JP2022084511A - 画像処理システムおよび画像処理方法 - Google Patents
画像処理システムおよび画像処理方法 Download PDFInfo
- Publication number
- JP2022084511A JP2022084511A JP2021129318A JP2021129318A JP2022084511A JP 2022084511 A JP2022084511 A JP 2022084511A JP 2021129318 A JP2021129318 A JP 2021129318A JP 2021129318 A JP2021129318 A JP 2021129318A JP 2022084511 A JP2022084511 A JP 2022084511A
- Authority
- JP
- Japan
- Prior art keywords
- image
- deep learning
- optic nerve
- neural
- processor
- 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Abstract
Description
PT 患者
10 検眼鏡装置
A 前眼部開口
B 光色ノブ
C 鋼製リングノブ
DR 医師
LK データ伝送リンク
20 プロセッサ
200 画像処理方法
210~240 ステップ
310 カラー眼底画像
EB 眼球
OD 視神経乳頭(optic disc)
OC 視神経乳頭陥凹(optic cup)
320 画像セグメンテーション操作
330 血管セグメンテーション画像
L 最も厚い血管画像
W 長軸に垂直なもう1つの厚い血管画像
410 初期入力画像
420 深層学習モデル
430 視神経欠損状態
U1、U2 深層学習セグメンテーションネットワーク
600 画像処理方法
610~670 ステップ
800 ニューラル乳頭意味解析画像
POD ニューラル乳頭画像範囲
900 ニューラル乳頭陥凹意味解析画像
POC ニューラル乳頭陥凹画像範囲
Claims (20)
- カラー眼底画像を得るように構成された検眼鏡装置、および
前記カラー眼底画像を受信するように構成され、コンピュータビジョンアルゴリズムまたは深層学習モデルを用いて、前記カラー眼底画像に対応する血管セグメンテーション画像を生成し、前記カラー眼底画像と前記血管セグメンテーション画像を前処理して、初期入力画像を得て、前記初期入力画像を畳み込みニューラルネットワーク内に入力し、前記畳み込みニューラルネットワークは値を出力するプロセッサを含み、
前記プロセッサは、前記陥凹乳頭径比および値に従って眼底画像解析情報を生成する画像処理システム。 - 前記プロセッサは、前記値が閾値より大きいかどうかを判定するためにさらに用いられ、前記値が前記閾値より大きい場合、前記カラー眼底画像は異常であると見なされ、前記値が前記閾値より大きくない場合、前記カラー眼底画像は正常であると見なされる請求項1に記載の画像処理システム。
- 前記プロセッサは、視神経乳頭画像を前記カラー眼底画像に配置し、前記視神経乳頭画像を切り取り、前記視神経乳頭画像を第1の深層学習セグメンテーションネットワーク内に入力し、前記第1の深層学習セグメンテーションネットワークはニューラル乳頭意味解析画像を出力し、前記視神経乳頭画像を第2の深層学習セグメンテーションネットワーク内に入力し、前記第2の深層学習セグメンテーションネットワークはニューラル乳頭意味解析画像を出力し、前記ニューラル乳頭意味解析画像の白色領域を、前記ニューラル乳頭陥凹意味解析画像の白色領域で分割し、前記陥凹乳頭径比を得る請求項1に記載の画像処理システム。
- 前記第1の深層学習セグメンテーションネットワークは、第1のU-Net深層学習セグメンテーションネットワークであり、前記プロセッサが前記視神経乳頭画像を前記U-Net深層学習セグメンテーションネットワーク内に入力したとき、前記第1のU-Net深層学習セグメンテーションネットワークによって出力されたニューラル乳頭意味解析画像では、前記視神経乳頭画像範囲は白色であり、残りは黒色であり、
前記第2の深層学習セグメンテーションネットワークは、第2のU-Net深層学習セグメンテーションネットワークであり、前記プロセッサが前記視神経乳頭画像を前記U-Net深層学習セグメンテーションネットワーク内に入力したとき、前記第2のU-Net深層学習セグメンテーションネットワークによって出力されたニューラル乳頭陥凹意味解析画像では、前記視神経乳頭陥凹画像範囲は白色であり、残りは黒色であり、
前記視神経乳頭画像、前記ニューラル乳頭意味解析画像、および前記ニューラル神経陥凹意味解析画像の次元は同じである請求項3に記載の画像処理システム。 - 前記血管セグメンテーション画像は、グレースケール画像であり、前記前処理とは、前記カラー眼底画像と前記血管セグメンテーション画像を重ね合わせることを指す請求項1に記載の画像処理システム。
- 前記プロセッサは前記カラー眼底マップ内の赤色をフィルタリングした後、次いで、赤色がフィルタリングされた前記カラー眼底画像と前記血管セグメンテーション画像を重ね合わせる請求項5に記載の画像処理システム。
- 前記プロセッサは、前記初期入力画像をニューラルネットワーク内に入力し、前記ニューラルネットワークは、前記値を出力し、前記ニューラルネットワークは、トレーニングされていないU-Net深層学習セグメンテーションネットワークによって抽出された複数の特徴を分類し、次いで、分類後の前記複数の特徴が前記ニューラルネットワークに結合される請求項1に記載の画像処理システム。
- 前記プロセッサは、前記初期入力画像をニューラルネットワーク内に入力し、前記ニューラルネットワークは前記値を出力し、前記ニューラルネットワークは、トレーニングされたU-Net深層学習セグメンテーションネットワークによって抽出された複数の特徴を取り出し、各前記特徴に対応する重みを固定し、完全接続層(fully connected layer)の重みを調整してニューラルネットワークを生成する請求項1に記載の画像処理システム。
- 前記プロセッサが、前記視神経乳頭画像を切り出した後、前記視神経乳頭画像の中心点を原点とし、極座標変換を行って、極座標変換された視神経乳頭画像を生成し、前記プロセッサは、前記極座標変換された視神経乳頭画像を、前記第1の深層学習セグメンテーションネットワーク内に入力し、前記第1の深層学習セグメンテーションネットワークは、前記視神経乳頭意味解析画像を出力し、前記プロセッサは、前記極座標変換された視神経乳頭画像を、前記第2の深層学習セグメンテーションネットワーク内に入力し、前記第2の深層学習セグメンテーションネットワークは、前記視神経乳頭意味解析画像を出力する請求項3に記載の画像処理システム。
- 前記プロセッサは、前記血管セグメンテーション画像内で最も厚い血管画像を選択して、前記視神経乳頭画像の長軸を決定し、長軸に垂直な次に厚い血管画像を選択して、前記視神経乳頭画像の短軸を決定し、視神経乳頭陥凹画像の長軸は前記視神経乳頭画像の長軸に平行であり、視神経乳頭陥凹画像の短軸は前記視神経乳頭画像の短軸に平行であり、前記プロセッサは、楕円フィッティングアルゴリズムを用いて、前記視神経乳頭画像の長軸および前記視神経乳頭画像の短軸に従って前記視神経乳頭画像を切り出し、前記プロセッサは、楕円フィッティングアルゴリズムを用いて、前記視神経乳頭陥凹画像の長軸および前記視神経乳頭陥凹画像の短軸に従って前記視神経乳頭画像を切り出す請求項1に記載の画像処理システム。
- 検眼鏡装置からカラー眼底画像を得るステップ、および
前記カラー眼底画像をプロセッサで受信し、コンピュータビジョンアルゴリズムまたは深層学習モデルを用いて、前記カラー眼底画像に対応する血管セグメンテーション画像を生成し、前記カラー眼底画像と前記血管セグメンテーション画像を前処理して、初期入力画像を得て、前記初期入力画像を畳み込みニューラルネットワーク内に入力し、前記畳み込みニューラルネットワークは値を出力するステップを含み、
前記プロセッサは、前記陥凹乳頭径比および値に従って眼底画像解析情報を生成する画像処理方法。 - 前記プロセッサは、前記値が閾値より大きいかどうかを判定するステップをさらに含み、
前記値が前記閾値より大きい場合、前記カラー眼底画像は異常であると見なされ、前記値が前記閾値より大きくない場合、前記カラー眼底画像は正常であると見なされる請求項11に記載の画像処理方法。 - 前記プロセッサは、視神経乳頭画像を前記カラー眼底画像に配置し、前記視神経乳頭画像を切り取るステップ、
前記視神経乳頭画像を第1の深層学習セグメンテーションネットワーク内に入力し、前記第1の深層学習セグメンテーションネットワークからニューラル乳頭意味解析画像を出力するステップ、
前記視神経乳頭画像を第2の深層学習セグメンテーションネットワーク内に入力し、前記第2の深層学習セグメンテーションネットワークからニューラル乳頭意味解析画像を出力するステップ、および
前記ニューラル乳頭意味解析画像の白色領域を、前記ニューラル乳頭陥凹意味解析画像の白色領域で分割し、前記陥凹乳頭径比を得るステップをさらに含む請求項11に記載の画像処理方法。 - 前記第1の深層学習セグメンテーションネットワークは、第1のU-Net深層学習セグメンテーションネットワークであり、前記プロセッサが前記視神経乳頭画像を前記U-Net深層学習セグメンテーションネットワーク内に入力したとき、前記第1のU-Net深層学習セグメンテーションネットワークによって出力されたニューラル乳頭意味解析画像では、前記視神経乳頭画像範囲は白色であり、残りは黒色であり、
前記第2の深層学習セグメンテーションネットワークは、第2のU-Net深層学習セグメンテーションネットワークであり、前記プロセッサが前記視神経乳頭画像を前記U-Net深層学習セグメンテーションネットワーク内に入力したとき、前記第2のU-Net深層学習セグメンテーションネットワークによって出力されたニューラル乳頭陥凹意味解析画像では、前記視神経乳頭陥凹画像範囲は白色であり、残りは黒色であり、
前記視神経乳頭画像、前記ニューラル乳頭意味解析画像、および前記ニューラル神経陥凹意味解析画像の次元は同じである請求項13に記載の画像処理方法。 - 前記血管セグメンテーション画像は、グレースケール画像であり、前記前処理とは、前記カラー眼底画像と前記血管セグメンテーション画像を重ね合わせることを指す請求項11に記載の画像処理方法。
- 前記カラー眼底マップ内の赤色をフィルタリングした後、次いで、赤色がフィルタリングされた前記カラー眼底画像と前記血管セグメンテーション画像を重ね合わせる請求項15に記載の画像処理方法。
- 前記初期入力画像をニューラルネットワーク内に入力し、前記ニューラルネットワークから前記値を出力するステップをさらに含み、
前記ニューラルネットワークは、トレーニングされていないU-Net深層学習セグメンテーションネットワークによって抽出された複数の特徴を分類し、次いで、分類後の前記複数の特徴が前記ニューラルネットワークに結合される請求項11に記載の画像処理方法。 - 前記ニューラルネットワークが前記値を出力した後、前記初期入力画像をニューラルネットワーク内に入力するステップをさらに含み、
前記ニューラルネットワークは、トレーニングされたU-Net深層学習セグメンテーションネットワークによって抽出された複数の特徴を取り出し、各前記特徴に対応する重みを固定し、完全接続層(fully connected layer)の重みを調整してニューラルネットワークを生成する請求項11に記載の画像処理方法。 - 前記視神経乳頭画像を切り出した後、前記視神経乳頭画像の中心点を原点とし、極座標変換を行って、極座標変換された視神経乳頭画像を生成するステップ、
前記極座標変換された視神経乳頭画像を、前記第1の深層学習セグメンテーションネットワーク内に入力し、前記第1の深層学習セグメンテーションネットワークから前記視神経乳頭意味解析画像を出力するステップ、および
前記極座標変換された視神経乳頭画像を、前記第2の深層学習セグメンテーションネットワーク内に入力し、前記第2の深層学習セグメンテーションネットワークから前記視神経乳頭意味解析画像を出力するステップをさらに含む請求項13に記載の画像処理方法。 - 前記血管セグメンテーション画像内で最も厚い血管画像を選択して、前記視神経乳頭画像の長軸を決定するステップ、
長軸に垂直な次に厚い血管画像を選択して、前記視神経乳頭画像の短軸を決定するステップ、
その中の視神経乳頭陥凹画像の長軸は前記視神経乳頭画像の長軸に平行であり、視神経乳頭陥凹画像の短軸は前記視神経乳頭画像の短軸に平行であり、
楕円フィッティングアルゴリズムを用いて、前記視神経乳頭画像の長軸および前記視神経乳頭画像の短軸に従って前記視神経乳頭画像を切り出すステップ、および
前記プロセッサは、楕円フィッティングアルゴリズムを用いて、前記視神経乳頭陥凹画像の長軸および前記視神経乳頭陥凹画像の短軸に従って前記視神経乳頭画像を切り出すステップをさらに含む請求項11に記載の画像処理方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109141552 | 2020-11-26 | ||
TW109141552A TWI746287B (zh) | 2020-11-26 | 2020-11-26 | 影像處理系統及影像處理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022084511A true JP2022084511A (ja) | 2022-06-07 |
JP7270686B2 JP7270686B2 (ja) | 2023-05-10 |
Family
ID=75252473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021129318A Active JP7270686B2 (ja) | 2020-11-26 | 2021-08-05 | 画像処理システムおよび画像処理方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11887299B2 (ja) |
EP (1) | EP4006833A1 (ja) |
JP (1) | JP7270686B2 (ja) |
TW (1) | TWI746287B (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11580673B1 (en) * | 2019-06-04 | 2023-02-14 | Duke University | Methods, systems, and computer readable media for mask embedding for realistic high-resolution image synthesis |
CN111862187B (zh) * | 2020-09-21 | 2021-01-01 | 平安科技(深圳)有限公司 | 基于神经网络的杯盘比确定方法、装置、设备及存储介质 |
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 |
CN117689893B (zh) * | 2024-02-04 | 2024-06-04 | 智眸医疗(深圳)有限公司 | 激光扫描超广角眼底图像语义分割方法、系统及终端 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018046958A (ja) * | 2016-09-21 | 2018-03-29 | 株式会社トプコン | 眼科撮影装置及び眼科画像処理装置 |
CN110992382A (zh) * | 2019-12-30 | 2020-04-10 | 四川大学 | 用于辅助青光眼筛查的眼底图像视杯视盘分割方法及系统 |
CN111863241A (zh) * | 2020-07-10 | 2020-10-30 | 北京化工大学 | 一种基于集成深度学习的眼底照分类系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10405739B2 (en) * | 2015-10-23 | 2019-09-10 | International Business Machines Corporation | Automatically detecting eye type in retinal fundus images |
WO2018095994A1 (en) | 2016-11-22 | 2018-05-31 | Delphinium Clinic Ltd. | Method and system for classifying optic nerve head |
CN108771530B (zh) * | 2017-05-04 | 2021-03-30 | 深圳硅基智能科技有限公司 | 基于深度神经网络的眼底病变筛查系统 |
WO2019083129A1 (ko) * | 2017-10-27 | 2019-05-02 | 주식회사 뷰노 | 피검체에 대한 안저 영상의 판독을 지원하는 방법 및 이를 이용한 장치 |
JP7229881B2 (ja) * | 2018-08-14 | 2023-02-28 | キヤノン株式会社 | 医用画像処理装置、学習済モデル、医用画像処理方法及びプログラム |
JP2020103714A (ja) * | 2018-12-28 | 2020-07-09 | 株式会社トプコン | 血流計測装置、その制御方法、プログラム、及び記録媒体 |
CN110033422B (zh) * | 2019-04-10 | 2021-03-23 | 北京科技大学 | 一种眼底oct图像融合方法及装置 |
CN111724381B (zh) * | 2020-06-24 | 2022-11-01 | 武汉互创联合科技有限公司 | 基于多视图交叉验证的显微图像细胞计数与姿态识别方法 |
-
2020
- 2020-11-26 TW TW109141552A patent/TWI746287B/zh active
-
2021
- 2021-03-04 US US17/191,909 patent/US11887299B2/en active Active
- 2021-03-26 EP EP21165333.2A patent/EP4006833A1/en active Pending
- 2021-08-05 JP JP2021129318A patent/JP7270686B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018046958A (ja) * | 2016-09-21 | 2018-03-29 | 株式会社トプコン | 眼科撮影装置及び眼科画像処理装置 |
CN110992382A (zh) * | 2019-12-30 | 2020-04-10 | 四川大学 | 用于辅助青光眼筛查的眼底图像视杯视盘分割方法及系统 |
CN111863241A (zh) * | 2020-07-10 | 2020-10-30 | 北京化工大学 | 一种基于集成深度学习的眼底照分类系统 |
Also Published As
Publication number | Publication date |
---|---|
TWI746287B (zh) | 2021-11-11 |
EP4006833A1 (en) | 2022-06-01 |
JP7270686B2 (ja) | 2023-05-10 |
US20220164947A1 (en) | 2022-05-26 |
TW202221637A (zh) | 2022-06-01 |
US11887299B2 (en) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7270686B2 (ja) | 画像処理システムおよび画像処理方法 | |
CN109784337B (zh) | 一种黄斑区识别方法、装置及计算机可读存储介质 | |
US10441160B2 (en) | Method and system for classifying optic nerve head | |
Patton et al. | Retinal image analysis: concepts, applications and potential | |
JP7413147B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN114207736A (zh) | 信息处理装置、信息处理方法、信息处理系统和程序 | |
JP2016002380A (ja) | 画像処理装置、その作動方法及びプログラム | |
JP7264195B2 (ja) | 画像処理方法、画像処理プログラム、画像処理装置、画像表示装置、及び画像表示方法 | |
WO2017020045A1 (en) | System and methods for malarial retinopathy screening | |
US20210259546A1 (en) | Portable system for identifying potential cases of diabetic macular oedema using image processing and artificial intelligence | |
JP7332463B2 (ja) | 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 | |
Attiku et al. | Current status and future possibilities of retinal imaging in diabetic retinopathy care applicable to low-and medium-income countries | |
Tobin Jr et al. | Characterization of the optic disc in retinal imagery using a probabilistic approach | |
CN115272255A (zh) | 一种利用眼底彩照自动生成荧光造影图像的方法 | |
Nirmala et al. | Retinal image analysis: A review | |
JP7457315B2 (ja) | 情報処理装置、推論モデル生成方法、情報処理方法、及びプログラム | |
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 | |
WO2022097620A1 (ja) | 眼科情報処理装置、眼科装置、眼科情報処理方法、及びプログラム | |
JP7494855B2 (ja) | 画像処理方法、画像処理装置、及び画像処理プログラム | |
JP2021145805A (ja) | 眼科情報処理装置、眼科装置、眼科情報処理方法、及びプログラム | |
CN114764777A (zh) | 影像处理系统及影像处理方法 | |
CN116894805B (zh) | 基于广角眼底图像的病变特征的识别系统 | |
CN113592780B (zh) | 一种眼底图像分类方法、装置、设备及存储介质 | |
WO2022157838A1 (ja) | 画像処理方法、プログラム、画像処理装置、眼科システム | |
US20240081642A1 (en) | En face retinal vessel shadow view optical coherence tomography images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210805 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210816 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211008 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220720 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221020 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230111 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230306 |
|
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: 20230328 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230425 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7270686 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |