を識別するために、前記平滑化および区分化された画像において識別された少なくとも1つの網膜特徴を分析することと
を含む方法を前記コンピュータに実行させる、
非一過性コンピュータ可読媒体。 - 前記少なくとも1つの網膜特徴は、血管を備える、請求項33に記載の非一過性コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US27915609P | 2009-10-15 | 2009-10-15 | |
US61/279,156 | 2009-10-15 | ||
PCT/US2010/052950 WO2011047342A1 (en) | 2009-10-15 | 2010-10-15 | Systems and methods for detecting retinal abnormalities |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013508035A true JP2013508035A (ja) | 2013-03-07 |
JP5740403B2 JP5740403B2 (ja) | 2015-06-24 |
Family
ID=43558113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012534420A Expired - Fee Related JP5740403B2 (ja) | 2009-10-15 | 2010-10-15 | 網膜の異常を検出するためのシステムおよび方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP5740403B2 (ja) |
WO (1) | WO2011047342A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022107544A1 (ja) * | 2020-11-17 | 2022-05-27 | 凸版印刷株式会社 | 画像処理方法及び画像処理プログラム |
JP7446277B2 (ja) | 2018-03-13 | 2024-03-08 | ザ ユーエービー リサーチ ファンデーション | 網膜灌流及び視神経乳頭変形の共局在化検出 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9607202B2 (en) | 2009-12-17 | 2017-03-28 | University of Pittsburgh—of the Commonwealth System of Higher Education | Methods of generating trophectoderm and neurectoderm from human embryonic stem cells |
US20120065518A1 (en) * | 2010-09-15 | 2012-03-15 | Schepens Eye Research Institute | Systems and methods for multilayer imaging and retinal injury analysis |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07136123A (ja) * | 1993-09-21 | 1995-05-30 | Topcon Corp | 眼底疾患の解析装置 |
JPH10234674A (ja) * | 1997-02-28 | 1998-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 眼底画像の経時変化有無判定法 |
JP2000207574A (ja) * | 1999-01-06 | 2000-07-28 | Mitsubishi Electric Inf Technol Center America Inc | 三次元オブジェクトのサ―フェスモデルを作成する方法及び装置 |
JP2001145604A (ja) * | 1999-11-19 | 2001-05-29 | Nippon Telegr & Teleph Corp <Ntt> | 眼底画像の動静脈識別方法及び装置 |
JP2005506140A (ja) * | 2001-10-16 | 2005-03-03 | ザ・ユニバーシティー・オブ・シカゴ | コンピュータ支援の3次元病変検出方法 |
JP2007097634A (ja) * | 2005-09-30 | 2007-04-19 | Gifu Univ | 画像解析システム、及び画像解析プログラム |
JP2008079682A (ja) * | 2006-09-26 | 2008-04-10 | Gifu Univ | 画像解析装置及び画像解析プログラム |
US20090180693A1 (en) * | 2008-01-16 | 2009-07-16 | The Charles Stark Draper Laboratory, Inc. | Systems and methods for analyzing image data using adaptive neighborhooding |
JP2009291415A (ja) * | 2008-06-05 | 2009-12-17 | Olympus Corp | 画像処理装置、画像処理プログラムおよび画像処理方法 |
-
2010
- 2010-10-15 JP JP2012534420A patent/JP5740403B2/ja not_active Expired - Fee Related
- 2010-10-15 WO PCT/US2010/052950 patent/WO2011047342A1/en active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07136123A (ja) * | 1993-09-21 | 1995-05-30 | Topcon Corp | 眼底疾患の解析装置 |
JPH10234674A (ja) * | 1997-02-28 | 1998-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 眼底画像の経時変化有無判定法 |
JP2000207574A (ja) * | 1999-01-06 | 2000-07-28 | Mitsubishi Electric Inf Technol Center America Inc | 三次元オブジェクトのサ―フェスモデルを作成する方法及び装置 |
JP2001145604A (ja) * | 1999-11-19 | 2001-05-29 | Nippon Telegr & Teleph Corp <Ntt> | 眼底画像の動静脈識別方法及び装置 |
JP2005506140A (ja) * | 2001-10-16 | 2005-03-03 | ザ・ユニバーシティー・オブ・シカゴ | コンピュータ支援の3次元病変検出方法 |
JP2007097634A (ja) * | 2005-09-30 | 2007-04-19 | Gifu Univ | 画像解析システム、及び画像解析プログラム |
JP2008079682A (ja) * | 2006-09-26 | 2008-04-10 | Gifu Univ | 画像解析装置及び画像解析プログラム |
US20090180693A1 (en) * | 2008-01-16 | 2009-07-16 | The Charles Stark Draper Laboratory, Inc. | Systems and methods for analyzing image data using adaptive neighborhooding |
JP2009291415A (ja) * | 2008-06-05 | 2009-12-17 | Olympus Corp | 画像処理装置、画像処理プログラムおよび画像処理方法 |
Non-Patent Citations (1)
Title |
---|
JPN6014036285; Mukund Desai et al.: 'Retinal Venous Caliber Abnormality:Detection and Analysis Using Matrix Edge Fields-BasedSimultaneous' Applied Imagery Pattern Recognition Workshop (AIPRW) , 20091014, 第1-6頁 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7446277B2 (ja) | 2018-03-13 | 2024-03-08 | ザ ユーエービー リサーチ ファンデーション | 網膜灌流及び視神経乳頭変形の共局在化検出 |
WO2022107544A1 (ja) * | 2020-11-17 | 2022-05-27 | 凸版印刷株式会社 | 画像処理方法及び画像処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2011047342A1 (en) | 2011-04-21 |
WO2011047342A8 (en) | 2012-05-18 |
JP5740403B2 (ja) | 2015-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8737703B2 (en) | Systems and methods for detecting retinal abnormalities | |
Imran et al. | Comparative analysis of vessel segmentation techniques in retinal images | |
US20230255478A1 (en) | Automated determination of arteriovenous ratio in images of blood vessels | |
US8718363B2 (en) | Systems and methods for analyzing image data using adaptive neighborhooding | |
Wang et al. | Retinal vessel segmentation using multiwavelet kernels and multiscale hierarchical decomposition | |
Dias et al. | Retinal image quality assessment using generic image quality indicators | |
Zhao et al. | Retinal vessel segmentation: An efficient graph cut approach with retinex and local phase | |
Li et al. | Vessel segmentation and width estimation in retinal images using multiscale production of matched filter responses | |
Niemeijer et al. | Comparative study of retinal vessel segmentation methods on a new publicly available database | |
Sopharak et al. | Simple hybrid method for fine microaneurysm detection from non-dilated diabetic retinopathy retinal images | |
WO2021082691A1 (zh) | 眼部oct图像病灶区域的分割方法、装置及终端设备 | |
US20120065518A1 (en) | Systems and methods for multilayer imaging and retinal injury analysis | |
US20150029464A1 (en) | Automated Measurement of Changes in Retinal, Retinal Pigment Epithelial, or Choroidal Disease | |
Soomro et al. | Contrast normalization steps for increased sensitivity of a retinal image segmentation method | |
Jan et al. | Retinal image analysis aimed at blood vessel tree segmentation and early detection of neural-layer deterioration | |
EP2401719B1 (fr) | Méthodes de segmentation d'images et de détection de structures particulières | |
CN116630762B (zh) | 一种基于深度学习的多模态医学图像融合方法 | |
Ben Abdallah et al. | Noise-estimation-based anisotropic diffusion approach for retinal blood vessel segmentation | |
JP5740403B2 (ja) | 網膜の異常を検出するためのシステムおよび方法 | |
Tavakoli et al. | Radon transform technique for linear structures detection: application to vessel detection in fluorescein angiography fundus images | |
WO2020140380A1 (zh) | 一种光学相干断层扫描图像的快速分割方法及装置 | |
Isavand Rahmani et al. | Retinal blood vessel segmentation using gabor filter and morphological reconstruction | |
Kabir | A rule based segmentation approaches to extract retinal blood vessels in fundus image | |
Kanagala et al. | Detection of Glaucoma Using Optic Disk Segmentation Based on CNN and VAE Models. | |
Carnimeo et al. | A combined preprocessing method for retinal vessel detection towards proliferative diabetic retinopathy screening |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20131011 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140731 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140826 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141121 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150413 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150427 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5740403 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |