JP7305046B2 - 画像分類方法及び装置並びに機器 - Google Patents
画像分類方法及び装置並びに機器 Download PDFInfo
- Publication number
- JP7305046B2 JP7305046B2 JP2022527909A JP2022527909A JP7305046B2 JP 7305046 B2 JP7305046 B2 JP 7305046B2 JP 2022527909 A JP2022527909 A JP 2022527909A JP 2022527909 A JP2022527909 A JP 2022527909A JP 7305046 B2 JP7305046 B2 JP 7305046B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- array
- classified
- signal waveform
- pixel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 66
- 238000010586 diagram Methods 0.000 claims description 79
- 230000006835 compression Effects 0.000 claims description 36
- 238000007906 compression Methods 0.000 claims description 36
- 238000009499 grossing Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 5
- 210000001747 pupil Anatomy 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000003491 array Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 206010025421 Macule Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- WPPDXAHGCGPUPK-UHFFFAOYSA-N red 2 Chemical compound C1=CC=CC=C1C(C1=CC=CC=C11)=C(C=2C=3C4=CC=C5C6=CC=C7C8=C(C=9C=CC=CC=9)C9=CC=CC=C9C(C=9C=CC=CC=9)=C8C8=CC=C(C6=C87)C(C=35)=CC=2)C4=C1C1=CC=CC=C1 WPPDXAHGCGPUPK-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V10/86—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using syntactic or structural representations of the image or video pattern, e.g. symbolic string recognition; using graph matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Eye Examination Apparatus (AREA)
Description
分類対象の画像を含む、分類対象の画像データセットを入力することと、
前記分類対象の画像の中心を基準中心点とし、特定領域を含むプリセットサイズの画像を標準画像として切り取ることと、
前記標準画像におけるいずれかの単一チャネルの画素値配列を選択し、前記画素値配列に基づいて、対応する信号波形図を描画することと、
前記信号波形図に基づいて前記分類対象の画像のカテゴリを決定することと、を含む、画像分類方法を提供する。
画像サイズ及び/又は画像色に基づいて、前記画像データセットにおける分類対象の画像をフィルタリングする操作をさらに含む。
前記標準画像におけるいずれかの単一チャネルの画素値配列を選択することと、
前記画素値配列における行画素配列と列画素配列に対してそれぞれ行圧縮と列圧縮を実行して、行画素圧縮配列と列画素圧縮配列を得ることと、
前記行画素圧縮配列と前記列画素圧縮配列に対して曲線平滑化処理を実行することと、
平滑化処理後の前記行画素圧縮配列と前記列画素圧縮配列に基づいて、対応する前記信号波形図を描画することと、を含む。
y_row=img_r.sum(axis=0)#画素値行圧縮と、
y_col=img_r.sum(axis=1)#画素値列圧縮とを使用して実行し、
ここで、axisは、画素値の和の次元を表し、axis=0は、各行の画素値の和を表し、axis=1は、各列の画素値の和を表す。
前記信号波形図における信号波形曲線における画素値変化率のパーセント、前記信号波形曲線における各ピークの尖度及び前記信号波形曲線における列振幅の行振幅に占めるパーセントのうちの少なくとも1つに基づいて、前記分類対象の画像のカテゴリを決定することを含む。
ピーク属性に基づいて前記信号波形図における各ピークを検出し、前記信号波形図における各ピークの尖度を計算し、各ピークの尖度に基づいて前記信号波形図を処理することをさらに含み、
ここで、各ピークの尖度に基づいて前記信号波形図を処理することは、尖度が予め設定された尖度の最小閾値より小さいピークを除去する操作を含む。
前記分類対象の画像を前処理し、前記分類対象の画像におけるラベル領域を位置決めし、位置決めされた前記ラベル領域の形状に基づいて前記分類対象の画像のカテゴリを決定することをさらに含む。
前記データ入力モジュールは、分類対象の画像を含む、分類対象の画像データセットを入力するように配置され、
前記画像切り取りモジュールは、前記分類対象の画像の中心を基準中心点とし、特定領域を含むプリセットサイズの画像を標準画像として切り取るように配置され、
前記波形図描画モジュールは、前記標準画像におけるいずれかの単一チャネルの画素値配列を選択し、前記画素値配列に基づいて、対応する信号波形図を描画するように配置され、
前記第1カテゴリ決定モジュールは、前記信号波形図に基づいて、前記分類対象の画像のカテゴリを決定するように配置される。
プロセッサと、
プロセッサ実行可能命令を記憶するためのメモリと、を含む、画像分類機器をさらに提供し、
そのうち、前記プロセッサは、前記実行可能命令を実行するときに前のいずれかに記載の方法を実施するように配置される。
y_col=img_r.sum(axis=1)#画素値列圧縮。
フィルタリング、階調変換、2値化等の処理を含むことができる。すなわち、前処理操作は、具体的には、以下のとおりである。標準画像に対してガウスフィルタリングを実行し、一部のノイズ点を除去し、ここで、cv2.GaussianBlurを使用してガウスフィルタリングを実行することができ、ガウスカーネルサイズは(5,5)を選択する。
Claims (10)
- 分類対象の画像を含む、分類対象の画像データセットを入力することと、
前記分類対象の画像の中心を基準中心点とし、特定領域を含むプリセットサイズの画像を標準画像として切り取ることと、
前記標準画像におけるいずれかの単一チャネルの画素値配列を選択し、前記画素値配列に基づいて、対応する信号波形図を描画することと、
前記信号波形図に基づいて前記分類対象の画像のカテゴリを決定することと、を含むことを特徴とする画像分類方法。 - 分類対象の画像データセットを入力した後、
画像サイズ及び/又は画像色に基づいて前記画像データセットにおける分類対象の画像をフィルタリングする操作をさらに含むことを特徴とする請求項1に記載の方法。 - 前記標準画像におけるいずれかの単一チャネルの画素値配列を選択し、前記画素値配列に基づいて、対応する信号波形図を描画することは、
前記標準画像におけるいずれかの単一チャネルの画素値配列を選択することと、
前記画素値配列における行画素配列と列画素配列に対してそれぞれ行圧縮と列圧縮を実行して、行画素圧縮配列と列画素圧縮配列を得ることと、
前記行画素圧縮配列と前記列画素圧縮配列に対して曲線平滑化処理を実行することと、
平滑化処理後の前記行画素圧縮配列と前記列画素圧縮配列に基づいて、対応する前記信号波形図を描画することと、を含むことを特徴とする請求項1に記載の方法。 - 前記画素値配列における行画素配列と列画素配列に対してそれぞれ行圧縮と列圧縮を実行する場合、
y_row=img_r.sum(axis=0)#画素値行圧縮と、
y_col=img_r.sum(axis=1)#画素値列圧縮とを使用して実行し、
ここで、axisは、画素値の和の次元を表し、axis=0は、各行の画素値の和を表し、axis=1は、各列の画素値の和を表すことを特徴とする請求項3に記載の方法。 - 前記行画素圧縮配列と前記列画素圧縮配列に対して曲線平滑化処理を実行した後、平滑化処理後の行画素圧縮配列と列画素圧縮配列に対して対数演算処理を実行する操作をさらに含むことを特徴とする請求項3に記載の方法。
- 前記信号波形図に基づいて前記分類対象の画像のカテゴリを決定することは、
前記信号波形図における信号波形曲線における画素値変化率のパーセント、前記信号波形曲線における各ピークの尖度及び前記信号波形曲線における列振幅の行振幅に占めるパーセントのうちの少なくとも1つに基づいて、前記分類対象の画像のカテゴリを決定することを含むことを特徴とする請求項1~5のいずれか一項に記載の方法。 - 前記画素値配列に基づいて、対応する信号波形図を描画するとき、
ピーク属性に基づいて前記信号波形図における各ピークを検出し、前記信号波形図における各ピークの尖度を計算し、各ピークの尖度に基づいて前記信号波形図を処理することをさらに含み、
ここで、各ピークの尖度に基づいて前記信号波形図を処理することは、尖度が予め設定された尖度の最小閾値より小さいピークを除去する操作を含むことを特徴とする請求項1又は3に記載の方法。 - 前記分類対象の画像を前処理し、前記分類対象の画像におけるラベル領域を位置決めし、位置決めされた前記ラベル領域の形状に基づいて前記分類対象の画像のカテゴリを決定することをさらに含む請求項1~5のいずれか一項に記載の方法。
- データ入力モジュール、画像切り取りモジュール、波形図描画モジュール及び第1カテゴリ決定モジュールを含み、
前記データ入力モジュールは、分類対象の画像を含む、分類対象の画像データセットを入力するように配置され、
前記画像切り取りモジュールは、前記分類対象の画像の中心を基準中心点とし、特定領域を含むプリセットサイズの画像を標準画像として切り取るように配置され、
前記波形図描画モジュールは、前記標準画像におけるいずれかの単一チャネルの画素値配列を選択し、前記画素値配列に基づいて、対応する信号波形図を描画するように配置され、
前記第1カテゴリ決定モジュールは、前記信号波形図に基づいて、前記分類対象の画像のカテゴリを決定するように配置されることを特徴とする画像分類装置。 - プロセッサと、
プロセッサ実行可能命令を記憶するためのメモリと、を含み、
そのうち、前記プロセッサは、前記実行可能命令を実行するときに請求項1~8のいずれか一項に記載の方法を実施するように配置されることを特徴とする画像分類機器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110322703.6A CN112801049B (zh) | 2021-03-26 | 2021-03-26 | 图像分类方法和装置及设备 |
CN202110322703.6 | 2021-03-26 | ||
PCT/CN2021/112932 WO2022198898A1 (zh) | 2021-03-26 | 2021-08-17 | 图像分类方法和装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023522511A JP2023522511A (ja) | 2023-05-31 |
JP7305046B2 true JP7305046B2 (ja) | 2023-07-07 |
Family
ID=75815763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022527909A Active JP7305046B2 (ja) | 2021-03-26 | 2021-08-17 | 画像分類方法及び装置並びに機器 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240046632A1 (ja) |
JP (1) | JP7305046B2 (ja) |
CN (1) | CN112801049B (ja) |
WO (1) | WO2022198898A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7368656B2 (ja) | 2021-09-30 | 2023-10-24 | 旭化成ワッカーシリコーン株式会社 | 熱伝導性シリコーン組成物および該組成物を使用するギャップフィラーの製造方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801049B (zh) * | 2021-03-26 | 2021-07-23 | 北京至真互联网技术有限公司 | 图像分类方法和装置及设备 |
CN116320459B (zh) * | 2023-01-08 | 2024-01-23 | 南阳理工学院 | 一种基于人工智能的计算机网络通信数据处理方法及系统 |
CN116071725B (zh) * | 2023-03-06 | 2023-08-08 | 四川蜀道新能源科技发展有限公司 | 一种路面标线识别方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080085048A1 (en) | 2006-10-05 | 2008-04-10 | Department Of The Navy | Robotic gesture recognition system |
CN106446936A (zh) | 2016-09-06 | 2017-02-22 | 哈尔滨工业大学 | 基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法 |
CN108596169A (zh) | 2018-03-12 | 2018-09-28 | 北京建筑大学 | 基于视频流图像的分块信号转换与目标检测方法及装置 |
CN108921076A (zh) | 2018-09-21 | 2018-11-30 | 南京信息工程大学 | 基于图像的道面裂缝病害自适应恒虚警检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359693A (zh) * | 2018-10-24 | 2019-02-19 | 国网上海市电力公司 | 一种电能质量扰动分类方法 |
CN111814564B (zh) * | 2020-06-09 | 2024-07-12 | 广州视源电子科技股份有限公司 | 基于多光谱图像的活体检测方法、装置、设备和存储介质 |
CN112801049B (zh) * | 2021-03-26 | 2021-07-23 | 北京至真互联网技术有限公司 | 图像分类方法和装置及设备 |
-
2021
- 2021-03-26 CN CN202110322703.6A patent/CN112801049B/zh active Active
- 2021-08-17 JP JP2022527909A patent/JP7305046B2/ja active Active
- 2021-08-17 US US17/642,568 patent/US20240046632A1/en active Pending
- 2021-08-17 WO PCT/CN2021/112932 patent/WO2022198898A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080085048A1 (en) | 2006-10-05 | 2008-04-10 | Department Of The Navy | Robotic gesture recognition system |
CN106446936A (zh) | 2016-09-06 | 2017-02-22 | 哈尔滨工业大学 | 基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法 |
CN108596169A (zh) | 2018-03-12 | 2018-09-28 | 北京建筑大学 | 基于视频流图像的分块信号转换与目标检测方法及装置 |
CN108921076A (zh) | 2018-09-21 | 2018-11-30 | 南京信息工程大学 | 基于图像的道面裂缝病害自适应恒虚警检测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7368656B2 (ja) | 2021-09-30 | 2023-10-24 | 旭化成ワッカーシリコーン株式会社 | 熱伝導性シリコーン組成物および該組成物を使用するギャップフィラーの製造方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112801049A (zh) | 2021-05-14 |
US20240046632A1 (en) | 2024-02-08 |
CN112801049B (zh) | 2021-07-23 |
JP2023522511A (ja) | 2023-05-31 |
WO2022198898A1 (zh) | 2022-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7305046B2 (ja) | 画像分類方法及び装置並びに機器 | |
CN110120040B (zh) | 切片图像处理方法、装置、计算机设备和存储介质 | |
Shoieb et al. | Computer-aided model for skin diagnosis using deep learning | |
CN109978890B (zh) | 基于图像处理的目标提取方法、装置及终端设备 | |
EP2888718B1 (en) | Methods and systems for automatic location of optic structures in an image of an eye, and for automatic retina cup-to-disc ratio computation | |
Liu et al. | A framework of wound segmentation based on deep convolutional networks | |
CN109154978A (zh) | 用于检测植物疾病的系统和方法 | |
EP2323418A1 (en) | Image processing apparatus, method and program | |
Raffei et al. | A low lighting or contrast ratio visible iris recognition using iso-contrast limited adaptive histogram equalization | |
CN110879982A (zh) | 一种人群计数系统及方法 | |
CN110880177A (zh) | 一种图像识别方法及装置 | |
Guo et al. | EMFN: enhanced multi-feature fusion network for hard exudate detection in fundus images | |
CN113344894A (zh) | 眼底豹纹斑特征提取及特征指数确定的方法和装置 | |
CN116758336A (zh) | 一种基于人工智能的医学图像智能分析系统 | |
Chayadevi et al. | Usage of art for automatic malaria parasite identification based on fractal features | |
Abusham | Image Processing Technique for the Detection of Alberseem Leaves Diseases Based on Soft Computing | |
Badeka et al. | Evaluation of LBP variants in retinal blood vessels segmentation using machine learning | |
Fondón et al. | Automatic optic cup segmentation algorithm for retinal fundus images based on random forest classifier | |
CN112669273A (zh) | 眼底图像中玻璃膜疣自动分割方法、装置及可读存储介质 | |
KR102430946B1 (ko) | 소장 정결도를 진단하는 시스템 및 방법 | |
CN112288697A (zh) | 用于量化异常程度的方法、装置、电子设备及可读存储介质 | |
Roy et al. | Detection of retinal microaneurysms using fractal analysis and feature extraction technique | |
Zhou et al. | Automatic fovea center localization in retinal images using saliency-guided object discovery and feature extraction | |
Reza et al. | Automatic detection of optic disc in fundus images by curve operator | |
CN115100178A (zh) | 一种眼底血管形态特征评估的方法、装置、介质和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20220623 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220510 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20220623 |
|
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: 20230613 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230627 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7305046 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |