JP7448470B2 - 画像分類装置の作動方法、装置及びプログラム - Google Patents
画像分類装置の作動方法、装置及びプログラム Download PDFInfo
- Publication number
- JP7448470B2 JP7448470B2 JP2020503638A JP2020503638A JP7448470B2 JP 7448470 B2 JP7448470 B2 JP 7448470B2 JP 2020503638 A JP2020503638 A JP 2020503638A JP 2020503638 A JP2020503638 A JP 2020503638A JP 7448470 B2 JP7448470 B2 JP 7448470B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- tear film
- film interference
- interference fringe
- color
- 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
- 238000011017 operating method Methods 0.000 title claims description 3
- 238000000034 method Methods 0.000 claims description 59
- 208000003556 Dry Eye Syndromes Diseases 0.000 claims description 41
- 206010013774 Dry eye Diseases 0.000 claims description 41
- 238000012360 testing method Methods 0.000 claims description 32
- 210000000744 eyelid Anatomy 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 description 22
- 238000001704 evaporation Methods 0.000 description 15
- 230000008020 evaporation Effects 0.000 description 15
- 239000012530 fluid Substances 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 230000000052 comparative effect Effects 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 9
- 239000003086 colorant Substances 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 6
- 239000007788 liquid Substances 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 210000004087 cornea Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 210000001508 eye Anatomy 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000004397 blinking Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 210000000720 eyelash Anatomy 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 210000004175 meibomian gland Anatomy 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 102000003886 Glycoproteins Human genes 0.000 description 1
- 108090000288 Glycoproteins Proteins 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- A61B3/101—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for examining the tear film
-
- 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
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/1015—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for wavefront analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Ophthalmology & Optometry (AREA)
- Surgery (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Description
(1)ドライアイのタイプにより分類された複数の学習用涙液層干渉縞画像から特徴量を取得するステップと、前記特徴量から前記ドライアイのタイプに画像を分類するためのモデルを前記ドライアイのタイプに応じてそれぞれ構築し、前記モデルから前記ドライアイのタイプに応じた分類器を得るステップと、試験用涙液層干渉縞画像から特徴量を取得するステップと、前記試験用涙液層干渉縞画像から取得した特徴量により前記分類器によって前記試験用涙液層干渉縞画像を前記ドライアイのタイプにより分類する分類処理を行うステップと、を有する画像分類装置の作動方法であって、前記特徴量は、画像の色に関する情報であって、色彩、色の多様性、色の鮮やかさ、局所的な色のばらつきに係る情報のうちの少なくとも一の情報であって、
前記モデルは、前記特徴量の種類の数を次元数とする特徴ベクトルである、ことを特徴とする。
(2)上記(1)において、前記色彩に係る情報とは、赤色及び青色輝度画像の少なくともいずれか一方の輝度平均に基づく情報である。
(3)上記(1)又は(2)において、前記色の多様性に係る情報とは、赤及び青色輝度画像の少なくともいずれか一方の輝度の標準偏差に基づく情報である。
(4)上記(1)乃至(3)のいずれかにおいて、前記色の鮮やかさに係る情報とは、画素の輝度の差分値に基づく情報である。
(5)上記(1)乃至(4)のいずれかにおいて、前記局所的な色のばらつきとは、注目画素の輝度と前記注目画素の周辺画素の輝度から算出される標準偏差に基づく情報である。
(6)上記(1)乃至(5)のいずれかにおいて、前記試験用涙液層干渉縞画像が動画像の場合、所定の複数フレームについて前記分類処理を行い、最頻の結果を前記動画像による試験用涙液層干渉縞画像の分類結果とする。
(7)上記(1)乃至(6)のいずれかにおいて、前記学習用涙液層干渉縞画像および前記試験用涙液層干渉縞画像における所定領域から特徴量を取得する。
(8)上記(1)乃至(7)のいずれかにおいて、前記学習用涙液層干渉縞画像および前記試験用涙液層干渉縞画像とは、開瞼検知から一定時間の動画像、もしくは、開瞼検知から一定時間内の任意のタイミングで取得された1以上の静止画である。
(9)上記(8)において、前記一定時間とは、5秒間である請求項1乃至9のいずれか1項に記載の画像分類方法。
角膜表面における涙液層の干渉縞画像を取得するための装置(涙液層干渉縞画像取得装置)については、撮影した画像をデジタルデータとして記録できるものであればよく、従来既知のものを適宜用いればよい。例えば、図1に概略を示すように、涙液層干渉縞画像取得装置は、光源11から発せられ、絞りを通過した光線は、順にレンズ12、スプリッタ13、対物レンズ14を経て、被検者の被検眼の前眼部15に集光される。前眼部15からの反射光は、対物レンズ14およびスプリッタ13を通過し、結像レンズ16を経て撮像素子17上に結像される。撮像素子17に結像された撮影データは、画像処理エンジンによる所定の処理が施され、静止画像データ、動画像データに変換される。
[式1]
変動係数 = 輝度の標準偏差 / 輝度平均値
本発明において用いる色情報としては、例えば、多くの電子画像機器で用いられている方式である、赤、緑、青の3色の色要素(RGB色空間の数値)を用いる方法がある。具体的には、各画素の色情報とは、画素が持つ赤、緑、青の色要素の輝度である。
そこで、本発明については、涙液層干渉縞画像について以下のような特徴量を用いることで、機械学習のよる涙液層干渉縞画像のドライアイタイプの分類の精度向上を可能にした。本発明で用いることのできる特徴量は、例えば以下のものが挙げられる。
(1)Red[AVG]:画像を光の三原色の3つの層に分け、そのうちの赤色の輝度画像について、解析対象領域の画素の輝度の平均値を求めたものである。
(2)Red[SD]:上記の赤色輝度画像の解析対象領域の画素輝度のばらつきを標準偏差として求めたものである。
(3)Blue[AVG]:青色輝度画像に対して平均値を求めたものである。
(4)Blue[SD]:青色輝度画像に対して標準偏差を求めたものである。
(5)Diff[AVG]:解析対象領域内の全ての画素に対して以下を行う。
(a)注目画素の赤、緑、青の各輝度の値を得る。
(b)それら3つの値のうちの最大値から最小値を差し引いた差分値を求める。(例えば各色の輝度が「赤:192、緑:184、青:164」の場合の差分値は「差分値=192-164=28」となる。)
(c)これを領域内すべての画素に対して計算して差分画像を得る。
(d)得られた画像に対して領域内の画素輝度の平均値を求めたものが「Diff[AVG]」である。
(6)Diff[SD]:上記(5)-(c)で得た差分画像に対して、解析対象領域内の画素輝度の標準偏差を求めたものである。
(7)√Area:上記(5)-(c)で得た差分画像に対して、解析対象領域内の画素がある閾値よりも大きかった画素の総数を得、その総数(=面積)の平方根を算出した値である。
(8)SD[RED]:赤色輝度画像の解析対象領域において以下を行う。
(a)注目画素から半径R(Rは任意の値)の範囲に含まれる画素の輝度のばらつきを標準偏差として得る。
(b)得られた値をその画素の部位(X,Y座標)の値として記録し、これを解析対象領域全体に対して行い標準偏差画像を生成する。
(c)標準偏差画像の解析対象領域において標準偏差画像の輝度値のばらつきを算出したものがSD[RED]である。
(9)SD[BLUE]:青色輝度画像の解析対象領域において上記(8)と同様の処理を行って標準偏差を算出する。
(10)Ratio[UPPER]:解析対象領域内の上方の所定画素に対して以下を行う。
(a)注目画素の赤、緑、青の輝度から上記(5)-(b)と同様に輝度値の最大成分値と最小成分値を得る。
(b)赤、緑、青の全ての輝度値が閾値以上の場合に以下を行う。
Ratio=max/min。すなわち、得られた最大値を最小値で除した値を「Ratio」とする。
(c)Ratio値がある閾値より大きい画素の数を計数したものが「Ratio[UPPER]」である。
(11)Ratio[BOTTOM]:解析対象領域内の下方の所定の画素に対して上記(10)と同様のことを行い「Ratio[BOTTOM]」を得る。
本発明における画像分類の処理の流れの一例を図3に示す。画像分類装置は、それぞれのドライタイプ涙液層干渉縞画像を学習用画像について解析を行うが、涙液層干渉縞画像は、角膜が曲率を有するため、涙液層干渉縞が表れている領域とその周囲の輝度が著しく低い暗領域とが存在するため、この暗領域は不要な領域として除外し涙液層干渉縞が表れている領域(一般的には画像中央に略円形領域として表れる。)を解析対象領域とするのが望ましい。また、特に涙液層干渉縞画像の上方に表れることの多い、瞼や睫毛による欠失部分も不要な領域として解析対象領域から除外するのが望ましい。
画像分類装置は、その「健常者」の涙液層干渉縞画像の解析対象領域について上記特徴量を取得し記憶する。本発明における特徴量は上記のとおり11種類を例示したが、これを全て用いなくてもよいし、更に所定の演算を加えたものを特徴量として採用してもよい。取得する特徴量の種類を増加させる程、一般的に分類の精度が向上するが、処理速度やリソース等も考慮し適切な種類の特徴量を適宜選択し取得するようにしてよい。
S2によって、予め定めた特徴量の種類と取得された特徴量とが関連付けて記憶される。これにより、涙液層干渉縞画像は、特徴量の種類の数を次元とする特徴ベクトルで表現することができる。たとえば、ある「健常者」の涙液層干渉縞画像について、「Red[AVG]」、「Blue[AVG]」、「Red[SD]」および「Blue[SD]」の4種類の特徴量を解析取得しているとすると、この涙液層干渉縞画像はこれら4種類の量として定義される4次元の特徴ベクトルとして表現することができる。
S2及びS3の学習の処理を経た画像分類装置は、上記のとおり、未知の画像分類のための前提情報を記憶しているため、上記に挙げたようなサポートベクターマシンやEMD(Earth Mover’s Distance)といった既に一般に知られている分類器(分類手法)を適宜用いることができる。
比較例1として、画像の機械学習による分類法として一般的な「Bag of visual words法」を用いて涙液層干渉縞画像を用いたドライアイタイプ分類法を評価した。比較例1において用いた涙液層干渉縞画像は、ドライアイの各タイプ(健常者、涙液減少型、蒸発亢進型)について、それぞれ46画像(静止画像)の計138画像を用意した。これら涙液層干渉縞画像について、各タイプの31画像(合計93画像)を学習用に、各タイプの15画像(合計45画像)を試験用に2分して画像分類装置が上記のように学習を行った。
F値(F-measure)=2 × 適合率 × 再現率 / (適合率 + 再現率)
実施例1において用いた涙液層干渉縞画像は、比較例1に使用したものと同一の画像セットを利用し、比較例1記載の方法により画像を2分して画像分類装置が上記比較例1と同様に、ドライアイの各タイプ(健常者、涙液減少型、蒸発亢進型)について、それぞれ46画像(静止画像)の計138画像の涙液層干渉縞画像について、各タイプの31画像(合計93画像)を学習用に、各タイプの15画像(合計45画像)を試験用に2分して学習を行った。
「√Area」における閾値:「43」。
「SD[RED]」における半径R:「5」。
「Ratio[UPPER]」における画素領域:解析対象領域内の上方220画素。
「Ratio[UPPER]」(上記(b))の閾値:「92」。
「Ratio[UPPER]」(上記(c))の「Ratio値」に係る閾値:「1.15」。
「Ratio[BOTTOM]」における画素領域:解析対象領域内の下方300画素。他の閾値等は「Ratio[UPPER]」と同様。
実施例1で確立した機械学習モデルを利用した臨床試験を行い、本モデルがドライアイのタイプ診断に有用であるかを確認した。ここでは実施例1で使用した各タイプ46画像(静止画像)の計138画像を学習用画像として使用し、実施例1記載の方法により分類装置が上記のように学習を行った。すべての画像を利用した理由は使用する画像が多いほど正解率が向上するためである。
Claims (11)
- ドライアイのタイプにより分類された複数の学習用涙液層干渉縞画像から特徴量を取得するステップと、
前記特徴量から前記ドライアイのタイプに画像を分類するためのモデルを前記ドライアイのタイプに応じてそれぞれ構築し、前記モデルから前記ドライアイのタイプに応じた分類器を得るステップと、
試験用涙液層干渉縞画像から特徴量を取得するステップと、
前記試験用涙液層干渉縞画像から取得した特徴量により前記分類器によって前記試験用涙液層干渉縞画像を前記ドライアイのタイプにより分類する分類処理を行うステップと、を有する画像分類装置の作動方法であって、
前記特徴量は、画像の色に関する情報であって、色彩、色の多様性、色の鮮やかさ、局所的な色のばらつきに係る情報のうちの少なくとも一の情報であって、
前記モデルは、前記特徴量の種類の数を次元数とする特徴ベクトルである、
ことを特徴とする画像分類装置の作動方法。 - 前記色彩に係る情報とは、赤色及び青色輝度画像の少なくともいずれか一方の輝度平均に基づく情報であることを特徴とする請求項1に記載の画像分類装置の作動方法。
- 前記色の多様性に係る情報とは、赤及び青色輝度画像の少なくともいずれか一方の輝度の標準偏差に基づく情報であることを特徴とする請求項1又は2に記載の画像分類装置の作動方法。
- 前記色の鮮やかさに係る情報とは、画素の輝度の差分値に基づく情報であることを特徴とする請求項1乃至3のいずれか1項に記載の画像分類装置の作動方法。
- 前記局所的な色のばらつきとは、注目画素の輝度と前記注目画素の周辺画素の輝度から算出される標準偏差に基づく情報であることを特徴とする請求項1乃至4いずれか1項に記載の画像分類装置の作動方法。
- 前記試験用涙液層干渉縞画像が動画像の場合、所定の複数フレームについて前記分類処理を行い、最頻の結果を前記動画像による試験用涙液層干渉縞画像の分類結果とすることを特徴とする請求項1乃至5に記載の画像分類装置の作動方法。
- 前記学習用涙液層干渉縞画像および前記試験用涙液層干渉縞画像における所定領域から特徴量を取得する請求項1乃至6のいずれか1項に記載の画像分類装置の作動方法。
- 前記学習用涙液層干渉縞画像および前記試験用涙液層干渉縞画像とは、開瞼検知から一定時間の動画像、もしくは、開瞼検知から一定時間内の任意のタイミングで取得された1以上の静止画である請求項1乃至7のいずれか1項に記載の画像分類装置の作動方法。
- 前記一定時間とは、5秒間である請求項8に記載の画像分類装置の作動方法。
- 請求項1乃至9のいずれか1項に記載の方法を実行する画像分類装置。
- 請求項1乃至9のいずれか1項に記載の方法をコンピュータに実行させる画像分類プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018037218 | 2018-03-02 | ||
JP2018037218 | 2018-03-02 | ||
PCT/JP2019/008000 WO2019168142A1 (ja) | 2018-03-02 | 2019-03-01 | 画像分類方法、装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019168142A1 JPWO2019168142A1 (ja) | 2021-02-12 |
JP7448470B2 true JP7448470B2 (ja) | 2024-03-12 |
Family
ID=67805412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020503638A Active JP7448470B2 (ja) | 2018-03-02 | 2019-03-01 | 画像分類装置の作動方法、装置及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11779205B2 (ja) |
JP (1) | JP7448470B2 (ja) |
CN (1) | CN111818841A (ja) |
WO (1) | WO2019168142A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018203515A1 (ja) * | 2017-05-01 | 2018-11-08 | 京都府公立大学法人 | 涙液層の動態評価方法およびその装置 |
JP7137746B2 (ja) * | 2019-01-30 | 2022-09-15 | 株式会社Jvcケンウッド | 映像処理装置、映像処理方法および映像処理プログラム |
EP4083908A4 (en) * | 2019-12-24 | 2024-01-10 | Kowa Company, Ltd. | METHOD, APPARATUS AND PROGRAM FOR PROCESSING OPHTHALMIC IMAGES |
JP7483247B2 (ja) * | 2020-04-13 | 2024-05-15 | 株式会社トーメーコーポレーション | 検査対象分類システム、検査対象分類方法および検査対象分類プログラム |
TW202222245A (zh) * | 2020-10-28 | 2022-06-16 | 日商獅子股份有限公司 | 檢查方法、機械學習執行方法、檢查裝置及機械學習執行裝置 |
JP7094468B1 (ja) | 2020-12-25 | 2022-07-01 | ライオン株式会社 | 検査方法 |
JP7464518B2 (ja) * | 2020-12-26 | 2024-04-09 | エルライズ株式会社 | 涙液観察装置、情報処理装置、プログラム及び学習モデル生成方法 |
JP7288262B2 (ja) * | 2021-04-05 | 2023-06-07 | 京都府公立大学法人 | ドライアイ分類に関する方法及びそれを用いた眼科装置、並びに学習器 |
CN114140637B (zh) * | 2021-10-21 | 2023-09-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像分类方法、存储介质和电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007260339A (ja) | 2006-03-30 | 2007-10-11 | Topcon Corp | 眼科測定装置 |
JP2011156030A (ja) | 2010-01-29 | 2011-08-18 | Kyoto Prefectural Public Univ Corp | 眼科装置及び画像分類方法 |
WO2016149416A1 (en) | 2015-03-16 | 2016-09-22 | Magic Leap, Inc. | Methods and systems for diagnosing and treating health ailments |
JP2017136212A (ja) | 2016-02-03 | 2017-08-10 | 株式会社ニデック | 眼科装置 |
WO2017209024A1 (ja) | 2016-05-30 | 2017-12-07 | 興和株式会社 | 涙液状態評価方法およびその装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3556033B2 (ja) | 1996-01-30 | 2004-08-18 | 興和株式会社 | 眼科装置 |
JP2007029460A (ja) * | 2005-07-27 | 2007-02-08 | Topcon Corp | 眼科画像処理装置及び眼科画像処理プログラム |
JP4751689B2 (ja) * | 2005-09-02 | 2011-08-17 | 株式会社トーメーコーポレーション | 眼球表面解析システム |
CN101373519B (zh) | 2007-08-20 | 2011-01-19 | 富士通株式会社 | 字符识别装置和方法 |
JP5018614B2 (ja) | 2008-04-16 | 2012-09-05 | 国立大学法人電気通信大学 | 画像処理方法、その方法を実行するプログラム、記憶媒体、撮像機器、画像処理システム |
WO2016067366A1 (ja) * | 2014-10-28 | 2016-05-06 | パイオニア株式会社 | 観察装置及び観察方法並びにコンピュータプログラム |
EP3649921B1 (en) | 2017-07-04 | 2024-08-07 | Kowa Company, Ltd. | Lacrimal fluid layer evaluation method, computer program, and device |
-
2019
- 2019-03-01 WO PCT/JP2019/008000 patent/WO2019168142A1/ja active Application Filing
- 2019-03-01 CN CN201980015861.8A patent/CN111818841A/zh active Pending
- 2019-03-01 US US16/976,375 patent/US11779205B2/en active Active
- 2019-03-01 JP JP2020503638A patent/JP7448470B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007260339A (ja) | 2006-03-30 | 2007-10-11 | Topcon Corp | 眼科測定装置 |
JP2011156030A (ja) | 2010-01-29 | 2011-08-18 | Kyoto Prefectural Public Univ Corp | 眼科装置及び画像分類方法 |
WO2016149416A1 (en) | 2015-03-16 | 2016-09-22 | Magic Leap, Inc. | Methods and systems for diagnosing and treating health ailments |
JP2017136212A (ja) | 2016-02-03 | 2017-08-10 | 株式会社ニデック | 眼科装置 |
WO2017209024A1 (ja) | 2016-05-30 | 2017-12-07 | 興和株式会社 | 涙液状態評価方法およびその装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2019168142A1 (ja) | 2021-02-12 |
CN111818841A (zh) | 2020-10-23 |
US11779205B2 (en) | 2023-10-10 |
US20210212561A1 (en) | 2021-07-15 |
WO2019168142A1 (ja) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7448470B2 (ja) | 画像分類装置の作動方法、装置及びプログラム | |
US9028065B2 (en) | Ophthalmologic apparatus and image classification method | |
JP7084001B2 (ja) | 涙液層の動態評価方法およびその装置 | |
JP6814799B2 (ja) | 涙液状態評価方法およびその装置 | |
Yu et al. | Automated image quality evaluation of retinal fundus photographs in diabetic retinopathy screening | |
JP7388924B2 (ja) | 涙液層評価方法、コンピュータプログラム、装置 | |
US11514570B2 (en) | Tear fluid state evaluation method, computer program, and device | |
CN105310645A (zh) | 图像处理装置及图像处理方法 | |
US20230025493A1 (en) | Ophthalmic image processing method, ophthalmic image processing device, and ophthalmic image processing program | |
JP7104941B2 (ja) | 涙液層の動態評価方法およびその装置 | |
Mora et al. | A template matching technique for artifacts detection in retinal images | |
CHOI et al. | A Study on Pupil Detection and Tracking Methods Based on Image Data Analysis | |
WO2024057943A1 (ja) | 涙液層評価装置、涙液層評価プログラム及び涙液層評価方法 | |
CN116491892B (zh) | 近视眼底改变评估方法、装置和电子设备 | |
KR20240132659A (ko) | 공간 주파수 영역 영상 기법을 이용한 염증성 마이봄샘 기능 이상 판별 장치 및 그 방법 | |
Cree | Automated microaneurysm detection for screening |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220113 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230406 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230718 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230915 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231206 |
|
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: 20240227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240229 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7448470 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |