JP2021500180A5 - - Google Patents

Download PDF

Info

Publication number
JP2021500180A5
JP2021500180A5 JP2020523359A JP2020523359A JP2021500180A5 JP 2021500180 A5 JP2021500180 A5 JP 2021500180A5 JP 2020523359 A JP2020523359 A JP 2020523359A JP 2020523359 A JP2020523359 A JP 2020523359A JP 2021500180 A5 JP2021500180 A5 JP 2021500180A5
Authority
JP
Japan
Prior art keywords
fundus image
region
information
macula
fundus
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
Application number
JP2020523359A
Other languages
English (en)
Other versions
JP7178672B2 (ja
JP7178672B6 (ja
JP2021500180A (ja
Filing date
Publication date
Priority claimed from KR1020170141129A external-priority patent/KR101848321B1/ko
Priority claimed from KR1020170141130A external-priority patent/KR101848322B1/ko
Application filed filed Critical
Priority claimed from PCT/KR2018/008099 external-priority patent/WO2019083129A1/ko
Publication of JP2021500180A publication Critical patent/JP2021500180A/ja
Publication of JP2021500180A5 publication Critical patent/JP2021500180A5/ja
Publication of JP7178672B2 publication Critical patent/JP7178672B2/ja
Application granted granted Critical
Publication of JP7178672B6 publication Critical patent/JP7178672B6/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Claims (15)

  1. コンピューティング装置によって行われる方法であって
    (a)被検体の眼底映像を獲得することと、
    (b)機械学習モデル(machine learning model)に基づいて前記眼底映像から区画区分情報を含む属性情報を生成することと、
    (c)前記属性情報を外部エンティティ(entity)に提供することと、を含み、
    前記区画区分情報は、前記眼底映像内の眼底の構造的特性に応じた個別区画を示すために用いられる、方法。
  2. 前記区画区分情報は、前記眼底映像内の眼底の構造的特性に応じた少なくとも3つの個別区画を示すために用いられる、請求項1に記載の方法。
  3. 前記眼底の前記個別区画は、少なくとも黄斑領域、視神経乳頭上側領域、視神経乳頭下側領域、外側(temporal)領域、上外側(superotemporal)領域、下外側(inferotemporal)領域、上鼻側(superonasal)領域、及び下鼻側(inferonasal)領域を含む、請求項1又は2に記載の方法。
  4. 前記区画区分情報は、前記機械学習モデルを用いて前記眼底映像から特定された(i)黄斑の中心領域、及び(ii)視神経乳頭の中心領域に基づいて、前記眼底映像から生成される、請求項1〜3のいずれか1項に記載の方法。
  5. 前記区画区分情報は、
    前記黄斑の中心位置と前記視神経乳頭の中心位置との距離の長さd以下の半径を有する黄斑の中心円、
    前記d以下の半径を有する視神経乳頭の中心円、
    前記黄斑の中心位置と前記視神経乳頭の中心位置とを通る第1直線の少なくとも一部、
    前記第1直線に垂直に視神経乳頭の中心位置を通る第2直線の少なくとも一部、及び、
    前記第1直線に平行で且つ前記黄斑の中心円に接する第3直線の少なくとも一部
    のいずれかの組み合わせに基づいて、前記眼底映像から生成される、請求項1〜4のいずれか1項に記載の方法。
  6. 前記属性情報はさらに、
    前記眼底映像が左眼の映像であるのか右眼の映像であるのかを示す両眼区分情報、
    前記眼底映像に含まれた黄斑及び視神経乳頭のうち少なくとも一つの位置を示す位置情報、
    前記眼底映像に含まれた視神経血管の映像を分離して示す血管情報、及び、
    前記眼底映像によるC/D比(cup−to−disk ratio)の情報
    のうちの少なくとも一つを含む、請求項1〜5のいずれか1項に記載の方法。
  7. 前記生成された情報に基づいて前記外部エンティティに前記属性情報を提供することをさらに含む、請求項1〜6のいずれか1項に記載の方法。
  8. 請求項1〜7のいずれか1項に記載の方法をコンピューティング装置に行わせるように構成された命令語(instructions)を含む、機械読取可能な記録媒体に記録された、コンピュータプログラム。
  9. 機械学習モデルに基づいた処理に使用するためのコンピューティング装置であって
    信部と、
    前記通信部を制御するように構成されたプロセッサと、を含
    前記プロセッサは、
    (a)被検体の眼底映像を得る、
    (b)機械学習モデルに基づいて前記眼底映像から区画区分情報を含む属性情報を生成する、及び、
    (c)前記属性情報を外部エンティティに提供する、ようにさらに構成され、
    前記区画区分情報は、前記眼底映像内の眼底の構造的特性に応じた個別区画を示すために用いられる、コンピューティング装置。
  10. 前記区画区分情報は、前記眼底映像内の眼底の構造的特性に応じた少なくとも3つの個別区画を示すために用いられる、請求項9に記載のコンピューティング装置
  11. 前記眼底の前記個別区画は、少なくとも黄斑領域、視神経乳頭上側領域、視神経乳頭下側領域、外側(temporal)領域、上外側(superotemporal)領域、下外側(inferotemporal)領域、上鼻側(superonasal)領域、及び下鼻側(inferonasal)領域を含む、請求項9又は10に記載のコンピューティング装置。
  12. 前記区画区分情報は、前記機械学習モデルを用いて前記眼底映像から特定された(i)黄斑の中心領域、及び(ii)視神経乳頭の中心領域に基づいて、前記眼底映像から生成される、請求項9〜11のいずれか1項に記載のコンピューティング装置。
  13. 前記区画区分情報は、
    前記黄斑の中心位置と前記視神経乳頭の中心位置との距離の長さd以下の半径を有する黄斑の中心円、
    前記d以下の半径を有する視神経乳頭の中心円、
    前記黄斑の中心位置と前記視神経乳頭の中心位置とを通る第1直線の少なくとも一部、
    前記第1直線に垂直に視神経乳頭の中心位置を通る第2直線の少なくとも一部、及び、
    前記第1直線に平行で且つ前記黄斑の中心円に接する第3直線の少なくとも一部
    のいずれかの組み合わせに基づいて、前記眼底映像から生成される、請求項9〜12のいずれか1項に記載のコンピューティング装置。
  14. 前記属性情報はさらに、
    前記眼底映像が左眼の映像であるのか右眼の映像であるのかを示す両眼区分情報、
    前記眼底映像に含まれた黄斑及び視神経乳頭のうち少なくとも一つの位置を示す位置情報、
    前記眼底映像に含まれた視神経血管の映像を分離して示す血管情報、及び、
    前記眼底映像によるC/D比(cup−to−disk ratio)の情報
    のうちの少なくとも一つを含む、請求項9〜13のいずれか1項に記載のコンピューティング装置。
  15. 前記プロセッサは、前記生成された情報に基づいて前記外部エンティティに前記属性情報を提供するようにさらに構成されている、請求項9〜14のいずれか1項に記載のコンピューティング装置。
JP2020523359A 2017-10-27 2018-07-18 被検体に対する眼底映像の読取を支援する方法及びそれを利用した装置 Active JP7178672B6 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
KR1020170141129A KR101848321B1 (ko) 2017-10-27 2017-10-27 피검체에 대한 안저 영상의 판독을 지원하는 방법 및 이를 이용한 장치
KR1020170141130A KR101848322B1 (ko) 2017-10-27 2017-10-27 피검체에 대한 안저 영상의 소견 및 진단 정보의 생성을 위하여 판독을 지원하는 방법 및 이를 이용한 장치
KR10-2017-0141129 2017-10-27
KR10-2017-0141130 2017-10-27
PCT/KR2018/008099 WO2019083129A1 (ko) 2017-10-27 2018-07-18 피검체에 대한 안저 영상의 판독을 지원하는 방법 및 이를 이용한 장치

Publications (4)

Publication Number Publication Date
JP2021500180A JP2021500180A (ja) 2021-01-07
JP2021500180A5 true JP2021500180A5 (ja) 2021-07-26
JP7178672B2 JP7178672B2 (ja) 2022-11-28
JP7178672B6 JP7178672B6 (ja) 2022-12-20

Family

ID=66246836

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020523359A Active JP7178672B6 (ja) 2017-10-27 2018-07-18 被検体に対する眼底映像の読取を支援する方法及びそれを利用した装置

Country Status (3)

Country Link
US (1) US11771318B2 (ja)
JP (1) JP7178672B6 (ja)
WO (1) WO2019083129A1 (ja)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6682218B2 (ja) 2015-09-07 2020-04-15 株式会社クレハ 深絞り成形用多層フィルム及びその製造方法
US12008748B2 (en) * 2018-05-31 2024-06-11 Vuno, Inc. Method for classifying fundus image of subject and device using same
US10943681B2 (en) * 2018-11-21 2021-03-09 Enlitic, Inc. Global multi-label generating system
CN110689080B (zh) * 2019-09-30 2023-04-18 天津工业大学 一种血管结构影像的平面图谱构建方法
CN111046717B (zh) * 2019-10-11 2024-01-30 平安科技(深圳)有限公司 眼底图像黄斑中心定位方法、装置、电子设备及存储介质
KR102306279B1 (ko) * 2020-01-29 2021-09-29 자이메드 주식회사 안저 영상판독 지원방법, 안저 영상판독 지원장치 및 이를 포함하는 안저 영상판독 지원 시스템
KR102414994B1 (ko) * 2020-06-05 2022-06-30 자이메드 주식회사 안저영상을 이용한 혈관질환 예측 지원방법 및 지원장치, 이를 포함하는 시스템
KR20210156007A (ko) * 2020-06-17 2021-12-24 주식회사 픽셀 디스플레이 시력 검사 장치, 방법 및 컴퓨터 판독 가능 저장 매체에 저장된 프로그램
CN112001920B (zh) 2020-10-28 2021-02-05 北京至真互联网技术有限公司 眼底图像识别方法及装置和设备
TWI746287B (zh) * 2020-11-26 2021-11-11 宏碁股份有限公司 影像處理系統及影像處理方法
TWI784688B (zh) * 2021-08-26 2022-11-21 宏碁股份有限公司 眼睛狀態評估方法及電子裝置
CN116934750B (zh) * 2023-09-15 2023-12-01 山东庆葆堂生物科技有限公司 一种醋蛋液生产质量评估方法

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3479788B2 (ja) * 1993-09-21 2003-12-15 株式会社トプコン 眼底疾患の解析装置
JP3508111B2 (ja) 1993-09-21 2004-03-22 株式会社トプコン 眼底疾患に関する解析装置
US5868134A (en) * 1993-09-21 1999-02-09 Kabushiki Kaisha Topcon Retinal disease analyzer
JPH09313447A (ja) * 1996-06-02 1997-12-09 Topcon Corp 眼底疾患に関する解析装置
JP3630857B2 (ja) * 1996-06-17 2005-03-23 キヤノン株式会社 眼科撮影装置
JP2002330951A (ja) 2001-05-11 2002-11-19 Canon Inc 画像符号化装置及び復号装置及び方法及びコンピュータプログラム及び記憶媒体
AU2008356237A1 (en) 2008-05-14 2009-11-19 Agency For Science, Technology And Research Automatic cup-to-disc ratio measurement system
JP5203858B2 (ja) * 2008-09-01 2013-06-05 富士フイルム株式会社 医用画像表示装置、医用画像表示方法、並びに医用画像表示プログラム
US20110190657A1 (en) 2009-08-10 2011-08-04 Carl Zeiss Meditec, Inc. Glaucoma combinatorial analysis
US8787638B2 (en) * 2011-04-07 2014-07-22 The Chinese University Of Hong Kong Method and device for retinal image analysis
KR20130000576A (ko) 2011-06-23 2013-01-03 주식회사 인피니트헬스케어 안구검진 단말 및 방법
KR101805624B1 (ko) 2011-08-29 2017-12-08 삼성전자주식회사 장기 모델 영상 생성 방법 및 장치
JP5935273B2 (ja) 2011-09-21 2016-06-15 学校法人 川崎学園 病変の様子を文章化するためのコンピュータプログラムおよび文章作成装置
JP6086345B2 (ja) 2012-11-29 2017-03-01 国立大学法人大阪大学 眼科装置
KR20140108417A (ko) * 2013-02-27 2014-09-11 김민준 영상정보를 이용한 건강 진단 시스템
GB201308131D0 (en) * 2013-05-07 2013-06-12 London School Hygiene & Tropical Medicine Ophthalmoscope
US8885901B1 (en) * 2013-10-22 2014-11-11 Eyenuk, Inc. Systems and methods for automated enhancement of retinal images
KR20150094080A (ko) 2014-02-10 2015-08-19 동명대학교산학협력단 의료용 영상 진단 장치
JP2016002380A (ja) * 2014-06-18 2016-01-12 キヤノン株式会社 画像処理装置、その作動方法及びプログラム
DE102014018516A1 (de) * 2014-12-12 2016-06-16 Carl Zeiss Meditec Ag System zur Augenuntersuchung mittels spannungsabhängiger Parameter
US9757023B2 (en) * 2015-05-27 2017-09-12 The Regents Of The University Of Michigan Optic disc detection in retinal autofluorescence images
WO2017031099A1 (en) * 2015-08-20 2017-02-23 Ohio University Devices and methods for classifying diabetic and macular degeneration
US10405739B2 (en) * 2015-10-23 2019-09-10 International Business Machines Corporation Automatically detecting eye type in retinal fundus images
CN106408562B (zh) * 2016-09-22 2019-04-09 华南理工大学 基于深度学习的眼底图像视网膜血管分割方法及系统

Similar Documents

Publication Publication Date Title
JP2021500180A5 (ja)
Gomez et al. Graspable objects grab attention more than images do
EP3600018B1 (en) Determining artery location using camera-based sensing
Ryan et al. The intersection between the oculomotor and hippocampal memory systems: empirical developments and clinical implications
JP7178672B6 (ja) 被検体に対する眼底映像の読取を支援する方法及びそれを利用した装置
US11523773B2 (en) Biofeedback for therapy in virtual and augmented reality
US10413176B2 (en) Inattention measurement device, system, and method
Fischer et al. Human areas V3A and V6 compensate for self-induced planar visual motion
US20200234813A1 (en) Multi-disciplinary clinical evaluation in virtual or augmented reality
Field et al. Neural systems in the visual control of steering
JP2017077413A5 (ja)
Tyler Evidence that Leonardo da Vinci had strabismus
Vijayalakshmi et al. Automated detection and classification of telemedical retinopathy of prematurity images
US10595764B2 (en) Emotion identification device, emotion identification method, and emotion identification program
KR20210141197A (ko) 원격 진료를 위한 증강현실 인터페이스 제공 방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체
JP7214986B2 (ja) 反射性判定装置、反射性判定方法、プログラム
JP6875864B2 (ja) 波形表示装置、波形表示方法、プログラム及び記憶媒体
Höglund et al. Värdebaserad vård–strategi för effektivare svensk sjukvård
WO2020157350A1 (es) Sistema y método de medida de la percepción de la profundidad en la visión
KR101845972B1 (ko) 사용자가 고려된 깊이 영상과 생체신호에 기반한 3차원 영상 시각피로도 측정방법 및 시스템
US9955884B2 (en) Method and system of monitoring cardiac function based on patient position
Chang Appearance-based gaze estimation and applications in healthcare
JP7458170B2 (ja) 学習装置、学習方法、および測定装置
Alahmadi Exploiting an understanding of human visual perception to facilitate human-machine electrocardiogram interpretation of drug-induced long QT syndrome
WO2022162469A1 (en) Systems and methods for assessing partial impulsivity in virtual or augmented reality