JP2018027273A - 糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法 - Google Patents
糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法 Download PDFInfo
- Publication number
- JP2018027273A JP2018027273A JP2016161579A JP2016161579A JP2018027273A JP 2018027273 A JP2018027273 A JP 2018027273A JP 2016161579 A JP2016161579 A JP 2016161579A JP 2016161579 A JP2016161579 A JP 2016161579A JP 2018027273 A JP2018027273 A JP 2018027273A
- Authority
- JP
- Japan
- Prior art keywords
- diabetic retinopathy
- fundus
- diameter
- subject
- image data
- 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
Images
Abstract
Description
眼底検査によって糖尿病網膜症の病期を、単純糖尿病網膜症(simple diabetic retinopathy)、前増殖糖尿病網膜症(preproliferative diabetic retinopathy)、および増殖糖尿病網膜症(proliferative diabetic retinopathy)の三段階に分けることが一般的に行われている。
単純糖尿病網膜症の段階では、針の先で突いたような小さな点状出血、それよりやや大きめの斑状出血、毛細血管が膨らんでできる毛細血管瘤、脂肪やたんぱく質が沈着してできたシミ(硬性白斑)、血管がつまってできたシミ(軟性白斑)などが眼底所見として見える。この段階では、視力に全く影響なく、血糖コントロールをよくしていると自然に治癒する。
前増殖糖尿病網膜症の段階では、軟性白斑というシミが多数出てきたり、血管がつまって酸素欠乏になった部分があちこちに出てきたりする。静脈が異常に腫れ上がったり、毛細血管の形が不規則になったりすることもある。この段階は、視力に影響ないが、危険な状態に一歩踏み込んだ状態である。この段階でレーザー光凝固などの処置を行うと自然治癒しやすい。
増殖糖尿病網膜症の段階では、新生血管(正常ではないはずの新しい血管が硝子体にのびてくる)、新生血管が破れて起こる硝子体出血、増殖膜、網膜剥離が生じる。新生血管が生じてもまだ自覚症状はない。新生血管が生じただけの段階であればレーザー光凝固を行えば網膜症は治癒することが多い。しかし、硝子体出血や網膜剥離を起こしていると自然治癒は難しい。硝子体出血や網膜剥離を生じた段階になると、目の中に煙のすすがたくさん出たり、赤いカーテンがかかったりなどの自覚症状が出てくる。
眼底写真には乳頭、黄斑(中心窩)、眼底動脈(網膜中心動脈、鼻側動脈、耳側動脈)、眼底静脈が描出される。通常、眼底写真に描出された血管を医師が目視で観察し、新生血管が生じているかどうかで、増殖網膜症かそうでないかの判断を行う。眼底写真には新生血管以外の血管が描出されているので、描出された血管が新生血管であるか否かの判断は、ベテラン医師でも難しく、経験の少ない医師においては見落とすこともある。
非特許文献2は、網膜症が原因で生じた出血箇所が、眼底写真において小さな円形のパターンとして表れることを機械学習させることにより、それと同じようなパターンを持つ画像(出血箇所)を検出する方法を開示している。
上記先行技術文献にて開示されるシステムまたは方法は、眼底写真に描出された眼底血管のうちに新生血管が在るか否かなどで主に評価を行っている。眼底血管は低い明度で且つ細いスジで描出されるので、見落としやすい。
被験者の眼底写真の画像データから、前記関数を用いて、該被験者がどの病期の糖尿病網膜症であるかの確率を算出することを含む
糖尿病網膜症の病期の判定を支援する方法。
〔2〕 前記被験者の眼底写真の画像データと医師が下した前記被験者の糖尿病網膜症の病期診断データとを前記データ群に加えて、新たなデータ群を得、該新たなデータ群に基いて、機械学習アルゴリズムを用いて、前記関数を更新することを含む、〔1〕に記載の糖尿病網膜症の病期の判定を支援する方法。
該判定手段に被験者の眼底写真の画像データを入力する手段、および
前記判定手段が算出した前記確率を出力する手段
を具える糖尿病網膜症の病期判定支援システム。
〔4〕 前記関数が、糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを含むデータ群に基いて、機械学習アルゴリズムを用いて、生成させたものである、〔3〕に記載の糖尿病網膜症の病期判定支援システム。
〔5〕 前記被験者の眼底写真の画像データと医師が下した前記被験者の糖尿病網膜症の病期診断データとに基いて、前記関数を更新する手段をさらに具える〔3〕または〔4〕に記載の糖尿病網膜症の病期判定支援システム。
被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、
その調整で、1番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、2番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定し、
2番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、1番目に明るい部分と2番目に明るい部分との中心間距離を算出し、
算出された中心間距離が基準距離の範囲内であるか否かを判定することを含むものである、〔3〕に記載の糖尿病網膜症の病期判定支援システム。
〔8〕 基準直径が画角で1.5〜2.5度であり、基準距離が画角で6〜24度である、〔6〕に記載の糖尿病網膜症の病期判定支援システム。
〔9〕 基準直径が画角で1.8〜2.3度であり、基準距離が画角で6.1〜23.7度である、〔6〕に記載の糖尿病網膜症の病期判定支援システム。
該被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、
その調整で、1番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、2番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定し、
2番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、1番目に明るい部分と2番目に明るい部分との中心間距離を算出し、
算出された中心間距離が基準距離の範囲内であるか否かを判定することを含む糖尿病網膜症の病期の判定を支援する方法。
〔12〕 基準直径が画角で1.5〜2.5度であり、基準距離が画角で6〜24度である、〔10〕に記載の糖尿病網膜症の病期の判定を支援する方法。
〔13〕 基準直径が画角で1.8〜2.3度であり、基準距離が画角で6.1〜23.7度である、〔10〕に記載の糖尿病網膜症の病期の判定を支援する方法。
〔15〕 中心間距離が画角で13.5度以下である場合、増殖糖尿病網膜症である確率が高く、中心間距離が画角で13.5度超過である場合、前増殖糖尿病網膜症である確率が高いとすることをさらに含む、〔11〕〜〔13〕のいずれかひとつに記載の糖尿病網膜症の病期の判定を支援する方法。
〔16〕 中心間距離が画角で16.9度以下である場合、増殖糖尿病網膜症である確率が高く、中心間距離が画角で16.9度超過である場合、前増殖糖尿病網膜症である確率が高いとすることをさらに含む、〔11〕〜〔13〕のいずれかひとつに記載の糖尿病網膜症の病期の判定を支援する方法。
被験者の眼底写真の画像データのコントラストを画面全体一律に調整する手段、
調整する手段で、1番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、2番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定する手段、
2番目に明るい部分の直径が基準直径の範囲内にあると判定された場合に、1番目に明るい部分と2番目に明るい部分との中心間距離を算出する手段、および
算出された中心間距離が基準距離の範囲内にあるか否かを判定する手段
を有する糖尿病網膜症の病期判定支援システム。
そこで、本発明では、被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、 その調整で、1番目に明るい部分L1の直径が基準直径の範囲内になるようにしたときに、2番目に明るい部分L2の直径が基準直径の範囲内にあるか否かを第一の判定基準とした。基準直径は、糖尿病網膜症の判定の感度および特異度が高くなるように、例えば、ROC解析などを用いて、適宜設定することができ、例えば、画角で、好ましくは1〜3度、より好ましくは1.5〜2.5度、さらに好ましくは1.8〜2.3度に設定することができる。
基準距離の範囲内において短い側と長い側とを区別する閾値は、糖尿病網膜症の判定の感度および特異度が高くなるように、例えば、ROC解析などを用いて、適宜設定することができる。該閾値は、例えば、9.7度〜16.9度の範囲内のある一つの値とすることができる。
定期健康診断と同じ条件で撮影された撮影画角45度の眼底写真約10000枚とそれに対応する精密検査によって診断された糖尿病網膜症病期分類とを対比させた。
眼底写真に、直径が画角で2.03(対数正規分布で95%信頼区間1.85−2.23、99%信頼区間1.79−2.30)度である少なくとも2つの輝点のような明るい部分が観測された場合、その患者は精密検査による診断で前増殖糖尿病網膜症または増殖糖尿病網膜症であった。
該2つの輝点の中心間距離が画角で18.20(正規分布で95%信頼区間14.00−22.39、99%信頼区間12.68−23.72)度であった場合、その患者は精密検査による診断で前増殖糖尿病網膜症であり、前記中心間距離が画角で8.26(対数正規分布で95%信頼区間6.54−10.44、99%信頼区間6.07−11.24)度であった場合、その患者は精密検査による診断で増殖糖尿病網膜症であった。
前増殖糖尿病網膜症であるか増殖糖尿病網膜症であるかの閾値は、ROC解析から、9.7度と16.9度の間、好ましくは13.5度であった。
本発明のシステムまたは方法は、2つの明るい円形状の部分という明確かつ単純な特徴量をもって前増殖糖尿病網膜症を感度95%、特異度100%で判定できた。
2つの円の中心間距離の閾値を、画角で13.5度に設定した場合、前増殖糖尿病網膜症に対する増殖糖尿病網膜症の感度が90%、特異度が78%であった。
2つの円の中心間距離の閾値を、画角で9.7度に設定した場合、前増殖糖尿病網膜症に対する増殖糖尿病網膜症の感度が75%、特異度が83%であった。
2つの円の中心間距離の閾値を、画角で16.9度に設定した場合、前増殖糖尿病網膜症に対する増殖糖尿病網膜症の感度が95%、特異度が50%であった。
このように、本発明のシステムまたは方法は、病期判定支援に有用である。
眼底写真において硬性白斑または軟性白斑があるということで単純糖尿病網膜症であると判定された7例の患者は、精密検査による診断で前増殖糖尿病網膜症または増殖糖尿病網膜症であることが後に判明した。
比較例1で使用した7例の患者の眼底写真の画像データのコントラストを調整したところ、本発明の規定する輝点のような明るい部分が少なくとも2つ観測された。本発明のシステムまたは方法によると前増殖糖尿病網膜症または増殖糖尿病網膜症である確率が高いとの判定ができた。
内境界膜肥厚が観測されたが糖尿病網膜症であると判定されなかった2例の患者は、精密検査による診断で前増殖糖尿病網膜症または増殖糖尿病網膜症であることが後に判明した。
比較例2で使用した2例の患者の眼底写真の画像データのコントラストを調整したところ、本発明の規定する輝点のような明るい部分が少なくとも2つ観測された。本発明のシステムまたは方法によると前増殖糖尿病網膜症または増殖糖尿病網膜症である確率が高いとの判定ができた。
Claims (8)
- 糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを含むデータ群に基いて、機械学習アルゴリズムを用いて、糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数を生成させ、
被験者の眼底写真の画像データから、前記関数を用いて、該被験者がどの病期の糖尿病網膜症であるかの確率を算出することを含む
糖尿病網膜症の病期の判定を支援する方法。 - 前記被験者の眼底写真の画像データと医師が下した前記被験者の糖尿病網膜症の病期診断データとを前記データ群に加えて、新たなデータ群を得、該新たなデータ群に基いて、機械学習アルゴリズムを用いて、前記関数を更新することを含む、請求項1に記載の糖尿病網膜症の病期の判定を支援する方法。
- 糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数を有し、該関数を用いて被験者の眼底写真の画像データから該被験者がどの病期の糖尿病網膜症であるかの確率を算出する判定手段、
該判定手段に被験者の眼底写真の画像データを入力する手段、および
前記判定手段が算出した前記確率を出力する手段
を具える糖尿病網膜症の病期判定支援システム。 - 前記関数が、糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを含むデータ群に基いて、機械学習アルゴリズムを用いて、生成させたものである、請求項3に記載の糖尿病網膜症の病期判定支援システム。
- 前記被験者の眼底写真の画像データと医師が下した前記被験者の糖尿病網膜症の病期診断データとに基いて、前記関数を更新する手段をさらに具える請求項3または4に記載の糖尿病網膜症の病期判定支援システム。
- 糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数が、
被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、
その調整で、1番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、2番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定し、
2番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、1番目に明るい部分と2番目に明るい部分との中心間距離を算出し、
算出された中心間距離が基準距離の範囲内であるか否かを判定することを含むものである、請求項3に記載の糖尿病網膜症の病期判定支援システム。 - 被験者の眼底を眼底カメラにて撮影して被験者の眼底写真の画像データを得、
該被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、
その調整で、1番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、2番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定し、
2番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、1番目に明るい部分と2番目に明るい部分との中心間距離を算出し、
算出された中心間距離が基準距離の範囲内であるか否かを判定することを含む糖尿病網膜症の病期の判定を支援する方法。 - 被験者の眼底を撮影して眼底写真の画像データを得るための眼底カメラ、
被験者の眼底写真の画像データのコントラストを画面全体一律に調整する手段、
調整する手段で、1番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、2番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定する手段、
2番目に明るい部分の直径が基準直径の範囲内にあると判定された場合に、1番目に明るい部分と2番目に明るい部分との中心間距離を算出する手段、および
算出された中心間距離が基準距離の範囲内にあるか否かを判定する手段
を有する糖尿病網膜症の病期判定支援システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016161579A JP6745496B2 (ja) | 2016-08-19 | 2016-08-19 | 糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016161579A JP6745496B2 (ja) | 2016-08-19 | 2016-08-19 | 糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018027273A true JP2018027273A (ja) | 2018-02-22 |
JP6745496B2 JP6745496B2 (ja) | 2020-08-26 |
Family
ID=61248007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016161579A Active JP6745496B2 (ja) | 2016-08-19 | 2016-08-19 | 糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6745496B2 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019207800A1 (ja) * | 2018-04-27 | 2019-10-31 | 株式会社ニデック | 眼科画像処理装置および眼科画像処理プログラム |
KR102058883B1 (ko) * | 2019-04-11 | 2019-12-24 | 주식회사 홍복 | 당뇨병 및 전조 증상을 진단하기 위해 홍채 영상 및 망막 영상을 인공지능으로 분석하는 방법 |
WO2020116878A1 (ko) * | 2018-12-03 | 2020-06-11 | 서울대학교병원 | 안저 사진을 이용한 뇌동맥류 예측 장치 및 뇌동맥류 예측 결과 제공 방법 |
CN111292286A (zh) * | 2018-11-21 | 2020-06-16 | 福州依影健康科技有限公司 | 糖网眼底特征数据变化的分析方法与系统,及存储设备 |
KR20210012097A (ko) * | 2019-07-23 | 2021-02-03 | 단국대학교 산학협력단 | 딥러닝에 기반한 당뇨망막병증 검출 및 증증도 분류장치 및 그 방법 |
JP2021022350A (ja) * | 2019-07-26 | 2021-02-18 | 長佳智能股▲ぶん▼有限公司 | 網膜症診断用モデルの構築方法、及び該方法を実行する網膜症診断用モデルの構築システム |
JP7440665B2 (ja) | 2020-05-14 | 2024-02-28 | オプトス ピーエルシー | 網膜画像処理 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358606B (zh) * | 2017-05-04 | 2018-07-27 | 深圳硅基仿生科技有限公司 | 用于识别糖尿病视网膜病变的人工神经网络装置及系统装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005508215A (ja) * | 2001-08-30 | 2005-03-31 | フィラデルフィア オフサルミック イメージング システムズ | 糖尿病性網膜症の患者をスクリーニングするためのシステムおよび方法 |
WO2008062528A1 (fr) * | 2006-11-24 | 2008-05-29 | Nidek Co., Ltd. | Analyseur d'image de fond d'œil |
WO2011034005A1 (ja) * | 2009-09-16 | 2011-03-24 | 株式会社 日立メディコ | 超音波診断装置、弾性画像の分類方法、及び弾性画像の分類プログラム |
US20120257164A1 (en) * | 2011-04-07 | 2012-10-11 | The Chinese University Of Hong Kong | Method and device for retinal image analysis |
US20140314288A1 (en) * | 2013-04-17 | 2014-10-23 | Keshab K. Parhi | Method and apparatus to detect lesions of diabetic retinopathy in fundus images |
-
2016
- 2016-08-19 JP JP2016161579A patent/JP6745496B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005508215A (ja) * | 2001-08-30 | 2005-03-31 | フィラデルフィア オフサルミック イメージング システムズ | 糖尿病性網膜症の患者をスクリーニングするためのシステムおよび方法 |
WO2008062528A1 (fr) * | 2006-11-24 | 2008-05-29 | Nidek Co., Ltd. | Analyseur d'image de fond d'œil |
WO2011034005A1 (ja) * | 2009-09-16 | 2011-03-24 | 株式会社 日立メディコ | 超音波診断装置、弾性画像の分類方法、及び弾性画像の分類プログラム |
US20120257164A1 (en) * | 2011-04-07 | 2012-10-11 | The Chinese University Of Hong Kong | Method and device for retinal image analysis |
US20140314288A1 (en) * | 2013-04-17 | 2014-10-23 | Keshab K. Parhi | Method and apparatus to detect lesions of diabetic retinopathy in fundus images |
Non-Patent Citations (1)
Title |
---|
T CHANDRAKUMAR M.E: "Classifying Diabetic Retinopathy using Deep Learning Architecture", INTERNATIONAL JOURNAL OF ENGINEERING RESERCH & TECHNOLOGY(IJERT), vol. Vol.5 Issue 06, JPN6019051799, June 2016 (2016-06-01), pages 19 - 24, ISSN: 0004187489 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019207800A1 (ja) * | 2018-04-27 | 2019-10-31 | 株式会社ニデック | 眼科画像処理装置および眼科画像処理プログラム |
JPWO2019207800A1 (ja) * | 2018-04-27 | 2021-05-13 | 株式会社ニデック | 眼科画像処理装置および眼科画像処理プログラム |
JP7196908B2 (ja) | 2018-04-27 | 2022-12-27 | 株式会社ニデック | 眼科画像処理装置および眼科画像処理プログラム |
CN111292286A (zh) * | 2018-11-21 | 2020-06-16 | 福州依影健康科技有限公司 | 糖网眼底特征数据变化的分析方法与系统,及存储设备 |
WO2020116878A1 (ko) * | 2018-12-03 | 2020-06-11 | 서울대학교병원 | 안저 사진을 이용한 뇌동맥류 예측 장치 및 뇌동맥류 예측 결과 제공 방법 |
KR102058883B1 (ko) * | 2019-04-11 | 2019-12-24 | 주식회사 홍복 | 당뇨병 및 전조 증상을 진단하기 위해 홍채 영상 및 망막 영상을 인공지능으로 분석하는 방법 |
KR20210012097A (ko) * | 2019-07-23 | 2021-02-03 | 단국대학교 산학협력단 | 딥러닝에 기반한 당뇨망막병증 검출 및 증증도 분류장치 및 그 방법 |
KR102313143B1 (ko) | 2019-07-23 | 2021-10-18 | 단국대학교 산학협력단 | 딥러닝에 기반한 당뇨망막병증 검출 및 증증도 분류장치 및 그 방법 |
JP2021022350A (ja) * | 2019-07-26 | 2021-02-18 | 長佳智能股▲ぶん▼有限公司 | 網膜症診断用モデルの構築方法、及び該方法を実行する網膜症診断用モデルの構築システム |
JP7440665B2 (ja) | 2020-05-14 | 2024-02-28 | オプトス ピーエルシー | 網膜画像処理 |
Also Published As
Publication number | Publication date |
---|---|
JP6745496B2 (ja) | 2020-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6745496B2 (ja) | 糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法 | |
US10349826B2 (en) | Image processing apparatus, image processing method, and storage medium | |
CN108771530B (zh) | 基于深度神经网络的眼底病变筛查系统 | |
US10441160B2 (en) | Method and system for classifying optic nerve head | |
Patton et al. | Retinal image analysis: concepts, applications and potential | |
Hood et al. | A test of a linear model of glaucomatous structure–function loss reveals sources of variability in retinal nerve fiber and visual field measurements | |
US20190313903A1 (en) | System and Method for Medical Condition Diagnosis, Treatment and Prognosis Determination | |
Wang et al. | Central glaucomatous damage of the macula can be overlooked by conventional OCT retinal nerve fiber layer thickness analyses | |
CN113646805A (zh) | 眼科和全身性疾病的基于图像的检测 | |
CN109528155B (zh) | 一种适用于高度近视并发开角型青光眼的智能筛查系统及其建立方法 | |
Amini et al. | Influence of the disc–fovea angle on limits of rnfl variability and glaucoma discrimination | |
Ţălu et al. | Characterisation of human non-proliferative diabetic retinopathy using the fractal analysis | |
WO2018143180A1 (ja) | 画像処理装置、および画像処理プログラム | |
Wallace | Computer-assisted quantification of vascular tortuosity in retinopathy of prematurity (an American Ophthalmological Society thesis) | |
Dai et al. | Impact of ocular magnification on retinal and choriocapillaris blood flow quantification in myopia with swept-source optical coherence tomography angiography | |
EP3937753A1 (en) | Supervised machine learning based multi-task artificial intelligence classification of retinopathies | |
JP2018121885A (ja) | 画像処理装置、画像処理システム、および画像処理プログラム | |
Bayer et al. | Artifacts and anatomic variations in optical coherence tomography | |
TW202221637A (zh) | 影像處理系統及影像處理方法 | |
Attiku et al. | Current status and future possibilities of retinal imaging in diabetic retinopathy care applicable to low-and medium-income countries | |
Seely et al. | Auto-processed retinal vessel shadow view images from bedside optical coherence tomography to evaluate plus disease in retinopathy of prematurity | |
Shariflou et al. | Objective quantification of spontaneous retinal venous pulsations using a novel tablet-based ophthalmoscope | |
Pinos-Velez et al. | Implementation of support tools for the presumptive diagnosis of Glaucoma through identification and processing of medical images of the human eye | |
CN116635889A (zh) | 从外部眼睛前部图像检测疾病的机器学习 | |
Betzler et al. | Artificial Intelligence in Predicting Systemic Disease from Ocular Imaging: Teleophthalmology and Digital Health: A Practical Guide to Applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190311 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200107 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200306 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200331 |
|
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: 20200623 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200720 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6745496 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |