JP2020124472A - 眼の画像内における病変の検知 - Google Patents
眼の画像内における病変の検知 Download PDFInfo
- Publication number
- JP2020124472A JP2020124472A JP2019230618A JP2019230618A JP2020124472A JP 2020124472 A JP2020124472 A JP 2020124472A JP 2019230618 A JP2019230618 A JP 2019230618A JP 2019230618 A JP2019230618 A JP 2019230618A JP 2020124472 A JP2020124472 A JP 2020124472A
- Authority
- JP
- Japan
- Prior art keywords
- eye
- image
- measurement
- region
- 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
- 230000007170 pathology Effects 0.000 title abstract 4
- 238000001514 detection method Methods 0.000 title description 5
- 238000005259 measurement Methods 0.000 claims abstract description 368
- 238000000034 method Methods 0.000 claims abstract description 262
- 238000003384 imaging method Methods 0.000 claims abstract description 215
- 238000012545 processing Methods 0.000 claims abstract description 50
- 230000003902 lesion Effects 0.000 claims description 240
- 230000008569 process Effects 0.000 claims description 137
- 238000012014 optical coherence tomography Methods 0.000 claims description 115
- 210000001525 retina Anatomy 0.000 claims description 46
- 206010012689 Diabetic retinopathy Diseases 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 15
- 208000010412 Glaucoma Diseases 0.000 claims description 12
- 206010028980 Neoplasm Diseases 0.000 claims description 11
- 206010030113 Oedema Diseases 0.000 claims description 11
- 206010003694 Atrophy Diseases 0.000 claims description 8
- 230000037444 atrophy Effects 0.000 claims description 8
- 230000001580 bacterial effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 69
- 238000013527 convolutional neural network Methods 0.000 description 41
- 238000004590 computer program Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 9
- 210000002569 neuron Anatomy 0.000 description 8
- 238000000354 decomposition reaction Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 230000000295 complement effect Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 230000000873 masking effect Effects 0.000 description 5
- 230000003936 working memory Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 208000001344 Macular Edema Diseases 0.000 description 2
- 206010025415 Macular oedema Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 201000010230 macular retinal edema Diseases 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 206010064930 age-related macular degeneration Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- GNBHRKFJIUUOQI-UHFFFAOYSA-N fluorescein Chemical compound O1C(=O)C2=CC=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 GNBHRKFJIUUOQI-UHFFFAOYSA-N 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- MOFVSTNWEDAEEK-UHFFFAOYSA-M indocyanine green Chemical compound [Na+].[O-]S(=O)(=O)CCCCN1C2=CC=C3C=CC=CC3=C2C(C)(C)C1=CC=CC=CC=CC1=[N+](CCCCS([O-])(=O)=O)C2=CC=C(C=CC=C3)C3=C2C1(C)C MOFVSTNWEDAEEK-UHFFFAOYSA-M 0.000 description 1
- 229960004657 indocyanine green Drugs 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 208000002780 macular degeneration Diseases 0.000 description 1
- 210000004126 nerve fiber Anatomy 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/102—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for optical coherence tomography [OCT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
- A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/02—Subjective types, i.e. testing apparatus requiring the active assistance of the patient
- A61B3/06—Subjective types, i.e. testing apparatus requiring the active assistance of the patient for testing light sensitivity, e.g. adaptation; for testing colour vision
- A61B3/063—Subjective types, i.e. testing apparatus requiring the active assistance of the patient for testing light sensitivity, e.g. adaptation; for testing colour vision for testing light sensitivity, i.e. adaptation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Ophthalmology & Optometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Pathology (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Abstract
Description
Claims (16)
- 眼の画像化システム(520)により取得された眼の部分の画像(400)内において病変を示す領域(410)を検索するためのコンピュータにより実行される方法であって、前記方法が、
前記画像(400)を定義する画像データを受信すること(S10)、
健康な眼の前記部分の複数の画像を定義する画像データ(502;604)と、前記病変を示す少なくとも1つの領域をそれぞれが有する不健康な眼の前記部分の複数の画像を定義する画像データ(601、602、603;501)に基づいて訓練された学習アルゴリズム(530;630)を用いて、前記受信された画像データを処理することにより、前記画像(400)内の前記領域(410)を検索すること(S12)、及び
前記病変を示す前記画像(400)内の領域(410)が、前記検索することにおいて見つかった場合、
前記画像(400)内の前記領域(410)の位置を確定すること(S14)、
眼の測定装置(300)に、前記眼の前記部分に対する測定の位置を設定するための、前記確定された位置に基づく基準点を用いて、前記眼の前記部分に対する前記測定を実施させて、測定データを生成させるための命令を生成すること(S16)、及び
前記測定データを前記眼の測定装置(300)から受信すること(S18)、
を含む、方法。 - 請求項1に記載のコンピュータにより実行される方法であって、
前記画像(400)内の前記領域(410)を検索すること(S12)が、複数の異なる種類の病変のうちの対応する1つをそれぞれが有する不健康な眼の前記部分の複数の画像を定義する画像データ(601、602、603)に基づいて訓練された前記学習アルゴリズム(630)を用いて、前記受信された画像データを処理することにより、前記複数の異なる種類の病変のうちの1つを示す前記画像(400)内の領域(410)を検索すること、を含み、及び
前記複数の異なる種類の病変のうちの1つを示す前記画像(400)内の領域(410)が、前記検索すること(S12)において見つかった場合、
前記方法が、前記複数の異なる種類の病変のうちの前記1つについて、前記眼に対して実施すべき測定のための複数の異なる種類の測定様式のうちの対応する1つを選択すること、をさらに含み、及び
前記方法が、前記眼の測定装置(300)に、前記眼の前記部分に対する前記測定を実施させるための前記命令として、前記選択された測定様式の眼の測定装置(300)に、前記眼の前記部分に対する前記測定の位置を設定するための前記基準点を用いて、前記眼の前記部分に対する前記測定を実施させるための命令を生成すること(S16)、を含む、方法。 - 請求項1に記載のコンピュータにより実行される方法であって、
前記受信された画像データが、第1の画像化様式の画像データであり、
前記眼の測定装置(300)が、前記眼の前記部分に対する前記測定として、前記第1の画像化様式とは異なる、前記眼の前記部分内の領域を画像化するための第2の画像化様式の画像取り込みプロセスを実行し、前記測定データとして、前記第2の画像化様式の画像データを取得し、
前記病変を示す前記画像(400)内の領域(410)が、前記検索すること(S12)において見つかった場合、前記方法が、
前記眼の測定装置(300)に、前記眼の前記部分に対する前記測定を実施させるための前記命令として、前記眼の測定装置(300)に、前記画像取り込みプロセスにおいて画像化されるべき前記眼の前記部分内の領域の位置を前記測定の位置として設定するための前記基準点を用いて、前記画像取り込みプロセスを実行させるための命令を生成すること(S16)、及び
前記眼の測定装置(300)から、前記測定データとして、前記眼の前記部分内の前記領域の画像を定義する前記第2の画像化様式の画像データを受信すること(S18)、
を含む、方法。 - 請求項3に記載のコンピュータにより実行される方法であって、
前記画像(400)内の前記領域(410)を検索すること(S12)が、複数の異なる種類の病変のうちの対応する1つをそれぞれが有する不健康な眼の前記部分の複数の画像を定義する前記画像データ(601、602、603)に基づいて訓練された前記学習アルゴリズム(630)を用いて、前記受信された画像データを処理することにより、前記複数の異なる種類の病変のうちの1つを示す前記画像(400)内の領域(410)を検索することを含み、
前記複数の異なる種類の病変のうちの1つを示す前記画像(400)内の領域(410)が、前記検索すること(S12)において見つかった場合、前記方法が、前記複数の異なる種類の病変のうちの前記1つについて及び前記第2の画像化様式として、前記眼の前記部分に対して前記画像取り込みプロセスを実行するために使用されるべき複数の異なる種類の画像化様式のうちの対応する1つを選択すること、をさらに含む、方法。 - 請求項4に記載のコンピュータにより実行される方法であって、
前記複数の異なる種類の病変のうちの前記1つが緑内障である場合、前記方法が、前記眼の測定装置(300)に、前記第2の画像化様式の画像取り込みプロセスとして、前記眼の前記部分内の前記領域に対して光学的干渉断層検査(OCT)スキャンを実施させて、前記測定データとして、前記OCTスキャンの画像データを取得させるための命令を生成すること(S16)を含み、
前記複数の異なる種類の病変のうちの前記1つが重症の糖尿病性網膜症である場合、前記方法が、前記眼の測定装置(300)に、前記第2の画像化様式の画像取り込みプロセスとして、前記眼の網膜の領域に対して光学的干渉断層検査(OCT)スキャンを実施させて、前記測定データとして、前記OCTスキャンの画像データを取得させるための命令を生成すること(S16)を含み、
前記複数の異なる種類の病変のうちの前記1つが腫瘍である場合、前記方法が、前記眼の測定装置(300)に、前記第2の画像化様式の画像取り込みプロセスとして、前記眼の前記部分内の前記領域に対して高密度光学的干渉断層検査(OCT)Bスキャンを実施させて、前記測定データとして、前記高密度OCT Bスキャンの画像データを取得させるための命令を生成すること(S16)を含み、
前記複数の異なる種類の病変のうちの前記1つが菌塊である場合、前記方法が、前記眼の測定装置(300)に、前記第2の画像化様式の画像取り込みプロセスとして、前記眼の前記部分内の前記領域に対して光学的干渉断層検査(OCT)Bスキャンを実施させて、前記測定データとして、前記OCT Bスキャンの画像データを取得させるための命令を生成すること(S16)を含み、
前記複数の異なる種類の病変のうちの前記1つが浮腫又は萎縮である場合、前記方法が、前記眼の測定装置(300)に、前記第2の画像化様式の画像取り込みプロセスとして、前記眼の前記部分内の前記領域に対して光学的干渉断層検査(OCT)スキャンを実施させて、前記測定データとして、前記OCTスキャンの画像データを取得させるための命令を生成すること(S16)を含む、方法。 - 請求項1に記載のコンピュータにより実行される方法であって、前記病変を示す前記画像(400)内の前記領域(410)が、前記検索することにおいて見つかった場合、前記方法が、前記眼の測定装置(300)に、前記眼の前記部分に対する前記測定を実施させるための前記命令として、前記眼の測定装置(300)に、前記確定された位置に基づく、前記測定の位置を設定するための前記基準点を用いて、光刺激に対する前記眼の機能的反応を測定させるための命令を生成すること(S16)を含む、方法。
- 請求項1に記載のコンピュータにより実行される方法であって、
前記受信された画像データが、画像化において使用される画像化解像度、アパーチャサイズ、及び波長のうちの1つである画像化パラメータの第1の値を用いた前記眼の前記部分の画像化の結果を表し、
前記眼の測定装置(300)が、前記眼の前記部分に対する前記測定として、前記画像化パラメータの前記第1の値とは異なる、前記眼の前記部分内の領域を画像化するための前記画像化パラメータの第2の値を用いた画像取り込みプロセスを実行し、前記測定データとして、前記画像化パラメータの前記第2の値を用いた前記領域の画像化の結果を表す画像データを取得するように構成され、前記受信された画像データと前記取得された画像データが、同じ画像化様式のものであり、
前記病変を示す前記画像(400)内の領域(410)が、前記検索することにおいて見つかった場合、前記方法が、
前記眼の測定装置(300)に、前記眼の前記部分に対する前記測定を実施させるための前記命令として、前記眼の測定装置(300)に、画像取り込みプロセスにおいて画像化されるべき前記眼の前記部分内の領域の位置を前記測定の位置として設定するための前記基準点を用いて、前記画像取り込みプロセスを実行させるための命令を生成すること(S16)、及び
前記眼の測定装置(300)から、前記測定データとして、前記画像化パラメータの前記第2の値を用いて前記眼の前記部分内の前記領域(410)の画像化の前記結果を表す前記画像データを受信すること(S18)、を含む、方法。 - 請求項1〜請求項7のいずれか一項に記載のコンピュータにより実行される方法であって、表示ユニット(215)を制御して、前記眼の前記部分の前記画像(400)内の前記領域(410)の前記位置と、前記受信された測定データの表示を表示させるための命令を生成することをさらに含む、方法。
- 眼の画像化システム(520)により取得された眼の部分の画像(400)内において病変の存在を検索するためのコンピュータにより実行される方法であって、前記方法が、
前記画像(400)を定義する画像データを受信すること(S20)、
健康な眼の複数の画像(502)を定義する画像データと、複数の異なる種類の病変のうちの対応する1つをそれぞれが有する不健康な眼の複数の画像(601、602、603)に基づいて訓練された学習アルゴリズム(630)を用いて、前記受信された画像データを処理することにより、前記画像(400)内において前記複数の異なる種類の病変のうちの少なくとも1つの存在を検索すること(S22)、及び
前記複数の異なる種類の病変のうちの少なくとも1つが、前記画像(400)内に存在すると分かった場合、
前記画像(400)内に存在すると分かった少なくとも1種類の病変のそれぞれについて、前記眼の前記部分に対する測定を実施するために使用されるべき複数の異なる種類の測定様式のうちの対応する1つを選択すること(S24)、
前記画像(400)内に存在すると分かった前記少なくとも1種類の病変のそれぞれについて、前記対応する選択された測定様式の眼の測定装置(300)に、前記眼の前記部分に対する前記測定を実施させるための対応する命令を生成すること(S26)、及び
選択された各測定様式の前記眼の測定装置(300)により実施された前記測定の測定データを受信すること(S28)、
を含む、方法。 - 請求項9に記載のコンピュータにより実行される方法であって、前記複数の異なる種類の病変のうちの少なくとも1つが、前記画像(400)内に存在すると分かった場合、
前記画像内に存在すると分かった前記複数の異なる種類の病変のうちの少なくとも1つのそれぞれについて、前記学習アルゴリズム(630)を用いて前記受信された画像データを処理することにより、前記対応する種類の病変を示す前記画像(400)内の対応する領域(410)を検索すること、及び前記画像(400)内の前記対応する領域(410)の位置を記録すること、をさらに含み、
選択された各測定様式の前記眼の測定装置(300)に、前記対応する記録された位置に基づく測定を位置決めするための基準点を用いて、前記眼に対する前記測定を実施させる対応する命令が生成される、方法。 - 請求項10に記載のコンピュータにより実行される方法であって、前記複数の異なる種類の病変のうちの少なくとも1つが、前記画像(400)内に存在すると分かった場合、
前記画像(400)内に存在すると分かった前記複数の異なる種類の病変のうちの前記少なくとも1つのそれぞれについて、
前記眼の前記部分の画像化のために使用されるべき複数の異なる種類の画像化様式のうちの対応する1つが、前記複数の異なる種類の測定様式のうちの前記対応する1つとして選択され、
前記選択された画像化様式の眼の測定装置(300)に、前記対応する記録された位置に基づく、画像化されるべき前記眼の領域を位置決めするための基準点を用いて、前記眼の前記部分を画像化させるための対応する命令が、前記選択された測定様式の前記眼の測定装置(300)に対する前記対応する命令として生成され、
前記選択された画像化様式の前記眼の測定装置(300)により実施された前記画像化の対応する画像データが、前記眼の測定装置(300)により実施された前記測定の前記測定データとして受信される、方法。 - 請求項11に記載のコンピュータにより実行される方法であって、前記画像(400)内に存在すると分かった前記複数の異なる種類の病変のうちの1つが緑内障である場合、前記方法が、前記選択された画像化様式の前記眼の測定装置(300)に、前記眼の前記部分の画像化をさせるための前記対応する命令として、前記眼の測定装置(300)に、前記眼の前記部分内の前記領域に対して光学的干渉断層検査(OCT)スキャンを実施させて、前記測定データとして、前記OCTスキャンの画像データを取得させるための命令を生成すること(S26)を含み、
前記画像(400)内に存在すると分かった前記複数の異なる種類の病変のうちの1つが重症の糖尿病性網膜症である場合、前記方法が、前記選択された画像化形式の前記眼の測定装置(300)に、前記眼の前記部分を画像化させるための前記対応する命令として、前記眼の測定装置(300)に、前記眼の網膜の領域に対して光学的干渉断層検査(OCT)スキャンを実施させて、前記測定データとして、前記OCTスキャンの画像データを取得させるための命令を生成すること(S26)を含み、
前記画像(400)内に存在すると分かった前記複数の異なる種類の病変のうちの1つが腫瘍である場合、前記方法が、前記選択された画像化様式の前記眼の測定装置(300)に、前記眼の前記部分を画像化させるための前記対応する命令として、前記眼の測定装置(300)に、前記眼の前記部分内の前記領域に対して高密度光学的干渉断層検査(OCT)Bスキャンを実施させて、前記測定データとして、前記高密度OCT Bスキャンの画像データを取得させるための命令を生成すること(S26)を含み、
前記画像(400)内に存在すると分かった前記複数の異なる種類の病変のうちの前記1つが菌塊である場合、前記方法が、前記選択された画像化様式の前記眼の測定装置(300)に、前記眼の前記部分を画像化させるための前記対応する命令として、前記眼の測定装置(300)に、前記眼の前記部分内の前記領域に対して光学的干渉断層検査(OCT)Bスキャンを実施させて、前記測定データとして、前記OCT Bスキャンの画像データを取得させるための命令を生成すること(S26)を含み、
前記画像(400)内に存在すると分かった前記複数の異なる種類の病変のうちの前記1つが浮腫又は萎縮である場合、前記方法が、前記選択された画像化様式の前記眼の測定装置(300)に、前記眼の前記部分を画像化させるための前記対応する命令として、前記眼の測定装置(300)に、前記眼の前記部分内の前記領域に対して光学的干渉断層検査(OCT)スキャンを実施させて、前記測定データとして、前記OCTスキャンの画像データを取得させるための命令を生成すること(S26)を含む、方法。 - 請求項9に記載のコンピュータにより実行される方法であって、前記複数の異なる種類の病変のうちの少なくとも1つが、前記画像(400)内に存在すると分かった場合、生成された前記命令のうちの少なくとも1つが、選択された測定様式の眼の測定装置(300)に、光刺激に対する前記眼の機能的反応を測定させるための命令である、方法。
- 請求項9〜請求項12のいずれか一項に記載のコンピュータにより実行される方法であって、表示ユニット(215)を制御して、前記眼の前記部分の前記画像(400)内の前記領域(410)の前記記録された位置と、前記受信された測定データの表示を表示させるための命令を生成することをさらに含む、方法。
- 眼の画像化システム(520;720)により取得された眼の部分の画像(400)内において病変を示す領域を検索する装置(100)であって、前記装置(100)が、
前記画像(400)を定義する画像データを受信するように構成された受信モジュール(110)、
健康な眼の前記部分の複数の画像を定義する画像データ(502;604)と、前記病変を示す少なくとも1つの領域をそれぞれが有する不健康な眼の前記部分の複数の画像を定義する画像データ(601、602、603;501)に基づいて訓練された学習アルゴリズム(530;630)を用いて、前記受信された画像データを処理することにより、前記画像(400)内の前記領域を検索するように構成された検索モジュール(120)、及び
前記検索モジュール(120)により見つけられた前記病変を示す前記画像(400)内の領域(410)に応じて、
前記画像(400)内の前記領域(410)の位置を確定するプロセス、及び
眼の測定装置(300)に、前記眼の前記部分に対する測定の位置を設定するための、前記確定された位置に基づく基準点を用いて、前記眼の前記部分に対する前記測定を実施させて、測定データを生成させるための命令を生成するプロセス、を実行するように構成された命令生成モジュール(130)と、を含み、
前記受信モジュール(110)が、前記測定データを前記眼の測定装置(300)から受信するようにさらに構成される、装置(100)。 - 眼の画像化システム(520)により取得された眼の部分の画像(400)内において病変の存在を検索する装置(800)であって、前記装置(800)が、
前記画像(400)を定義する画像データを受信するように構成された受信モジュール(810)、
健康な眼の複数の画像(604)を定義する画像データと、複数の異なる種類の病変のうちの対応する1つをそれぞれが有する不健康な眼の複数の画像(601、602、603)に基づいて訓練された学習アルゴリズム(630)を用いて、前記受信された画像データを処理することにより、前記画像(400)内において前記複数の異なる種類の病変のうちの少なくとも1つの存在を検索するように構成された検索モジュール(820)、
前記検索モジュール(820)により前記画像(400)内において存在すると分かった前記複数の異なる種類の病変のうちの少なくとも1つに応じて、
前記画像(400)内に存在すると分かった少なくとも1種類の病変のそれぞれについて、前記眼の前記部分に対する測定を実施するために使用されるべき複数の異なる種類の測定様式のうちの対応する1つを選択するプロセス、及び
前記画像(400)内に存在すると分かった前記少なくとも1種類の病変のそれぞれについて、前記対応する選択された測定様式の眼の測定装置(300)に、前記眼の前記部分に対する前記測定を実施させるための対応する命令を生成するプロセス、を実行するように構成された命令生成モジュール(830)、を含み、
前記受信モジュール(810)が、選択された各測定様式の前記眼の測定装置(300)により実施された前記測定の測定データを受信するようにさらに構成される、装置(800)。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021195247A JP7279291B2 (ja) | 2018-12-20 | 2021-12-01 | 眼の画像内における病変の検知 |
JP2022202121A JP7509505B2 (ja) | 2018-12-20 | 2022-12-19 | 眼の画像内における病変の検知 |
JP2024097858A JP2024119998A (ja) | 2018-12-20 | 2024-06-18 | 眼の画像内における病変の検知 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18214689.4A EP3671536B1 (en) | 2018-12-20 | 2018-12-20 | Detection of pathologies in ocular images |
EP18214689.4 | 2018-12-20 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021195247A Division JP7279291B2 (ja) | 2018-12-20 | 2021-12-01 | 眼の画像内における病変の検知 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020124472A true JP2020124472A (ja) | 2020-08-20 |
JP6996682B2 JP6996682B2 (ja) | 2022-01-17 |
Family
ID=64755198
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019230618A Active JP6996682B2 (ja) | 2018-12-20 | 2019-12-20 | 眼の画像内における病変の検知 |
JP2021195247A Active JP7279291B2 (ja) | 2018-12-20 | 2021-12-01 | 眼の画像内における病変の検知 |
JP2022202121A Active JP7509505B2 (ja) | 2018-12-20 | 2022-12-19 | 眼の画像内における病変の検知 |
JP2024097858A Pending JP2024119998A (ja) | 2018-12-20 | 2024-06-18 | 眼の画像内における病変の検知 |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021195247A Active JP7279291B2 (ja) | 2018-12-20 | 2021-12-01 | 眼の画像内における病変の検知 |
JP2022202121A Active JP7509505B2 (ja) | 2018-12-20 | 2022-12-19 | 眼の画像内における病変の検知 |
JP2024097858A Pending JP2024119998A (ja) | 2018-12-20 | 2024-06-18 | 眼の画像内における病変の検知 |
Country Status (13)
Country | Link |
---|---|
US (2) | US11503994B2 (ja) |
EP (2) | EP4310800A3 (ja) |
JP (4) | JP6996682B2 (ja) |
KR (2) | KR102387820B1 (ja) |
CN (2) | CN118351103A (ja) |
AU (2) | AU2019280075B2 (ja) |
CA (2) | CA3223918A1 (ja) |
DK (1) | DK3671536T3 (ja) |
FI (1) | FI3671536T3 (ja) |
MX (1) | MX2021007346A (ja) |
SA (1) | SA521422312B1 (ja) |
SG (1) | SG11202106261TA (ja) |
WO (1) | WO2020127233A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021101965A (ja) * | 2019-12-25 | 2021-07-15 | キヤノン株式会社 | 制御装置、光干渉断層撮影装置、光干渉断層撮影装置の制御方法、及びプログラム |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12051196B2 (en) * | 2018-09-12 | 2024-07-30 | Auckland Uniservices Limited | Methods and systems for ocular imaging, diagnosis and prognosis |
CN113632178A (zh) * | 2019-01-25 | 2021-11-09 | 沃德诺希斯医疗技术有限公司 | 用于中耳炎诊断的机器学习 |
CN113538208B (zh) * | 2020-04-20 | 2024-09-17 | 华为技术有限公司 | 图片加载方法及相关装置 |
US11382506B2 (en) | 2020-09-30 | 2022-07-12 | Ai-Ris LLC | Retinal imaging system |
WO2022158908A1 (ko) * | 2021-01-22 | 2022-07-28 | 주식회사 루닛 | 병리 이미지 분석 방법 및 시스템 |
WO2023277589A1 (ko) | 2021-06-30 | 2023-01-05 | 주식회사 타이로스코프 | 활동성 갑상선 눈병증 진료를 위한 내원 안내 방법 및 이를 수행하는 시스템 |
KR102379061B1 (ko) * | 2021-06-30 | 2022-04-05 | 주식회사 타이로스코프 | 활동성 갑상선 눈병증 진료를 위한 내원 안내 방법 및 이를 수행하는 장치 |
JP7521748B1 (ja) | 2021-06-30 | 2024-07-24 | サイロスコープ インコーポレイテッド | 眼球突出の度合いの分析のための側方画像を取得するための方法及び撮影デバイス、及びそのための記録媒体 |
WO2023277622A1 (ko) | 2021-06-30 | 2023-01-05 | 주식회사 타이로스코프 | 활동성 갑상선 눈병증 진료를 위한 내원 안내 방법 및 이를 수행하는 시스템 |
WO2023167102A1 (ja) | 2022-03-04 | 2023-09-07 | 三菱ケミカル株式会社 | 炭素繊維束コンポジットの製造方法および炭素繊維束コンポジット |
US20240016378A1 (en) * | 2022-07-13 | 2024-01-18 | Alcon Inc. | Machine learning to assess the clinical significance of vitreous floaters |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010035607A (ja) * | 2008-07-31 | 2010-02-18 | Canon Inc | 診断支援装置およびその方法、プログラム、記録媒体 |
JP2013031527A (ja) * | 2011-08-01 | 2013-02-14 | Canon Inc | 眼科診断支援装置および方法 |
JP2016509914A (ja) * | 2013-03-14 | 2016-04-04 | カール ツアイス メディテック アクチエンゲゼルシャフト | 視覚データの取得および分析のマルチモード統合 |
US20180144470A1 (en) * | 2016-11-21 | 2018-05-24 | International Business Machines Corporation | Digital Data Processing for Diagnosis of a Subject |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5582772B2 (ja) * | 2009-12-08 | 2014-09-03 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
US8712505B2 (en) * | 2010-11-11 | 2014-04-29 | University Of Pittsburgh-Of The Commonwealth System Of Higher Education | Automated macular pathology diagnosis in three-dimensional (3D) spectral domain optical coherence tomography (SD-OCT) images |
JP5635898B2 (ja) * | 2010-12-17 | 2014-12-03 | キヤノン株式会社 | 眼底撮像装置及びその制御方法 |
US8682049B2 (en) * | 2012-02-14 | 2014-03-25 | Terarecon, Inc. | Cloud-based medical image processing system with access control |
US8553965B2 (en) * | 2012-02-14 | 2013-10-08 | TerraRecon, Inc. | Cloud-based medical image processing system with anonymous data upload and download |
JP2014188254A (ja) | 2013-03-28 | 2014-10-06 | Nidek Co Ltd | 視野検査装置 |
US9955865B2 (en) * | 2013-04-11 | 2018-05-01 | Novartis Ag | Method and system to detect ophthalmic tissue structure and pathologies |
US8879813B1 (en) | 2013-10-22 | 2014-11-04 | Eyenuk, Inc. | Systems and methods for automated interest region detection in retinal images |
WO2015113895A1 (en) * | 2014-01-28 | 2015-08-06 | Ventana Medical Systems, Inc. | Adaptive classification for whole slide tissue segmentation |
JP6789819B2 (ja) * | 2014-03-14 | 2020-11-25 | エルケーシー テクノロジーズ インコーポレイテッド | 網膜症検出のためのシステム及び方法 |
BR112017019821B8 (pt) * | 2015-03-20 | 2024-02-15 | Fraunhofer Ges Forschung | Atribuição de pontuação de relevância para redes neurais artificiais |
US20170228521A1 (en) * | 2016-02-05 | 2017-08-10 | Carl Zeiss Meditec, Inc. | Report driven workflow for ophthalmic image data acquisition |
JP2017182739A (ja) * | 2016-03-31 | 2017-10-05 | 富士通株式会社 | 視線検出装置、視線検出方法及び視線検出用コンピュータプログラム |
US10123747B2 (en) | 2016-11-21 | 2018-11-13 | International Business Machines Corporation | Retinal scan processing for diagnosis of a subject |
JP6907563B2 (ja) | 2017-01-31 | 2021-07-21 | 株式会社ニデック | 画像処理装置、および画像処理プログラム |
DE102017208994A1 (de) * | 2017-05-29 | 2018-11-29 | Audi Ag | Verfahren zur Ermittlung von Ergebnisbilddaten |
-
2018
- 2018-12-20 DK DK18214689.4T patent/DK3671536T3/da active
- 2018-12-20 EP EP23215753.7A patent/EP4310800A3/en active Pending
- 2018-12-20 EP EP18214689.4A patent/EP3671536B1/en active Active
- 2018-12-20 FI FIEP18214689.4T patent/FI3671536T3/fi active
-
2019
- 2019-12-12 CA CA3223918A patent/CA3223918A1/en active Pending
- 2019-12-12 CA CA3064885A patent/CA3064885A1/en active Pending
- 2019-12-13 AU AU2019280075A patent/AU2019280075B2/en active Active
- 2019-12-17 MX MX2021007346A patent/MX2021007346A/es unknown
- 2019-12-17 CN CN202410550475.1A patent/CN118351103A/zh active Pending
- 2019-12-17 WO PCT/EP2019/085608 patent/WO2020127233A1/en active Application Filing
- 2019-12-17 CN CN201911301768.1A patent/CN111353970B/zh active Active
- 2019-12-17 SG SG11202106261TA patent/SG11202106261TA/en unknown
- 2019-12-19 US US16/721,902 patent/US11503994B2/en active Active
- 2019-12-20 JP JP2019230618A patent/JP6996682B2/ja active Active
- 2019-12-20 KR KR1020190172286A patent/KR102387820B1/ko active IP Right Grant
-
2021
- 2021-06-17 SA SA521422312A patent/SA521422312B1/ar unknown
- 2021-09-14 AU AU2021232682A patent/AU2021232682B2/en active Active
- 2021-12-01 JP JP2021195247A patent/JP7279291B2/ja active Active
-
2022
- 2022-02-25 KR KR1020220025483A patent/KR102494503B1/ko active IP Right Grant
- 2022-09-10 US US17/942,132 patent/US12042225B2/en active Active
- 2022-12-19 JP JP2022202121A patent/JP7509505B2/ja active Active
-
2024
- 2024-06-18 JP JP2024097858A patent/JP2024119998A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010035607A (ja) * | 2008-07-31 | 2010-02-18 | Canon Inc | 診断支援装置およびその方法、プログラム、記録媒体 |
JP2013031527A (ja) * | 2011-08-01 | 2013-02-14 | Canon Inc | 眼科診断支援装置および方法 |
JP2016509914A (ja) * | 2013-03-14 | 2016-04-04 | カール ツアイス メディテック アクチエンゲゼルシャフト | 視覚データの取得および分析のマルチモード統合 |
US20180144470A1 (en) * | 2016-11-21 | 2018-05-24 | International Business Machines Corporation | Digital Data Processing for Diagnosis of a Subject |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021101965A (ja) * | 2019-12-25 | 2021-07-15 | キヤノン株式会社 | 制御装置、光干渉断層撮影装置、光干渉断層撮影装置の制御方法、及びプログラム |
JP7332463B2 (ja) | 2019-12-25 | 2023-08-23 | キヤノン株式会社 | 制御装置、光干渉断層撮影装置、光干渉断層撮影装置の制御方法、及びプログラム |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7279291B2 (ja) | 眼の画像内における病変の検知 | |
Niemeijer et al. | Automatic detection of red lesions in digital color fundus photographs | |
CN105310645B (zh) | 图像处理装置及图像处理方法 | |
US20180247107A1 (en) | Method and system for classification of endoscopic images using deep decision networks | |
JP2021154159A (ja) | 機械学習ガイド付き撮影システム | |
JP5148928B2 (ja) | 眼底検査装置及びプログラム | |
CN112601487A (zh) | 医学图像处理装置、医学图像处理方法和程序 | |
US11284791B2 (en) | Image processing method, program, and image processing device | |
CN113226153A (zh) | 图像处理装置、图像处理方法和程序 | |
JP6878923B2 (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 | |
JP7392238B2 (ja) | 医用画像を用いた病態予測 | |
Sánchez et al. | Improving hard exudate detection in retinal images through a combination of local and contextual information | |
US20220148714A1 (en) | Diagnosis support program, diagnosis support system, and diagnosis support method | |
KR20210012097A (ko) | 딥러닝에 기반한 당뇨망막병증 검출 및 증증도 분류장치 및 그 방법 | |
KR102697857B1 (ko) | 안저 영상 학습을 이용한 치매 예측 선별 시스템 및 방법 | |
Dhaya et al. | DIABETIC RETINOPATHY CLASSIFICATION USING LENET-5 CLASSIFIER | |
JP2022068457A (ja) | 医用画像処理装置、医用画像処理システム、医用画像処理方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200420 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210330 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210331 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210630 |
|
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: 20211116 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6996682 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |