TW202038137A - 用於生物識別及健康狀態測定之光學設備及相關裝置 - Google Patents

用於生物識別及健康狀態測定之光學設備及相關裝置 Download PDF

Info

Publication number
TW202038137A
TW202038137A TW108145613A TW108145613A TW202038137A TW 202038137 A TW202038137 A TW 202038137A TW 108145613 A TW108145613 A TW 108145613A TW 108145613 A TW108145613 A TW 108145613A TW 202038137 A TW202038137 A TW 202038137A
Authority
TW
Taiwan
Prior art keywords
image
request
measured value
value data
individual
Prior art date
Application number
TW108145613A
Other languages
English (en)
Inventor
強納森 M 羅伯格
羅倫斯 Ｃ 瑋斯特
毛理齊奧 艾瑞恩佐
考德勒 歐文 凱
泰勒 Ｓ 拉司頓
班傑明 羅森布魯斯
Original Assignee
美商太斯萊特健康股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 美商太斯萊特健康股份有限公司 filed Critical 美商太斯萊特健康股份有限公司
Publication of TW202038137A publication Critical patent/TW202038137A/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • 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
    • A61B3/10—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
    • A61B3/1208—Multiple lens hand-held instruments
    • 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
    • A61B3/1225—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 using coherent radiation
    • 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
    • A61B3/1241—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 specially adapted for observation of ocular blood flow, e.g. by fluorescein angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0066—Optical coherence imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
    • F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters
    • F16M11/02—Heads
    • F16M11/04—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand
    • F16M11/06—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand allowing pivoting
    • F16M11/10—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand allowing pivoting around a horizontal axis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/0209—Low-coherence interferometers
    • G01B9/02091—Tomographic interferometers, e.g. based on optical coherence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • 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
    • 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
    • G06V40/19—Sensors therefor
    • 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
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G06V40/197—Matching; Classification
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/10—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/02015—Interferometers characterised by the beam path configuration
    • G01B9/02029—Combination with non-interferometric systems, i.e. for measuring the object
    • G01B9/0203—With imaging systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/178—Methods for obtaining spatial resolution of the property being measured
    • G01N2021/1785—Three dimensional
    • G01N2021/1787—Tomographic, i.e. computerised reconstruction from projective measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Ophthalmology & Optometry (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Hematology (AREA)

Abstract

本發明提供用於捕獲個人視網膜眼底之影像、識別該個人、存取與該個人相關之各種電子記錄(包括健康記錄)或帳戶或裝置、測定該個人對某些疾病之傾向及/或診斷該個人之健康問題的技術及設備。一些實施例提供具有一或多個用於捕獲個人(多個)眼睛之一或多個影像的成像裝置之成像設備。本文所述之成像設備可包括用於分析捕獲之影像及/或健康資料及/或將捕獲之影像及/或健康資料與其他裝置交換之電子設備。根據各種實施例，本文所述之成像設備可替代地或另外經組態用於如本文所述之生物識別及/或健康狀態測定技術。

Description

用於生物識別及健康狀態測定之光學設備及相關裝置
本申請案係關於諸如使用個人視網膜眼底之生物識別。
用於識別個人、存取個人私密裝置或帳戶、測定個人之健康狀態及/或診斷個人之健康病狀的本發明技術將受益於改良。
本發明之一些態樣提供一種系統及/或裝置，其經組態以經通信網路傳輸與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料，及經通信網路接收該個人之身分。
本發明之一些態樣提供一種系統及/或裝置，其經組態以將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料作為第一輸入提供給經訓練的統計分類器(trained statistical classifier，TSC)，及基於來自該TSC之至少一個輸出來識別該個人。
本發明之一些態樣提供一種系統及/或裝置，其經組態以基於與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料識別該個人及/或測定該個人之醫學病狀。
前述發明內容不意欲為限制性的。另外，各種實施例可單獨包括本發明之任何態樣或本發明之任何態樣與其他態樣之組合。
本發明人發現捕獲之個人視網膜眼底之影像可用以識別個人，測定個人對某些疾病之傾向及/或診斷個人之健康問題。因此，本發明人已開發捕獲個人視網膜眼底之影像的技術。另外，本發明人已開發用於識別個人、存取與該個人相關之各種電子記錄(包括健康記錄)或帳戶或裝置、測定該個人對某些疾病之傾向及/或診斷該個人之健康問題之技術。
本文所述之技術之一些實施例提供能夠保護諸如儲存於雲端上之電子記錄或帳戶之敏感資料的用於基於雲端之生物識別之系統。一些實施例提供用於在雲端上儲存與各種患者相關之健康資訊及/或用於用生物識別系統保護患者之健康資訊以使得患者可更容易存取健康資訊但不犧牲安全性或機密性之系統。在一些實施例中，生物識別系統可與用於儲存健康資訊及/或用於測定患者之醫學病狀的系統整合於一起，以使得用於識別個人之來自一或多個捕獲之影像的資料亦可用於更新個人之健康資訊及/或測定個人之醫學病狀。
本發明人已認識到當前安全系統中之若干問題，諸如用於使用文數字通行碼或密碼系統及各種形式之生物識別安全措施驗證。文數字通行碼或密碼系統易例如由蠻力(例如嘗試每個可能的文數字組合)侵入。在此類情況下，使用者可藉由使用長字符序列或藉由使用更多樣性之字符(諸如標點或字母及數字之混合)加強其通行碼。然而，在此類方法中，對於使用者而言通行碼更難以記住。在其他情況下，使用者可選擇併入有個人資訊(例如出生日期、週年日或寵物名)之通行碼或密碼，其更易於記住但亦更易於被第三者猜測到。
儘管一些生物識別安全系統經組態諸如藉由聲紋、面部、指紋及虹膜識別來驗證與通行碼及密碼系統相比詐欺保護可改良，但本發明人已認識到此等系統最終對於識別正確的個人低效。通常，此等系統將具有高的錯誤驗收率或錯誤拒絕率。高的錯誤驗收率使詐欺活動更容易，且高的錯誤拒絕率使其更難以明確識別患者。另外，儘管諸如DNA識別之其他系統對於識別正確的個人有效，但本發明人已認識到此類系統侵入性過度。舉例而言，DNA識別需要侵入性測試程序，諸如血液或唾液樣品，隨著進行識別之頻率逐漸增加其愈來愈不切實際且昂貴。另外，DNA識別昂貴且因竊用諸如含有DNA之毛髮的偽訊而易受詐欺。
為解決與現有系統相關之問題，本發明人已開發經組態以使用捕獲之個人視網膜眼底之影像識別個人之生物識別系統。此類系統提供具有低錯誤驗收率及低錯誤拒絕率之最小侵入性成像方法。
此外，如本文所述之生物識別與習知系統之驗證技術不同之處另外在於，本文所述之生物識別系統可經組態以不僅確定個人之身分，且實際上不需任何來自該個人之資訊即可確定個人之身分。驗證通常需要個人提供識別資訊以及通行碼、密碼或生物識別手段以確定既定識別資訊是否匹配通行碼、密碼或生物識別手段。相比之下，本文所述之系統可經組態以基於一或多個捕獲之個人視網膜眼底之影像確定個人之身分。在一些實施例中，對於進一步驗證可獲得諸如通行碼、密碼或生物識別手段(諸如個人之聲紋、面部、指紋及虹膜)之其他安全方法以對生物識別加以補充。在一些實施例中，個人可為生物識別系統提供除捕獲之個人視網膜眼底之(多個)影像以外之識別資訊。
本發明人已進一步認識到，可用以自捕獲之影像識別個人之視網膜眼底特徵亦可用作個人對某些疾病之傾向的指示，且甚至診斷個人之醫學病狀。因此，本文所述之系統可替代地或另外經組態以測定個人對各種疾病之傾向且診斷個人之一些健康問題。舉例而言，在捕獲或以其他方式獲得用於識別之個人視網膜眼底之一或多個影像時，系統亦可基於該(該等)影像進行此類測定或診斷。
轉而參看圖式，圖1至圖2圖示例示性系統及裝置，其經組態以實施用於生物識別、健康資訊管理、醫學病狀測定及/或電子帳戶存取中之任一者或各者之技術。系統及裝置之描述後之此等技術之描述將回指圖1至圖2中所圖示之系統及裝置。
參看圖1至圖2，圖1圖示連接雲端之系統，其中裝置可與遠端電腦通信以執行與本文所述之技術相關之各種操作。與圖1相反，圖2圖示可經組態以本地執行本文關於裝置所述之技術中之任一者或所有的裝置。
參看圖1，本發明人已認識到，在一些情況下生物識別、健康資訊管理及使用者終端裝置上之其他任務所要之處理至少可需要高功率及/或昂貴的處理及/或記憶體組件。為解決此等問題，本發明人已開發連接雲端之系統及裝置，其可將一些或全部最苛刻的處理及/或記憶體密集型任務推移至遠端電腦上，以使得可實現使用者終端裝置具有較不昂貴但更高效之硬體。在一些情況下，裝置僅需要捕獲個人之影像且將與影像相關之資料傳輸至遠端電腦。在此類情況下，電腦可基於影像資料執行生物識別、存取/更新健康資訊及/或帳戶資訊及/或測定醫學病狀，且將所得資料傳輸回裝置。因為裝置僅可捕獲影像且將與影像相關之資料傳輸至電腦，所以裝置可需要極小處理功率及/或極少記憶體，由此促使裝置終端處之成本與功率消耗相應降低。因此，裝置可具有增加之電池組生命，且終端使用者更可負擔得起。
圖1係例示性系統100之方框圖，該系統包括連接至通信網路160之裝置120a及電腦140。
裝置120a包括成像設備122a及處理器124a。在一些實施例中，裝置120a可為可攜式裝置，諸如行動電話、平板電腦及/或可穿戴式裝置，諸如智慧型手錶。在一些實施例中，裝置120a可包括用於經通信網路160通信之獨立網路控制器。此外，網路控制器可與處理器124a整合。在一些實施例中，裝置120a可包括一或多個用於經由使用者介面提供資訊之顯示器。在一些實施例中，成像設備122a可與裝置120a之其他組件分別封裝。舉例而言，成像設備122a可諸如經由電纜(例如通用串列匯流排(universal serial bus，USB)纜線)及/或有線或無線網路連接以通信方式聯接至其他組件。在其他實施例中，成像設備122a可與裝置120a之其他組件封裝於一起，諸如封裝於例如同一行動電話或平板電腦外殼內。
電腦140包括儲存媒體142及處理器144。儲存媒體142可含有用於識別個人之影像及/或與影像相關之資料。舉例而言，在一些實施例中，儲存媒體142可含有用於比較待識別個人之視網膜眼底影像之視網膜眼底影像及/或與視網膜眼底影像相關之資料。
根據各種實施例，通信網路160可為區域網路(local area network，LAN)、蜂巢式電話網路、藍芽網路、網際網路或任何其他此類網路。舉例而言，電腦140可安置相對於裝置120a之遠端位置，諸如與裝置120a分開的空間，且通信網路160可為LAN。在一些實施例中，電腦140可位於與裝置120a不同的地理區域，且可經網際網路通信。
應瞭解，根據各種實施例，替代或除裝置120a以外可包括多個裝置。舉例而言，系統100中可包括中間裝置用於裝置120a與電腦140之間通信。或者或另外，替代或除電腦140以外可包括多個計算機以執行本文中屬於電腦140之各種任務。
圖2係根據本文所述之技術之一些實施例的例示性裝置120b之方框圖。與裝置120a類似，裝置120b包括成像設備122b及處理器124b，其可以針對裝置120a所述之方式組態。裝置120b可包括一或多個用於經由使用者介面提供資訊之顯示器。裝置120b亦包括儲存媒體126。儲存於儲存媒體126上之資料，諸如影像資料、健康資訊、帳戶資訊或其他此類資料可促使在裝置120b上進行本地識別、健康資訊管理、醫學病狀測定及/或帳戶存取。應瞭解，裝置120b可經組態以本地執行與本文所述之技術相關之任何或所有操作，且在一些具體實例中，可將資料傳輸至遠端電腦，諸如電腦140，以便遠程執行此類操作。舉例而言，裝置120b可經組態以連接至通信網路160。
I. 用於獲得個人視網膜之影像及 / 或量測個人視網膜之技術及設備
本發明人已開發用於捕獲個人視網膜眼底之一或多個影像及/或獲得與影像相關之資料的技術，其態樣參看圖1至圖2進行描述。
成像設備122a或122b可經組態以捕獲個人視網膜眼底之單個影像。或者，成像設備122a或122b可經組態以捕獲個人視網膜眼底之多個影像。在一些實施例中，成像設備122a或122b可為2維(2D)成像設備，諸如數位攝影機。在一些實施例中，成像設備122a或122b可更為先進，諸如併入光同調斷層掃描(Optical Coherence Tomography，OCT)及/或螢光壽命成像顯微術(Fluorescence Lifetime Imaging Microscopy，FLIM)。舉例而言，在一些實施例中，成像設備122a或122b可為視網膜感測裝置，可經組態以諸如使用白光或紅外(IR)光、螢光強度、OCT或螢光壽命資料進行寬場或掃描視網膜眼底成像。或者或另外，成像設備122a或122b可經組態以用於一維(1D)、2維(2D)、3維(3D)或其他維度對比成像。在本文中，螢光及壽命視為不同維度之對比。本文所述之影像可使用紅色資訊通道(例如具有633至635 nm之間的波長)、綠色資訊通道(例如具有大致532 nm之波長)或任何其他適合的(多個)光成像通道中之任一者或各者捕獲。作為一非限制性實例，在480至800 nm之發射波長下螢光激發波長可在480至510 nm之間。
成像設備122a或122b可與裝置120a或120b之其他組件分別封裝，以使得其可接近個人之(多個)眼睛安置。在一些實施例中，裝置120a或裝置120b可經組態以容納(例如貼合等)個人面部，諸如特定言之在個人(多個)眼睛周圍。或者，裝置120a或120b可經組態以固持於個人(多個)眼睛之前面。在一些實施例中，在個人視網膜眼底成像期間，成像設備122a或122b之透鏡可置放於使用者眼睛前面。在一些實施例中，成像設備122a或122b可經組態以響應於使用者按壓裝置120a或120b上之按鈕捕獲一或多個影像。在一些實施例中，成像設備122a或122b可經組態以響應於來自使用者之語音命令捕獲(多個)影像。在一些實施例中，成像設備122a可經組態以響應於來自電腦140之命令捕獲(多個)影像。在一些實施例中，成像設備122a或122b可經組態以在裝置120a或120b諸如藉由鑒於成像設備122a或122b偵測個人視網膜眼底而感測到個人存在時自動捕獲(多個)影像。
本發明人亦已開發具有增強之成像功能及通用形狀因素之新穎且改良之成像設備。在一些實施例中，本文所述之成像設備可包括兩個或更多個成像裝置，諸如在常見外殼內之OCT及/或FLIM裝置。舉例而言，單個成像設備可包括外殼，其經成形以支撐外殼內之OCT及FLIM裝置，以及用於執行成像及/或存取用於影像存儲器及/或傳輸之雲端的相關電子設備。在一些實施例中，成像設備所載之電子設備可經組態以執行各種本文所述之處理任務，諸如識別成像設備之使用者(例如藉由成像個人視網膜眼底)、存取使用者之電子健康記錄及/或測定使用者之健康狀態或醫學病狀。
在一些實施例中，本文所述之成像設備可具有有利於成像個人兩個眼睛(例如同時)之形狀因素。在一些實施例中，本文所述之成像設備可經組態以用於用成像設備之不同成像裝置對各眼睛進行成像。舉例而言，如下文進一步描述，成像設備可包括一對固持於成像設備之外殼中以與個人眼睛對準之透鏡，且該對透鏡亦可與成像設備之各別成像裝置對準。在一些實施例中，成像設備可包括大體上雙目形形狀因素，且成像裝置位於成像設備之各側。在成像設備操作期間，個人可簡單翻轉成像設備之垂直定向(例如藉由圍繞平行於執行成像之方向的軸線旋轉裝置)。因此，成像設備可由用第一成像裝置成像個人右眼轉變為用第二成像裝置成像右眼，且同樣地，由用第二成像裝置成像個人左眼轉變為用第一成像裝置成像左眼。在一些實施例中，本文所述之成像設備可經組態以安裝於工作台或桌子上，諸如於安裝支架上。舉例而言，支架可允許成像設備圍繞一或多個軸旋轉以促進操作期間使用者旋轉。
應瞭解，本文所述之成像設備之態樣可使用與大體上雙目形相比不同的形狀因素實施。舉例而言，具有不同於大體上雙目形之形狀因素的實施例可另外以本文結合下文所述例示性成像設備所述之方式組態。舉例而言，此類成像設備可經組態以使用成像設備之一或多個成像裝置同時成像個人眼睛中之一者或兩者。
根據本文所述之技術之成像設備之一個實例示於圖14A至圖14B中。如圖14A中所示，成像設備1400包括具有第一外殼部分1402及第二外殼部分1403之外殼1401。在一些實施例中，第一外殼部分1402可容納成像設備1400之第一成像裝置1422，且第二外殼部分1403可容納成像設備之第二成像裝置1423。如圖14A至圖14B中所示，外殼1401係大體上雙目形的。
在一些實施例中，第一及第二成像裝置1422可包括光學成像裝置、螢光成像裝置及/或OCT成像裝置。舉例而言，在一個實施例中，第一成像裝置1422可為OCT成像裝置，且第二成像裝置1423可為光學及螢光成像裝置。在一些實施例中，成像設備1400可僅包括單個成像裝置1422或1423，諸如僅包括光學成像裝置或僅包括螢光成像裝置。在一些實施例中，第一及第二成像裝置1422及1423可共用一或多個光學組件，諸如透鏡(例如)、反射鏡及/或其他成像組分。舉例而言，在一些實施例中，第一及第二成像裝置1422及1423可共用常見光學路徑。設想裝置可獨立或共同操作。各者可為OCT成像裝置，各者可為螢光成像裝置，或兩者可為一者或另一者。兩個眼睛可同時成像及/或量測，或各眼睛可分別成像及/或量測。
外殼部分1402及1403可藉由前外殼部分1405連接至外殼1401之前端。在說明性實施例中，前外殼部分1405經成形以容納個人之面部特徵，諸如具有符合人臉之形狀。當容納個人面部時，前外殼部分1405可將來自個人眼睛之視線進一步提供給成像設備1400之成像裝置1422及/或1423。舉例而言，前外殼部分1405可包括與第一外殼部分1402及第二外殼部分1403中之各別開口對應的第一開口1410及第二開口1411，以在第一及第二光學裝置1422及1423與個人眼睛之間提供遮擋最小之光學路徑。在一些實施例中，開口1410及1411可遮蓋有一或多個透明窗(例如各自具有其自有窗、具有共用窗等)，其可包括玻璃或塑膠。
第一及第二外殼部分1402及1403可藉由後外殼部分1404連接於外殼1401之後端處。後外殼部分1404可經成形以遮蓋第一及第二外殼部分1402及1403之末端，以使得成像設備1400之環境中之光不進入外殼1401中且干擾成像裝置1422或1423。
在一些實施例中，成像設備1400可經組態以用於以通信方式聯接至另一裝置，諸如行動電話、桌上型、膝上型或平板電腦及/或智慧型手錶。舉例而言，成像設備1400可經組態以用於諸如藉由USB及/或適合的無線網路建立與此類裝置之有線及/或無線連接。在一些實施例中，外殼1401可包括一或多個開口以容納一或多個電力(例如USB)纜線。在一些實施例中，外殼1401可具有一或多個安置於其上之天線以用於將無線信號傳輸至此類裝置及/或自此類裝置接收無線信號。在一些實施例中，成像裝置1422及/或1423可經組態以用於與電力纜線及/或天線介面接合。在一些實施例中，成像裝置1422及/或1423可自纜線及/或天線接收電力，諸如用於對安置於外殼1401內之可再充電電池充電。
在成像設備1400操作期間，使用成像設備1400之個人可將前外殼部分1405抵著個人面部置放，以使得個人眼睛與開口1410及1411對準。在一些實施例中，成像設備1400可包括聯接至外殼1401之夾持部件(未圖示)，且經組態用於藉由個人之手夾持。在一些實施例中，夾持部件可使用軟塑膠材料形成，且可以人體工學方式成形以容納個人之手指。舉例而言，個人可用兩隻手握緊夾持部件且將前外殼部分1405抵著個人面部置放以使得個人眼睛與開口1410及1411對準。或者或另外，成像設備1400可包括聯接至外殼1401且經組態用於將成像設備1400安裝於安裝臂，諸如用於將成像設備1400安裝於工作台或其他設備之安裝部件(未圖示)。舉例而言，當使用安裝部件安裝時，可將成像設備1400穩定於一個位置以供個人但並非需要將成像設備1400固持於適當位置之個人來使用。
在一些實施例中，舉例而言，成像設備1400可採用固定物，諸如沿開口1410及1411對準個人眼睛之方向之由成像設備1400朝向個人眼睛之可見光投影。根據各種實施例，固定物可為明亮斑點，諸如環形或橢圓斑點，或影像，諸如房屋之影像或一些其他目標。本發明人認識到，甚至在僅一個眼睛感知到目標時，個人將通常仍以相同的方向移動兩個眼睛以聚焦於目標。因此，在一些實施例中，影像設備1400可經組態以僅為一個眼睛提供固定物，諸如僅使用一個開口1410或1411。在其他實施例中，可諸如使用開口1410與1411為兩個眼睛提供固定物。
圖15圖示根據一些實施例之成像設備1500之另一實施例。如所示，成像設備1500包括外殼1501，在外殼內可安置一或多個成像裝置(未圖示) 外殼1501包括連接至中心外殼部分1504之第一外殼部分1502及第二外殼部分1503。中心外殼部分1504可包括及/或充當連接第一及第二外殼部分1502及1503之鉸鏈，且第一及第二外殼部分1502及1503可圍繞該鉸鏈旋轉。藉由圍繞中心外殼部分1504旋轉第一及/或第二外殼部分1502及/或1503，因此可增加或降低第一及第二外殼部分1502及1503之間隔距離。在操作成像設備1500之前及/或期間，個人可旋轉第一及第二外殼部分1502及1503以容納個人眼睛之間隔距離，以便促使個人眼睛與第一及第二外殼部分1502及1503之開口對準。
第一及第二外殼部分1502及1503可以結合圖14A至圖14B針對第一及第二外殼部分1402及1403所述之方式組態。舉例而言，各外殼部分可在其中容納一或多個成像裝置，諸如光學成像裝置、螢光成像裝置及/或OCT成像裝置。在圖15中，各外殼部分1502及1503聯接至前外殼部分1505A及1505B之各別者。前外殼部分1505A及1505B可經成形使用成像設備1500貼合個人之面部特徵，諸如貼合個人面部鄰近個人眼睛之部分。在一個實例中，前外殼部分1505A及1505B可使用可撓性塑膠形成，該塑膠在抵著個人面部置放時可貼合個人面部特徵。前外殼部分1505A及1505B可具有各別開口1511及1510，其與第一及第二外殼部分1502及1503之開口對應，諸如與第一及第二外殼部分1502及1503之開口對準，以提供由個人眼睛至成像設備1500之成像裝置之遮擋最小之光學路徑。在一些實施例中，開口1510及1511可遮蓋有使用玻璃或塑膠製得之透明窗。
在一些實施例中，中心外殼部分1504可包括一或多個用於操作成像設備1500之電子電路(例如積體電路、印刷電路板等)。在一些實施例中，可將裝置120a及/或120b之一個或多個處理器安置於中心外殼部分1504中諸如用於分析使用成像裝置捕獲之資料。中心外殼部分1504可包括電連通至諸如針對成像設備1400所描述之其他裝置及/或計算機之有線及/或無線構件。舉例而言，可藉由以通信方式聯接至成像設備1500之裝置及/或計算機執行進一步處理(例如如本文所述)。在一些實施例中，成像設備1500所載之電子電路可基於自此類通信聯接裝置或計算機接收到之指令處理所捕獲之影像資料。在一些實施例中，成像設備1500可基於自以通信方式聯接至成像設備1500之裝置及/或計算機接收到之指令起始影像捕獲序列。在一些實施例中，本文針對裝置120a及/或120b所述之處理功能可使用成像設備所載之一個或多個處理器執行。
如在本文中包括結合成像設備1400所述，成像設備1500可包括夾持部件及/或安裝部件及/或固定物。
圖16A至圖16D圖示根據一些實施例之成像設備1600之另一實施例。如圖16A中所示，成像設備1600具有外殼1601，包括多個外殼部分1601a、1601b及1601c。外殼部分1601a具有控制面板1625，其包括用於打開或關閉成像設備1600及用於起始掃描序列之多個按鈕。圖16B係成像設備1600之分解視圖，其圖示安置於外殼1601內之組件，諸如成像裝置1622及1623及電子設備1620。根據各種實施例，成像裝置1622及1623可包括光學成像裝置、螢光成像裝置及/或OCT成像裝置，如本文結合圖14A至圖14B及圖15所述。成像設備進一步包括前外殼部分1605，其經組態以接納用於成像之個人眼睛，如例如圖16C中所示。圖16D圖示如本文中進一步描述之安放於支架1650中之成像設備1600。
如圖16A至圖16D中所示，諸如藉由使成像設備1600之所有或大多數組件安置於外殼部分1601a與1601b之間，外殼部分1601a及1601b可大體上封裝成像設備1600。外殼部分1601c可諸如使用一或多個將外殼1601固定於一起之螺釘以機械方式聯接至外殼部分1601a及1601b。如圖16B中所例示，外殼部分1601c其中可具有多個外殼部分，諸如用於容納成像裝置1622及1623之外殼部分1602及1603。舉例而言，在一些實施例中，外殼部分1602及1603可經組態以將成像裝置1622及1623固持於適當位置。外殼部分1601c進一步包括其中安置有透鏡1610及1611之一對透鏡部分。外殼部分1602及1603及透鏡部分可經組態以固持成像裝置1622及1623與透鏡1610及1611對準。外殼部分1602及1603可容納用於調節透鏡1610及1611之焦點的對焦部分1626及1627。一些實施例可進一步包括固定舌片1628。藉由調節(例如按壓、拉動、推動等)固定舌片1628，外殼部分1601a、1601b及/或1601c可彼此解聯接，諸如以接近成像設備1600之組件以達到維修及/或修復目的。
電子設備1620可以結合圖15針對電子設備1520所述之方式組態。控制面板1625可電連接至電子設備1620。舉例而言，控制面板1625之掃描按鈕可經組態以使掃描命令通信至電子設備1620，以起始使用成像裝置1622及/或1623掃描。作為另一實例，控制面板1625之電力按鈕可經組態以使電力開啟或電力關閉命令通信至電子設備1620。如圖16B中所例示，成像設備1600可進一步包括電磁屏蔽1624，其經組態以使電子設備1620與成像設備1600之周圍環境中之電磁干擾(EMI)來源隔開。包括電磁屏蔽1624可改良電子設備1620之操作(例如雜訊效能)。在一些實施例中，電磁屏蔽1624可聯接至電子設備1620之一個或多個處理器以消散一或多個處理器中產生之加熱。
在一些實施例中，本文所述之成像設備可經組態以安裝於支架，如圖16D之實例中所示。在圖16D中，成像設備1600由支架1650支撐，高支架包括基底1652及固持部分1658。圖示基底1652包括大體上U形之支撐部分，且具有多個連接至支撐部分下側之腳1654。基底1652可經組態以將成像設備1600支撐於工作台或桌子上，諸如圖式中所示。固持部分1658可經成形以容納成像設備1600之外殼1601。舉例而言，固持部分1658之朝外側可經成形以貼合外殼1601。
如圖16D中所例示，基底1652可藉由鉸鏈1656聯接至固持部分1658。鉸鏈1656可允許圍繞平行於表面支撐基底1652之軸線旋轉。舉例而言，在操作成像設備1600及支架1650期間，個人可旋轉其中安放有成像設備1600之固持部分1658至讓個人舒適地對一個或兩個眼睛進行成像之角度。舉例而言，個人可就座於支撐支架1650之工作台或桌子處。在一些實施例中，個人可圍繞平行於成像設備內之成像裝置對個人(多個)眼睛進行成像所沿之光軸之軸線旋轉成像設備1600。舉例而言，在一些實施例中，支架1650可替代地或另外包括平行於光軸之鉸鏈。
在一些實施例中，固持部分1658 (或支架1650之一些其他部分)可包括充電硬體，其經組態以經由有線或無線連接將電力傳輸至成像設備1600。在一個實例中，支架1650中之充電硬體可包括聯接至一個或複數個無線充電線圈之電源供應器，且成像設備1600可包括經組態以自支架1650中之線圈接收電力之無線充電線圈。在另一實例中，支架1650中之充電硬體可在固持部分1658之朝外側聯接至電連接器，以使得當成像設備1600安放於固持部分1658中時，成像設備1600之互補連接器與支架1650之連接器介面接合。根據各種實施例，無線充電硬體可包括一或多個電力轉換器(例如AC至DC、DC至DC等)，其經組態以為成像設備1600提供適當電壓及電流以進行充電。在一些實施例中，支架1650可容納至少一個可再充電電池，其經組態以為成像設備1600提供有線或無線電力。在一些具體實例中。支架1650可包括一或多個電源連接器，其經組態以自標準壁式插座(諸如單相壁式插座)接收電力。
在一些實施例中，前外殼部分1605可包括多個部分1605a及1605b。部分1605a可使用機械彈性材料形成，然而前部分1605b可使用機械柔性材料形成，以使得前外殼部分1605讓使用者舒適佩戴。舉例而言，在一些實施例中，部分1605a可使用塑膠形成，且部分1605b可使用橡膠或聚矽氧形成。在其他實施例中，前外殼部分1605可使用單一機械彈性或機械柔性材料形成。在一些實施例中，部分1605b可安置於前外殼部分1605之外側上，且部分1605a可安置於部分1605b內。
本發明人已認識到可由捕獲個人視網膜眼底之多個影像獲得之若干優勢。舉例而言，自多個捕獲之影像擷取資料促進實施起來成本較小但亦不易發生詐欺之生物識別技術。如在本文中包括參看章節III所述，自捕獲之影像擷取資料可用以藉由將捕獲之影像資料對照儲存之影像資料進行比較來識別個人。在一些實施例中，當捕獲之影像資料與儲存之影像資料之一些部分至少具有預定相似度時，可指示明確識別。儘管可需要高的預定相似度(例如接近100%)以防止系統錯誤識別個人，但此類高所要相似度習知地產生高錯誤拒絕率(false-rejection ratio，FRR)，意謂正確的個人更難以明確識別。此可因為，當使用具有低解析度及/或低視場之單個捕獲之個人影像識別個人時，捕獲之影像例如由於影像中之遺失或變形特徵達不到高的預定相似度。因而，可能需要能夠捕獲具有高解析度及高視場之影像的成像設備以允許使用高的預定相似度而不連累FRR。然而，與簡單數位攝影機相比，能夠支撐高的預定相似度之高品質成像設備通常更昂貴。使用更昂貴成像設備之習知替代係使用較低預定相似度。然而，此類系統可更易發生詐欺。
為解決此問題，本發明人已開發用於生物識別之技術，其使用普通數位攝影機即可執行從而增強了可撓性。與單個影像比較系統相反，本發明人已開發可捕獲多個用於比較之影像的系統，其促使使用較高相似度而不需要更高解析度或視場的成像設備。在一些實施例中，資料可擷取自個人視網膜眼底之多個影像，且組合成單個集合以進行比較。舉例而言，可由成像設備122a或122b捕獲多個影像，其各自可彼此稍微旋轉以便捕獲個人視網膜眼底之不同部分。在一些實施例中，個人(多個)眼睛可旋轉及/或可追蹤成像設備122a或122b。因此，指示個人視網膜眼底特徵之資料可擷取自影像且組合成指示各種特徵之部位的資料集。因為將多個影像組合以使用，所以單個捕獲之影像不需要為高解析度的或具有高視場。更確切而言，可使用單個數位攝影機，諸如與行動電話整合之數位攝影機，進行如本文所述之成像。
在一些實施例中，系統100或120b可經組態以使用記錄之生物識別特性(例如多因素識別標記)驗證視網膜眼底識別標記。舉例而言，裝置120a或120b亦可包括一或多個生物識別感測器，諸如指紋讀取器及/或麥克風。因此，裝置120a或120b可記錄個人之一或多個生物識別特性，諸如個人之指紋及/或聲紋。指示(多個)生物識別特性之特徵的資料可以針對視網膜眼底影像所述之方式擷取，且在裝置120a之情況下，可將資料傳輸至電腦140以進行驗證。因此，一旦基於(多個)視網膜眼底影像進行識別，則可將生物識別特性資料對照儲存之與個人相關之特性資料進行比較，以驗證視網膜眼底識別標記，以增加安全性。
II. 基於視網膜影像識別個人之技術
本發明人已開發基於個人視網膜影像識別個人之技術。該技術可包括將自一或多個捕獲之個人視網膜眼底影像擷取之資料與儲存之自其他視網膜眼底影像擷取之資料比較。用於自一或多個捕獲之影像擷取資料之技術在本文中包括參看圖3至圖4進行描述。圖3提供用於捕獲個人視網膜眼底之一或多個影像及自捕獲之(多個)影像擷取資料之說明性方法，且圖4圖示自(多個)影像擷取之資料中可指示之個人視網膜眼底之一些特徵。
圖3係圖示例示性方法300之流程圖，其包括在步驟302捕獲一或多個視網膜眼底影像，及在步驟304自(多個)影像擷取影像資料。根據圖1之實施例，方法300可藉由裝置120a執行，或者可部分藉由裝置120a及部分藉由電腦140執行。根據圖2之實施例，方法300可全部藉由裝置120b執行。
在步驟302捕獲(多個)影像可根據章節I所述技術之任何或所有實施例執行。在步驟304自(多個)影像擷取影像資料可包括自成像設備122a或122b獲得捕獲之(多個)影像的處理器124a或124b及自(多個)影像擷取指示個人視網膜眼底特徵之資料。舉例而言，資料可包括特徵之相對位置及取向。在一些實施例中，特徵資料可自多個捕獲之影像擷取且組合成單個特徵資料集。應瞭解，步驟304之特徵擷取可藉由電腦140執行。舉例而言，在系統100之一些實施例中，裝置120a可經組態以捕獲(多個)影像且將(多個)影像傳輸至電腦140以進行資料擷取。
亦在步驟304期間，擷取之資料可記錄於儲存媒體(諸如裝置120b之儲存媒體124)上。在基於雲端之系統100之一些實施例中，當裝置120a不存取通信網路160時，成像設備122a可捕獲(多個)影像及/或自(多個)影像擷取資料，且因此處理器124a可將(多個)影像及/或資料儲存於儲存媒體上至少直至其可經通信網路160傳輸之時。在此類情況下，處理器124a在將(多個)影像及/或資料傳輸至電腦140之前不久即可自儲存媒體獲得(多個)影像及/或資料。在一些實施例中，(多個)視網膜眼底影像不可由裝置120a或120b，但可由各別裝置捕獲。可將(多個)影像轉移至裝置120a或120b，可自其擷取資料且儲存於儲存媒體上。或者，資料亦可藉由各別裝置擷取且轉移至裝置120a或裝置120b中。舉例而言，裝置120a可具有將資料傳送至電腦140之任務，或裝置120b可基於該資料識別個人或執行一些其他任務。
圖4係視網膜眼底400之側視圖，其包括在圖3之方法300期間在步驟302可捕捉於一或多個影像中及/或在步驟304可以自(多個)影像擷取之資料指示之各種特徵。舉例而言，可使用視網膜眼底400之靜脈及動脈之特徵來識別個人。此類特徵可包括靜脈及動脈之分支末梢410及分叉420。本發明人已認識到，與指紋識別中類似，分支末梢410及分叉420之位置(有時稱為「細節特徵」)可用作獨特識別符。因此，在一些實施例中，分支末梢410及/或分叉420之相對位置可擷取自單個捕獲之影像且記錄於一或多個資料集中。在一些情況下，分支末梢410及/或分叉420之相對位置可擷取自多個捕獲之影像且組合成單個資料集。舉例而言，各分支末梢410及/或分叉420之平均相對位置可記錄於資料集中。在一些實施例中，諸如鼻動脈430、鼻靜脈440、顳動脈450及/或顳靜脈460之特定靜脈或動脈之相對位置可記錄於一或多個資料集中。
在一些實施例中，在步驟304，替代或除分支末梢410及/或分叉420之資料以外可擷取指示其他特徵之資料。舉例而言，視神經盤470或視神經盤邊緣之態樣(諸如在視網膜眼底400內之相對位置)可記錄於資料集中。在一些實施例中，與視神經盤470相關之資料可記錄於與靜脈或動脈相關之資料分開的資料集中。或者或另外，指示中央凹480及/或黃斑490之相對位置之資料可記錄於資料集中。自捕獲之(多個)影像擷取之資料中可指示之其他特徵包括視神經、血管環境、AV局部狹窄、隱結、視網膜色素沉著及其他。
在一些實施例中，擷取上文所述之特徵中之任一者或所有可包括解決(多個)影像之分割轉變成完整空間圖，包括個別特徵之相對位置及取向。舉例而言，空間圖可包括指示圖中之任何特定位置是否存在諸如分支末梢410或分叉420之特徵的二元遮罩。在一些實施例中，可基於空間圖計算指示特徵位置之相對角度。為節省儲存空間及/或簡化空間圖之計算，可將諸如靜脈之一些特徵之厚度降低至單個像素寬度。或者或另外，可自空間圖移除冗餘資料，諸如由多個影像之組合產生之資料。
在一些實施例中，特徵資料可包括平移及旋轉不變特徵之相對位置及取向以促進尺度不變特徵變換(Scale Invariant Feature Transform，SIFT)及/或加速強健特徵(Speeded Up Robust Feature，SURF)比較，如本文包括參看章節III所述。舉例而言，上文所述之擷取之特徵可為尺度不變特徵變換(SIFT)特徵及/或加速強健特徵(SURF)。
本發明人亦已開發根據圖5A至圖5C、圖6及圖7A至圖7B中實施例使用經訓練的統計分類器(TSC)自一或多個捕獲之影像擷取資料之技術。舉例而言，在一些實施例中，方法300之步驟304可諸如圖5A至圖5C、圖6及圖7A至圖7B之實施例中所示藉由TSC執行。可將由成像設備122a或122b捕獲之一或多個影像輸入至TSC中。捕獲之(多個)影像可包括來自諸如藉由白光、IR、螢光強度、OCT或1D、2D或3D螢光壽命資料自成像設備122a或122b收集之一或多個寬場或掃描之視網膜影像之資料。TSC可經組態以識別及輸出(多個)影像中之各種視網膜眼底特徵之態樣。本發明人已認識到，實施TSC以自捕獲之影像擷取特徵資料會促進使用多個捕獲之影像進行識別。舉例而言，本文所述之TSC可經組態以基於個別影像或影像群組形成預測結果。預測結果可呈來自TSC之一或多個輸出之形式。各輸出可與單個影像或多個影像相對應。舉例而言，一個輸出可指示在既定影像中之一或多個位置中顯現特定視網膜眼底特徵之可能性。或者，輸出可指示在影像之一或多個位置中顯現多個特徵之可能性。另外，輸出可指示在影像之一或多個位置中顯現單個特徵或多個特徵之可能性。
本文所述之TSC可用軟體、硬體或使用軟體及硬體之任何適合的組合實施。舉例而言，TSC可經裝置120a之處理器124a、電腦140之處理器144及/或裝置120b之處理器124b執行。在一些實施例中，一或多個機器學習軟體文庫可用以實施如本文所述之TSC，諸如Theano、Torch、Caffe、Keras及TensorFlow。此等文庫可用於訓練統計分類器(諸如神經網路)，及/或用於實施經訓練的統計分類器。
在一些實施例中，可經裝置120a使用TSC進行資料萃取，該裝置120a可將TSC之輸出經通信網路160傳輸至電腦140。或者，電腦140可自裝置120a獲得捕獲之(多個)影像且例如使用經電腦140執行之TSC自捕獲之(多個)影像擷取捕獲之影像資料。根據後一實施例，裝置120a可經組態以將捕獲之(多個)影像以諸如藉由聯合圖像專家群(Joint Photographic Experts Group，JPEG)標準化之(多個)影像之一或多個經壓縮形式，或者以諸如藉由可攜式網路圖像(Portable Network Graphic，PNG)之一或多個未經壓縮形式傳輸至電腦140。在圖2之實施例中，裝置120b可藉由諸如使用經處理器124b執行之TSC擷取而自捕獲之影像獲得捕獲之影像資料。
圖5A至圖5C、圖6及圖7至圖8圖示用於本文所述之生物識別安全系統之神經網路統計分類器之態樣。根據圖5A至圖5B之說明性實施例，神經網路統計分類器可包括卷積類神經網路(CNN)。根據圖5A及圖5C之說明性實施例，神經網路統計分類器可進一步包括遞歸類神經網路(RNN)，諸如長短期記憶(LSTM)網路。或者，根據圖6之說明性實施例，神經網路統計分類器可包括完全卷積類神經網路(FCNN)。圖7圖示經組態以識別個人視網膜眼底之影像中之特徵的邊界之FCNN。圖8圖示經組態以識別個別立體像素之CNN，其具有諸如血管之各種視網膜眼底特徵之位置較不變化之優勢。
圖5A及5B係形成經組態以自捕獲之個人視網膜眼底之影像擷取資料之例示性卷積類神經網路(CNN)之部分500a及500b之框圖。在圖5A及圖5B之說明性實施例中，部分500a可操作地聯接至部分500b，諸如其中部分500a之輸出端聯接至部分500b之輸入端。
如圖5A中所示，CNN之部分500a包括一系列交替的卷積層510a至510g及池化層520a至520c。可為個人視網膜眼底之256像素乘以256像素(256×256)影像的影像530作為輸入提供給部分500a。部分500a可經組態以自影像530獲得特徵圖540，且將特徵圖540輸出至部分500b。部分500b可經組態以產生預測結果570以指示影像530之態樣，諸如視網膜眼底特徵之位置。 在輸入至部分500a之前，影像530可諸如藉由重取樣、濾波、內插法、仿射變換、分割、侵蝕、膨脹、量度計算(亦即細節特徵)、直方圖均衡化、縮放、像素合併、裁剪、顏色歸一化、調整大小、整形、背景減除、邊緣增強、角點偵測及/或使用任何其他適合的預處理技術進行預處理。預處理技術之實例包括： 1. 重新縮放影像至具有相同半徑(例如300像素)， 2. 減除本地平均顏色， 例如具有映射至50%灰度之本地平均值 3. 將影像剪輯至其大小之一部分(例如90%)以移除邊界效應。 此可包括將影像裁剪至僅含有視網膜像素及測試直方圖均衡化對演算效能之作用。 4. 將該等影像裁剪至主要含有視網膜像素 (注意；若使用此技術，則可不需要基於半徑重新縮放影像。) 在一些實施例中，影像530可為由成像設備122a或122b捕獲之影像的經壓縮或未經壓縮版本。或者，影像530可自由成像設備122a或122b捕獲之一或多個影像處理。在一些實施例中，影像530可包括影像重構後視網膜資料，諸如一或多個3D體積OCT影像。或者或另外，影像530可包括捕獲之(多個)影像之未處理部分。舉例而言，影像530可包括來自一或多個譜域OCT影像、螢光壽命統計資料、預濾波影像或預置掃描之頻譜。在一些實施例中，影像530可與多個與個人視網膜眼底片層對應之2D影像相關。在一些實施例中，片層可為鄰近的。舉例而言，根據各種實施例，影像530可與跟兩個、三個、四個或五個各別鄰近片層對應之影像相關。在一些實施例中，影像530可包括血管明顯之一或多個各別片層之一或多個2D影像，
CNN 500a經組態以經由卷積層510a至510g及池化層520a至520c處理影像530。在一些實施例中，卷積層510a至510g及池化層520a至520c可經訓練以偵測捕獲之影像中視網膜眼底特徵之態樣。首先，CNN 500a使用卷積層510a及510b處理影像530，以獲得32 256×256特徵圖532。接下來，在塗覆可為最大池化層之池化層520a之後，塗覆卷積層510c及510d以獲得64 128×128特徵圖534。接下來，在塗覆亦可為最大池化層之池化層520b之後，塗覆卷積層510e及510f以獲得128 64×64特徵圖536。接下來，在塗覆池化層520c及卷積層510g之後，可在輸出端540提供所得256 32×32特徵圖538作為用於圖5B中所示之CNN之部分500b的輸入。CNN部分500a可使用梯度下降、隨機梯度下降、反向傳播及/或其他迭代最佳化技術訓練。
在一些實施例中，CNN 500a可經組態以一次處理單個影像，諸如個人視網膜眼底之單個片層。或者，在一些實施例中，CNN 500a可經組態以同時處理多個影像，諸如來自3D立體影像之多個鄰近片層。本發明人已認識到，諸如分支末梢、分叉、重疊、分級或其他此類特徵之態樣可使用來自單個片層或來自多個鄰近片層之資訊進行計算。在一些實施例中，對個人視網膜眼底之多個片層藉由卷積層510a至510g執行之卷積可為二維(2D)或三維(3D)的。在一些實施例中，CNN 500a可經組態以僅使用來自特定片層之資訊即預測各片層之特徵。或者，在一些實施例中，CNN 500a可經組態以使用來自片層以及來自一或多個鄰近片層之資訊。在一些實施例中，CNN 500a可包括全3D處理管線，以使得同時使用所有片層中存在之資料計算多個片層之特徵。
在圖5B中，部分500b包括卷積層512a至512b及全連接層560。部分500b可經組態以自部分500a之輸出端540接收特徵圖538。舉例而言，部分500b可經組態以經由卷積層512a及512b處理特徵圖538，以獲得256 32×32特徵圖542。接著，特徵圖542可經由全連接層560處理，以產生預測結果570。舉例而言，全連接層560可經組態以確定藉由卷積層510a至510g及512a至512b及池化層520a至520c使用特徵圖542中之概率分佈最可能識別何視網膜眼底特徵。因此，預測結果570可指示影像530內之視網膜眼底特徵之態樣。在一些實施例中，預測結果570可包括概率值，諸如與某些特徵位於影像530之某些區域中之計算可能性對應之概率熱圖。在一些實施例中，預測結果570可指示分支末梢或分叉之相對位置及/或尺寸，或其他此類特性。
根據圖5A至圖5C之實施例，部分500c可操作地聯接至圖5A中所示之部分500a。舉例而言，部分500c可聯接至輸出端540而非部分500b。圖5A中所示之部分500a係CNN部分，且部分500c係遞歸類神經網路(RNN)部分。部分500c可用以將作為隨時間推移之輸入提供之輸入影像中之時間限制模型化。RNN部分500c可以長短期記憶(LSTM)網路實施。此類神經網路架構可用以處理在執行監測任務期間藉由成像設備122a或122b獲得之一系列影像(隨時間推移縱向排列之一系列影像)。舉例而言，根據圖1之實施例，裝置120a可將一系列影像傳輸至電腦140。在一些實施例中，裝置120a可傳輸一系列影像之時序資訊，諸如該系列中之各影像之間經過的時間。圖5A及圖5C之CNN-LSTM神經網路可接收一系列影像作為輸入，且將得自至少一個先前獲得之影像的視網膜眼底特徵與獲自後續獲得之影像之特徵組合以產生預測結果580。
在一些實施例中，圖5A至圖5C中所示之CNN及CNN-LSTM對於卷積層可使用3之內核大小及1之跨步，對於池化層使用「2」之內核大小，且使用差異縮放初始化裝置。RNN部分500c可經由一段時間使用隨機梯度下降及/或反向傳播訓練。
圖6係說明性全卷積類神經網路(FCNN) 600之方框圖。FCNN 600包括輸出壓縮部分620及輸入擴展部分660。輸出壓縮部分620包括一系列交替的卷積及池化層，其可以針對圖5A之部分500a所述之方式組態。輸入擴展部分660包括一系列交替的卷積及去卷積層及質量中心層666。質量中心層666將估計值計算為在各位置自回歸之位置估計值計算之質量中心。
在一些實施例中，輸出壓縮部分620及輸入擴展部分660由處理路徑640a連接。處理路徑640a包括長短期記憶(LSTM)部分，其可以針對圖5C之RNN部分500c所述之方式組態。包括處理路徑640a之實施例可用以以針對圖5A及圖5C之CNN-LSTM所述之方式模型化時間限制。或者，根據其他實施例，輸出壓縮部分620及輸入擴展部分660由處理路徑640b連接。與處理路徑640a相反，處理路徑640b包括可以針對圖5B之CNN部分500b所述之方式組態之卷積類網路(CNN)部分。
在一些實施例中，FCNN 600對於卷積層可使用3之內核大小及1之跨步，對於池化層使用「2」之內核大小，對於去卷積層使用6之內核大小及2之跨步，且使用差異縮放初始化裝置。
FCNN 600之輸出可為具有與輸入相同的維度之單通道輸出。因此，諸如血管特性點之點位置之圖可藉由在點位置引入高斯(Gaussian)內核強度特徵而產生，其中FCNN 600經訓練以使用平均方誤差損失使此等特徵回歸。
CNN 600可使用梯度下降、隨機梯度下降、反向傳播及/或其他迭代最佳化技術訓練。
在一些實施例中，本文所述之TSC可使用標記之影像訓練。舉例而言，TSC可使用視網膜眼底特徵之影像進行訓練，諸如血管之分支末梢、分叉或重疊、視神經盤、血管、分叉、末梢、重疊及中央凹。掃描可藉由一或多個臨床專家手動標註。在一些實施例中，標註可包括血管重疊、分叉及末梢點之位置之指示。在一些實施例中，標註可包括覆蓋全部結構，如全血管、視神經盤或中央凹。
本發明人已認識到，藉由將TSC組態為多任務模型，TSC之輸出可用以識別個人視網膜眼底之特徵之一或多個位置，以及用以分割血管。舉例而言，血管提供用於識別個人之若干特徵，且因此有益的是，使用血管標記以訓練多任務模型，以使得該模型經組態以更精確地識別血管之位置。因此，CNN部分500a及/或FCNN 600可包括多任務模型。
圖7係全卷積類神經網路(FCNN) 700之方框圖，其可經組態以指示捕獲之影像中諸如血管、視神經盤或中央凹之某些視網膜眼底特徵之邊界之位置。訓練FCNN 700可涉及使用大小3之卷積內核及跨步1，使用大小2之最大池化內核及大小6及大小2之去卷積(按比例增大及卷積)內核之補零訓練影像。神經網路之輸出可指示某些視網膜眼底特徵之邊界之位置。 本發明人已認識到，一些TSC可經組態以對個別立體像素進行分類，其具有諸如血管之各種視網膜眼底特徵之位置較為不變化之優勢。圖8係卷積類神經網路(CNN) 800之方框圖，其可經組態以藉由對個別立體像素進行分類指示某些視網膜眼底特徵之邊界之位置。在一些實施例中，CNN 800在第一層可包括大小5之卷積內核及跨步1，且在後續層中包括大小3之內核。在圖8之說明性實施例中，CNN 800經組態以用於25之輸入鄰域。在其他實施例中，作為用於不同大小之輸入鄰域(諸如30或35)之構建塊，可重複CNN 800。在一些實施例中，較大鄰域可使用較大初始內核大小，諸如7。CNN 800之特徵圖可併入最後一特徵層且組合以產生單個預測結果。 在一實施例中，藉由相對於輸入影像來計算輸出類別之梯度創建凸極圖以瞭解影像之何部分對輸出有貢獻。由此量化輸出類別值相對於輸入影像像素之小變化如何變化。將此等梯度視覺化為強度影像能使注意力集中。 計算基本上係輸出類別之梯度相對於輸入影像之比率：
∂輸出/∂輸入 此等梯度用於突出致使輸出變化最大之輸入區域，且因此突出對輸出最有貢獻之凸出影像區域。
應瞭解，圖5A至圖5C、圖6及圖7至圖8中所示之神經網路架構係說明性的，且此等架構之變化形式係可能的。舉例而言，除一或多個所示層以外或替代一或多個所示層，可將諸如卷積層、去卷積層、整流線性單元層、上取樣層、連接層或襯墊層之一或多種其他神經網路層引入至圖5A至圖5C、圖6及圖7至圖8之神經網路架構中之任一者中。作為另一實例，一或多個層之維度可改變，且一或多種卷積、池化及/或去卷積層之內核大小亦可改變。另外，本文所述之TSC或者或另外可包括支援向量機、圖形模型、貝葉斯分類器(Bayesian classifier)或決策樹分類器。
本發明人以開發用於將自一或多個捕獲之影像擷取之資料與儲存之自一或多個其他視網膜眼底影像擷取之資料比較之技術。參看圖9，可獲得捕獲之影像資料及儲存之影像資料，且可確定儲存之影像資料之至少一部分與捕獲之影像資料至少是否具有預定相似度。根據圖5A至圖5C、圖6及/或圖7至圖8之任何或所有實施例，捕獲之影像資料及/或儲存之影像資料可藉由使用TSC擷取獲得。在圖10A之說明性方法中，在捕獲之影像資料與儲存之影像資料之間執行模板匹配以產生相似性量度。相比之下，圖10B之說明性方法包括平移及旋轉不變特徵比較以產生相似性量度。
圖9係用於藉由比較自捕獲之個人視網膜眼底影像擷取之捕獲之影像資料與儲存之影像資料識別個人之說明性方法900之流程圖。方法900包括在步驟902獲得捕獲之影像資料，在步驟904獲得一部分儲存之影像資料，在步驟906比較捕獲之影像資料與該部分儲存之影像資料及在步驟908確定該部分儲存之影像資料與捕獲之影像資料是否至少具有預定相似度。若該部分儲存之影像資料足夠相似以構成匹配，則方法900以成功識別(ID)結束。或者，若該部分儲存之影像資料不足夠相似以構成匹配，則方法900持續步驟910以確定是否存在任何儲存之影像資料尚未與捕獲之影像資料相比。若如此，則方法900返回至步驟904且獲得不同部分之儲存之影像資料以與捕獲之影像資料進行比較。若將所有儲存之影像資料已與捕獲之影像資料相比且無成功匹配，則方法900以不成功ID結束。根據圖1之實施例，方法900可藉由電腦140使用自裝置120a傳輸之一或多個影像及/或資料執行。或者，根據圖2之實施例，方法900可完全藉由裝置120b執行。
在步驟902獲得捕獲之影像資料可使用結合圖3之步驟304所述之影像擷取技術執行。或者或另外，根據圖5A至圖5C、圖6或圖7至圖8之任何或所有實施例，可自TSC輸出捕獲之影像資料。在一些實施例中，在步驟902獲得之捕獲之影像資料包括當前識別獲得之所有捕獲之影像資料。舉例而言，成像設備122a或122b可捕獲個人視網膜眼底之多個影像，且可在步驟902獲得與影像中之各者之所有視網膜眼底特徵對應之資料。或者，在步驟902可獲得與僅一些影像對應之資料。作為另一替代，可在步驟902獲得與影像中之各者之特定視網膜眼底特徵或特徵組對應之資料。因此，在一些實施例中，視步驟906之比較結果而定，方法900可返回至步驟902以獲得其他部分捕獲之影像資料。
步驟904之獲得儲存之影像資料可與對於捕獲之資料所述相似執行。儲存之影像資料可與一或多個先前經處理之視網膜眼底影像相關。舉例而言，儲存之影像資料可由系統100或裝置120b積累為人員登記結果。在一些實施例中，由系統100或裝置120b登記個人可包括捕獲個人視網膜眼底之一或多個影像、自捕獲之(多個)影像擷取指示個人視網膜眼底特徵之資料及將擷取之資料儲存於儲存媒體142或126上。在一些實施例中，登記個人可包括獲得識別資訊，諸如個人之完整法定名稱及政府頒佈之識別號(例如社會安全號)。在一些實施例中，識別資訊與諸如個人電話號及/或電子郵件地址之聯絡人資訊有關。在一些實施例中，個人在登記時亦可提供使用者名稱。在一些實施例中，每當系統100或裝置120b成功地識別個人時，可更新儲存之與各登記之個人相關之影像資料。舉例而言，當系統100或裝置120b成功識別登記之個人時，可將用以識別個人之捕獲之(多個)影像添加至儲存之影像資料。
對於捕獲之影像資料，儲存之影像資料可自3D立體影像、2D影像、螢光壽命資料或OCT光譜資料進行處理，且可提供給TSC。舉例而言，可將捕獲之影像資料及儲存之影像資料提供給同一TSC，以使得可比較自捕獲之影像資料及儲存之影像資料擷取之特徵資料。在一些實施例中，捕獲之影像資料及儲存之影像資料具有相同類型。舉例而言，捕獲及儲存之影像資料中之各者可包括一或多個視網膜片層(諸如鄰近片層)之一或多個2D影像。當捕獲及儲存之影像資料與同一個人相關時，捕獲之影像資料可包括在第一時間獲得之鄰近片層之多個影像，且儲存之影像資料可包括在比第一時間晚之第二時間獲得之相同鄰近片層之多個影像。舉例而言，在獲得捕獲之影像資料之前，儲存之影像資料可已處理近達幾分鐘或長達若干年。
在除視網膜眼底識別以外基於生物識別特性提供驗證之實施例中，除(多個)視網膜眼底影像以外或替代(多個)視網膜眼底影像亦可將一或多個記錄之生物識別特性(例如聲紋、指紋等)提供給TSC。在此類情形中，可將與複數個生物識別特徵(例如對於各種使用者)相關之儲存之特性資料提供給TSC。因此，TSC之(多個)輸出可指示生物識別特性之特徵，以促使以針對視網膜眼底影像所述之方式比較特性。因此，TSC亦可促使使用生物識別特性驗證身分。.
由於系統100或裝置120b登記有多個人，故儲存媒體142或126上之儲存之影像資料之特定部分可與各別人相關。因此，在步驟904獲得儲存之影像資料可包括獲得與登記之個人相關之一部分儲存之影像資料。舉例而言，在步驟904可獲得與特定個人相關之所有影像資料(例如來自先前成功識別之所有資料)，以與捕獲之影像資料比較。或者，在步驟904可獲得單個資料集，例如針對彼特定個人獲得之最新影像資料及/或指示特定視網膜眼底特徵或特徵組之態樣的資料。在一些實施例中，可在步驟904獲得呈多個儲存之數據集之組合的單個資料集，諸如平均值。在一些實施例中，視步驟906之比較結果而定，在返回至步驟902時可獲得儲存之影像資料之其他部分。
在步驟906可藉由電腦140或裝置120b執行捕獲之影像資料與該部分儲存之影像資料之比較。根據各種實施例，可使用交叉相關、模板匹配、平移及旋轉不變最大化加權及/或距離量度執行比較。舉例而言，根據圖10A之說明性實施例，電腦140或裝置120b可執行步驟902獲得之捕獲之影像資料與步驟904之儲存之影像資料之間的模板匹配以產生相似性量度。或者，根據圖10B之說明性實施例，電腦140或裝置120b可比較在步驟902獲得之捕獲之影像資料與在步驟904獲得之儲存之影像資料之平移及旋轉不變特徵之相對位置及/或取向以產生相似性量度。步驟906之比較可比較所有視網膜眼底特徵，或僅個別特徵或特徵群組之資料。舉例而言，可在捕獲之影像資料與儲存之影像資料中之視神經盤之態樣之間且在捕獲之影像資料及儲存之影像資料之諸如分支末梢或分叉之血管之態樣之間進行分別比較。在一個實例中，可在步驟906進行一個態樣之比較，且方法900稍後可轉回至步驟906以執行不同態樣之另一比較。
在步驟908確定該部分儲存之影像資料及捕獲之影像資料是否至少具有預定相似度可基於步驟906產生之相似性量度。舉例而言，相似性量度可提供兩個數據集之間的相似度，且步驟908可包括確定藉由相似性量度提供之相似度是否滿足用作成功識別之閾值的預定相似度。
預定相似度可基於多種因素設定，諸如擷取捕獲之影像資料之捕獲之影像的數量、影像之解析度及視場、捕獲之影像資料及儲存之影像資料中所指示之不同類型特徵之數量及步驟906實施之比較技術。儘管預定相似度應設定的相對高以防止詐欺識別，但此類高預定相似度可引起高錯誤拒絕率，使其更難以明確識別正確的個人。一般而言，預定相似度可高達所有所用影像之數量、(多個)影像之解析度及視場及不同類型特徵之數量允許。舉例而言，大量具有許多不同類型特徵之高品質捕獲之影像促使使用較高預定相似度但不會有高錯誤拒絕率之分險。此係因為捕獲之資料中存在大量資訊，由此可減輕捕獲之影像(例如不良照明)或傳輸之資料(例如歸因於傳輸誤差)中之缺陷的影響。
若該部分儲存之影像資料與儲存之影像資料至少具有預定相似度，則方法900可以成功匹配結束。在一些實施例中，電腦140或裝置120b可自儲存媒體142或126獲得與該部分儲存之影像資料相關之識別資訊。或者，電腦140或裝置120b可自通信網路160上之另一位置獲得識別資訊。舉例而言，識別資訊可與該部分儲存之影像資料儲存於一起，或儲存之影像資料可包括與儲存識別資訊之位置的連接。在一些實施例中，識別資訊可包括個人的全名及/或使用者名稱。
在基於記錄之生物識別特性執行生物識別驗證之實施例中，捕獲與儲存之生物識別特性資料之間的比較可以針對視網膜眼底影像及影像資料所述之方式進行。生物識別驗證通常在獲得識別資訊之後執行。舉例而言，儲存之生物識別特性資料可與識別資訊一起儲存。因而，生物識別特性比較可在視網膜眼底識別完成之後執行。在使用TSC之實施例中，儲存之生物識別特性資料可與記錄之生物識別特性資料同時或者在其之後作為輸入提供給TSC。舉例而言，記錄之生物識別特性資料可在識別的同時或甚至在其之前提供給TSC，其中TSC之(多個)輸出係經保存以在識別完成之後使用。
根據圖1之實施例，電腦140可獲得且傳輸識別資訊至裝置120a以結束對個人之識別。裝置120a或120b可例如經由一或多個顯示器上所產生之使用者介面通知個人識別成功。在一些實施例中，裝置120a或120b可准許個人存取與個人相關之健康資訊或帳戶，如本文中包括參看章節III所述。在一些實施例中，儲存之影像資料可經更新以包括一些或全部捕獲之影像資料(諸如指示視網膜眼底特徵之資料)以用於將來識別。
若該部分儲存之影像資料與捕獲之影像資料至少不具有預定相似度，則方法900繼續至步驟910以確定是否存在更多尚未與捕獲之影像資料相比之儲存之影像資料。若存在更多尚未與捕獲之影像資料相比之儲存之影像資料，則方法900返回至步驟904且獲得一部分尚未進行比較之儲存之影像資料。舉例而言，與捕獲之影像資料相比之儲存之影像資料之各部分均可與登記之個人相關，且一部分剩餘儲存之影像資料仍可匹配捕獲之影像資料以識別個人。應瞭解，在一些實施例中，方法900可返回至步驟902而非步驟904。舉例而言，捕獲之影像資料可包括與個人視網膜眼底之多個捕獲之影像對應之多個部分，且可在步驟902獲得因此與一或多個其他捕獲之影像對應之不同部分以對照先前在步驟904獲得之相同的儲存之影像資料進行比較。
或者，若不再存在儲存之影像資料與捕獲之影像資料進行比較，則方法900可以不成功識別結束。舉例而言，捕獲之影像資料可與尚未由系統100或裝置120b登記之個人相對應。根據圖1之實施例，電腦140可通知裝置120a識別不成功，且裝置120a可例如藉由提供可用捕獲之影像資料儲存之識別資訊提示個人用系統100記錄。根據圖2之實施例，裝置120b可提示個人用裝置120b記錄。應瞭解，例如在保健專業人員存在下可經組態以僅記錄新穎使用者之系統100及裝置120b之實施例中，裝置120a及120b不經組態即可記錄新穎使用者。
圖10A係用於藉由模板匹配使捕獲之影像資料與儲存之影像資料比較之說明性方法1000a的流程圖。方法1000a包括在步驟1002a執行模板匹配，及在步驟1004a產生相似性量度。在一些實施例中，方法1000a可藉由裝置120b或電腦140執行。在一些實施例中，可針對與單個影像或與同一個人相關之影像之組合對應的儲存於儲存媒體142或儲存媒體126上之各資料子集執行方法1000a，
在步驟1002a執行模板匹配可包括比較在方法900之步驟902獲得之捕獲之影像資料的至少一部分與在步驟904獲得之儲存之影像資料的至少一部分之裝置120b或電腦140。舉例而言，與由成像設備122a或122b捕獲之(多個)影像之區域對應的一部分捕獲之影像資料可對照與擷取儲存影像資料之一或多個影像之區域對應的一或多個部分之儲存之影像資料進行比較。在此類比較期間，可在該部分捕獲之影像資料與該(該等)部分儲存之影像資料之間諸如藉由卷積或其他乘法交叉相關。在一些實施例中，比較包括矩陣乘法，其中結果儲存於相似性矩陣中。在步驟1004a可使用相似性矩陣以產生相似性量度。
在一些情況下，該部分捕獲之(多個)影像可對照該(該等)部分儲存之影像資料進行比較，且接著可調整大小及/或旋轉且對照(多個)相同的部分進行比較。接著可使該部分捕獲之影像資料對照與擷取儲存之影像資料之(多個)影像之其他區域對應的一或多個其他部分之儲存之影像資料進行比較。在儲存之影像資料與多個影像相關之實施例中，一旦已將該部分捕獲之影像資料與跟特定影像相關之所有儲存之影像資料相比，則可將該部分捕獲之影像資料與跟不同影像相關之儲存之影像資料相比。或者，在多個影像上可對個別視網膜眼底特徵或特徵群組執行分別比較。一旦已將該部分捕獲之影像資料與跟特定個人相關之所有儲存之影像資料，例如所有個人之影像或影像之指示各種特徵之所有資料相比，則方法1000a可繼續以在步驟1004a產生與特定個人對應之相似性量度。舉例而言，相似性量度可指示捕獲之影像是否匹配特定個人。
在步驟1004a產生相似性量度可包括計算在方法900之步驟902獲得之捕獲之影像資料與在步驟904獲得之儲存之影像資料之間的相似性之裝置120b或電腦140。在一些實施例中，可計算捕獲之影像資料與跟特定影像相關之各部分儲存之影像資料之間的各別相似性量度。在一些實施例中，可計算比較之影像資料與全部儲存之影像資料之間的單個相似性量度。舉例而言，相似性量度可為捕獲之影像資料與儲存之資料之間所計算之最大相似度。或者，相似性量度可為捕獲之影像資料與儲存之影像資料之不同部分之間的平均相似性。在將捕獲之影像資料與儲存之影像資料進行比較包括執行卷積產生相似性矩陣之實施例中，在比較期間可產生部分相似性量度，且一旦模板匹配完成，即可最終確定相似性量度以說明所有比較資料。
圖10B係根據用於比較捕獲之影像資料中所指示之平移及旋轉不變特徵與儲存之影像資料中所指示之彼等特徵之說明性方法1000b的流程圖。舉例而言，根據圖5A至圖5C、圖6及圖7至圖8之實施例，平移及旋轉不變特徵可示於TSC之輸出中。方法1000b包括在步驟1002b執行平移及旋轉不變特徵比較及在步驟1004b產生相似性量度。方法1000b可藉由裝置120b或電腦140執行。
在步驟1002b執行平移及旋轉不變特徵比較可包括比較捕獲之影像資料中所指示之平移及旋轉不變特徵之相對位置及取向與儲存之影像資料中所指示之平移及旋轉不變特徵之相對位置及取向之裝置120b、電腦140。舉例而言，可在一些或全部捕獲之影像資料與儲存之影像資料之間執行SIFT或SURF比較。在儲存之影像資料與多個影像相關之實施例中，可對與特定影像相關之儲存之影像資料之各部分執行分別比較。或者，在一些實施例中，可對指示特定視網膜眼底特徵或特徵群組之部分儲存之資料(例如包括與多個影像中之指示(多個)特定特徵之多個影像相關之資料)執行分別比較。在一些情況下，特徵資料可自多個影像組合，且對照捕獲之影像資料進行比較。
在步驟1004b產生相似性量度可以結合圖10A針對步驟1004a所述之方式進行。舉例而言，可產生與捕獲之影像資料相比之儲存之影像資料之各部分的相似性量度。或者，單個相似性量度可基於比較與同一個人之多個影像相關之部分儲存影像資料及/或集中於各比較中之不同視網膜眼底特徵產生，以使得產生各影像或各特定特徵或特徵群組之相似性量度。
III. 用於基於個人視網膜影像存取個人之電子記錄或裝置之技術
本發明人已開發以生物識別安全系統確保與個人相關之電子帳戶或記錄或裝置安全及/或存取與個人相關之電子帳戶或記錄或裝置之技術，該生物識別安全系統經組態以能夠基於個人視網膜眼底之影像存取。作為一個實例，本發明人已開發使用生物識別確保使用者帳戶或裝置安全之技術。另外，本發明人已開發使用生物識別確保健康資訊(諸如與個人相關之電子健康記錄)安全之技術。用於生物識別之技術亦可適用於其他識別個人之情形，以便確保財務交易安全。生物識別包括能夠經由基於個人之視網膜影像及/或視網膜量測識別個人來存取。此個人之視網膜影像及/或量測可經由使用OCT及FLIO中之至少一者獲得。
在圖1至圖2之一些實施例中，裝置120a或120b可經組態以准許個人在成功識別時存取裝置120a或120b。舉例而言，裝置120a可准許個人在自電腦140接收成功識別之通知時存取。在一些實施例中，裝置120a可接收特定針對於個人之使用者帳戶資料以及通知。舉例而言，裝置120a可自電腦140接收個人化設定，諸如較佳音頻/視覺主題(例如顏色主題及/或聲音)、圖形設定(例如色盲偏好)、個人化主螢幕(例如桌上型電腦背景)及/或個人先前存取用於操作裝置120a之軟件應用。在一些實施例中，裝置120b可具有儲存於儲存媒體126上之個人化設定，且在成功識別時可選擇特定針對於個人之個人化設定。或者或另外，裝置120a或裝置120b可經組態以准許個人存取各種其他類型之帳戶，諸如網際網路上之社交媒體帳戶及/或用於進行交易之財務帳戶。
在圖1至圖2之一些實施例中，裝置120a或120b可經組態以在成功識別時存取健康資訊，諸如電子健康記錄。舉例而言，電腦140可儲存與一或多個人員相關之健康資訊，且在成功識別個人時可將與個人相關之健康資訊傳輸至裝置120a。或者，裝置120b可將健康資訊儲存於其上，在成功識別個人時其可獲自例如儲存媒體126。在一些實施例中，裝置120a或120b或電腦140可基於捕獲之(多個)影像中所指示之視網膜眼底特徵更新健康資訊。舉例而言，在一些實施例中，健康資訊可經更新以包括識別期間或在其他方面得到之捕獲之(多個)影像及/或自其擷取之特徵資料。以此方式，每當個人登入裝置120a或120b時健康資訊均可更新。在一些實施例中，個人可藉由使用裝置120a或120b將個人經歷之症狀直接報導至其電子健康記錄來更新電子健康記錄，而不必經常讓個人面見其保健專業人員。
圖11係圖示根據圖1至圖2之實施例的例示性使用者介面1100之方框圖。舉例而言，使用者介面1100提供於顯示器1130上，其可為裝置120a或120b之顯示器。
顯示器1130可為液晶顯示器(LCD)螢幕，諸如電腦監視器或電話螢幕，或者可為投影或全息圖。在一些實施例中，顯示器1130可包括觸控螢幕，其經組態以藉由按壓顯現於觸控螢幕上之內容進行使用者交互。在一些實施例中，顯示器1130可與裝置120a或120b整合。或者，在一些實施例中，顯示器1130可與裝置120a或120b分開，且可經由有線或無線連接聯接至裝置120a或120b。
顯示器1130包括位於顯示器1130上之用於識別資訊1132、健康資訊1134、財務資訊1136及其他資訊1138之部分。在一些實施例中，識別資訊1132、健康資訊1134及/或財務資訊1136可顯現於顯示器1130之邊緣，同時其他資訊1138亦呈現給使用者。作為一非限制性實例，識別資訊1132可包括個人之使用者名稱，健康資訊1134可包括個人之壓力水準，財務資訊1136可包括個人之銀行帳戶餘額，且其他資訊1138可包括經社交媒體接受之訊息。
在一些實施例中，識別資訊1132可指示使用者是否識別成功。舉例而言，識別資訊1132可包括指示識別成功之通知。或者或另外，識別資訊1132可包括使用生物識別獲得之所識別個人之名稱。
在一些實施例中，在生物識別期間或除生物識別以外可獲得健康資訊1134、財務資訊及/或其他資訊1138。在一些實施例中，裝置120a或120b可經組態以在成功識別時存取及/或更新與個人相關之健康資訊。或者或另外，裝置120a或120b可經組態以在成功識別時存取及/或更新與個人相關之財務或其他帳戶資訊。
根據圖1之實施例，健康資訊1134可獲自電腦140，或根據圖2之實施例，可獲自裝置120b之儲存媒體126。在一些實施例中，健康資訊1134可包括例如基於獲自電腦140或儲存媒體126之資訊的關於健康警告之通知。健康資訊1134可包括與糖尿病、心血管疾病、腦震盪、帕金森氏病(Parkinson's disease)、阿茲海默氏病(Alzheimer's disease)及/或壓力相關之風險評定。在一些實施例中，健康資訊或者或另外可包括特定針對於個人視網膜健康狀況之風險評定。舉例而言，風險評定可與糖尿病性視網膜病變、老年性黃斑變性、黃斑部水腫、視網膜動脈阻塞、視網膜神經纖維層及/或青光眼相關。
根據圖1之實施例，財務資訊1136可獲自電腦140，或根據圖2之實施例，可獲自裝置120b之儲存媒體126。在一些實施例中，財務資訊1136可包括與個人相關之一或多個財務帳戶(諸如銀行或投資帳戶)之餘額。
應瞭解，顯示器1130可僅包括一些識別資訊1132、健康資訊1134、財務資訊1136及/或其他資訊1138，因為此實例僅表明根據各種實施例使用者可如何與多個形式之資訊交互。
患者通常藉由親自諮詢其保健專業人士或經由可經通行碼或密碼存取之在線資料庫來存取及/或更新其電子健康記錄。如章節II中所述，本發明人已認識到，如本文所述之經組態以使用捕獲之個人視網膜眼底影像識別個人之生物識別安全系統提供超過通行碼及密碼之增強的保護，同時達到比現有生物識別安全系統低的錯誤拒絕率及錯誤驗收率。當患者健康資訊更容易存取且患者本身容易更新時，患者健康資訊之安全性及機密性係重要考慮因素。若電子健康記錄不安全或不足夠安全，則除患者外之關係人及其保健專業人士可能夠存取敏感健康資訊。機密性缺乏之結果可導致患者失去對其資訊私密性之信任，且可進一步阻止尋求醫療照顧。另外，若可偽造或以其他方式詐欺性改變患者之電子健康記錄，則保健專業人士將不能夠做出適當診斷。因此，本發明人已開發用於使用生物識別系統安全地存取健康資訊之系統，以使得健康資訊可更容易存取患者，同時維持機密性及安全性。
在一些實施例中，裝置120a或裝置120b可經組態以識別個人且存取個人之電子健康記錄，即使個人無意識。舉例而言，在諸如自然災難之大量傷患事件期間，可使用裝置120a或裝置120b識別無意識受害者且可獲得其電子健康記錄。舉例而言，諸如緊急救護技術員(EMT)之第一響應者可使用裝置識別各個人且使用裝置存取健康資訊以更精確地進行分診。因此，裝置可促使以快速且經組織之方式響應於諸如自然災難之事件。
參看圖12，健康或其他帳戶資訊可儲存於分散式分類帳(諸如區塊鏈)之一或多個組件上。本發明人已認識到，分散式分類帳提供儲存於分類帳上之資料發生改變之具體記錄。舉例而言，分類帳之各組件可具有獨特識別符，將其更新以反映組件發生改變及/或分類帳內之其他組件發生改變之時間及/或範疇。因此，分散式分類帳可促使確定儲存於分類帳上之資訊，諸如識別資訊、使用者帳戶資料、財務資料或健康資訊是否已改變，以及改變之時間及改變程度。本發明人已認識到，用生物識別系統確保電子健康記錄安全存取分散式分類帳之組件會增強電子健康記錄之精確度及機密性。在一些實施例中，健康資訊相關之個人或諸如個人醫生之經授權保健專業人員僅可改變儲存於分散式分類帳上之健康資訊。
根據各種實施例，分散式分類帳之組件可包括與個人或其他人相關之使用者帳戶資料、財務資料、健康資訊(諸如電子健康記錄)、儲存之影像資料及/或識別資訊。
圖12係圖示例示性分散式分類帳1200之方框圖，包括可經網路1260存取之組件1220及1240。分散式分類帳1200可實施分散式資料結構，其中分類帳之(多個)組件1220及1240儲存於諸如裝置120a、裝置120b或電腦140之各種裝置及電腦上且可經通信網路160存取。舉例而言，在一些實施例中，網路1260可為圖1之通信網路160，以使得組件1220及1240可儲存於或可存取裝置120a及/或電腦140。或者，網路1260可為通信網路160之子網路，諸如分散於整個通信網路160中但不可存取通信網路160上之所有裝置的同級間(peer-to-peer，P2P)網路。根據非限制性實例，分散式分類帳1200可實施區塊鏈，其中組件1220及1240充當區塊，且區塊標頭連接至鏈中之其他區塊。
組件1220包括標頭1222及資料1224，且組件1240包括標頭1242及資料1244。根據各種實施例，資料1224及/或1244可包括與個人相關之儲存之影像資料、健康資訊(諸如電子健康記錄)、使用者帳戶資料、財務資料及/或識別資訊。標頭1222及1242可各自包括特定針對於組件1220及1240之獨特識別符，諸如用於識別組件1220或1240之位址或雜湊。識別符可包括前文及/或下文關於鏈中之一或多個其他組件的資訊。舉例而言，若連接組件1220及1240，則標頭1222可包括關於組件1240之資訊，及/或標頭1242可包括關於組件1220之資訊。或者或另外，識別符可包括基於各組件之資料1224或1244發生之改變的資訊，諸如改變時間或改變程度。在一些實施例中，識別符可由涉及其他組件之識別符及/或與組件之資料改變相關之資訊的數學操作產生。舉例而言，組件1220之資料1224可包括個人之識別資訊及/或電子健康記錄，其可經改變以包括更新之健康資訊。因此，可更新標頭1222以指示發生改變，且在一些情況下，指示改變之範疇。另外，連接至組件1220之其他組件之標頭亦可經更新以包括組件1220之更新之識別符。舉例而言，在組件1240連接至組件1220之一些實施例中，標頭1242可基於標頭1222之改變進行更新及/或反之亦然。
在圖1至圖2之實施例中，裝置120a及/或電腦140可不時儲存分散式分類帳之一或多個組件。或者或另外，裝置120a及/或電腦140可經組態以存取具有與個人相關之資料1224及/或1244之分散式分類帳1200之(多個)組件1220及/或1240。
在圖1至圖10B之實施例中，可使用來自分散式分類帳1200之組件1220及/或1240之儲存之影像資料來執行生物識別。舉例而言，裝置120b或電腦140可自分散式分類帳1200之(多個)組件1220及/或1240獲得儲存之影像資料。另外，識別資訊可儲存為組件1220及/或1240之資料1224及/或1244之至少一部分。在一些實施例中，組件1220之資料1224可包括儲存之影像資料以及與組件1240之連接，該組件1240可將與儲存之影像資料相關之識別資訊儲存於資料1244中。在測定組件1220上之儲存之影像資料與捕獲之影像資料至少具有預定相似度時，與個人相關之識別資訊可獲自具有儲存之影像資料的組件1220，或可獲自連接之組件1240。
IV. 用於基於個人之視網膜影像測定個人之健康狀態之技術
本發明人已開發使用捕獲之個人視網膜眼底之影像以測定個人對某些疾病之傾向的技術。舉例而言，個人視網膜眼底之外觀可指示個人是否具有如本文所述之各種病狀之風險，諸如糖尿病、不良心臟血管事件或壓力。作為將健康狀態測定整合至用於生物識別之系統中之優勢，用於識別個人之捕獲之影像資料可用以測定個人之健康狀態。根據各種實施例，可在識別個人之前、期間或之後基於個人視網膜眼底之影像測定個人之傾向。舉例而言，測定可與識別分別執行，或可作為識別期間之額外或替代步驟執行。
本發明人已認識到，各種醫學病狀可藉由個人視網膜眼底之外觀指示。舉例而言，糖尿病性視網膜病變可藉由自較小血管之血管壁突出之微小凸起或微動脈瘤指示，有時使體液及血液滲漏至視網膜中。此外，較大視網膜血管可開始擴張且直徑不規則。視網膜中之神經纖維可開始膨脹。有時，視網膜之中心部分(黃斑)開始膨脹，諸如黃斑部水腫。受損之血管可堵塞，從而造成視網膜中之新穎異常血管生長。青光眼視神經病變或青光眼可藉由作為軸突及二級視網膜神經節細胞損失之結果的視乳突旁視網膜神經纖維層(RNFL)變薄及視神經盤陷凹指示。本發明人已認識到，例如藉由OCT所指示之RNFL缺損係青光眼之最早症狀中之一者。此外，老年性黃斑變性(age-related macular degeneration，AMD)可藉由黃斑剝離及/或隆起、黃斑色素沉著紊亂(諸如中心視網膜區域中色素上皮層下之淡黃色物質)及/或隱結(諸如黃斑隱結、周邊隱結及/或顆粒狀隱結)指示。AMD亦可藉由地圖狀萎縮(諸如清晰劃定界限之圓形色素過多區域)、錢幣狀萎縮及/或視網膜下流體指示。斯特格特氏病(Stargardt's disease)可藉由視網膜之中心部分中感光細胞之死亡指示。黃斑部水腫可藉由中央凹周圍之區域中之溝槽指示。黃斑孔可藉由黃斑中之孔洞指示。飛蚊症可藉由非聚焦光學路徑遮蔽指示。視網膜脫落可藉由嚴重視神經盤破裂及/或與底層色素上皮細胞分離指示。視網膜變性可藉由視網膜退化指示。中心性漿液性視網膜病(Central serous retinopathy，CSR)可藉由黃斑中之感覺視網膜升高及/或自色素上皮細胞局部脫落指示。脈絡膜黑素瘤可藉由源自起始於脈絡膜中之色素細胞的惡性腫瘤指示。白內障可藉由不透明晶狀體指示，且亦可致使螢光壽命及/或2D視網膜眼底影像模糊。黃斑毛細血管擴張可藉由黃斑之顯著逐漸增加之螢光環壽命且藉由中央凹中及周圍退化之小血管指示。阿茲海默氏病及帕金森氏病可藉由RNFL變薄指示。應瞭解，糖尿病性視網膜病變、青光眼及其他此類病狀若篩檢及治療不適當，則可導致失明或嚴重視覺障礙。
因此，在一些實施例中，本文所述之系統及裝置可經組態以基於個人視網膜眼底之一或多個影像測定個人對各種醫學病狀之傾向。舉例而言，若在(多個)影像中偵測到特定醫學病狀之上述症狀中之一或多者(例如老年性黃斑變性之黃斑剝離及/或隆起)，則系統及/或裝置可測定個人易患彼醫學病狀。在此等情形下，系統或裝置可將個人之傾向直接通知個人及/或可通知個人之健康狀況專業人員。
此外，在一些實施例中，本文所述之系統及裝置可基於捕獲及儲存之影像作出此類醫學傾向測定。舉例而言，諸如RNFL變薄之一些症狀可在識別個人時藉由比較捕獲之(多個)影像與儲存之影像指示。儘管此類進展因其可引起正確個人之錯誤拒絕而將對現有識別系統提出挑戰，但本文所述之系統可經組態以在測定個人醫學病狀時考慮到此類差異。因此，本發明人已開發不僅偵測個人醫學病狀之症狀且測定個人醫學病狀但亦適於在識別期間考慮到醫學病狀之系統及裝置。
或者或另外，在一些實施例中，本文所述之系統及裝置可基於來自TSC之一或多個輸出作出此類醫學傾向測定。舉例而言，個人視網膜眼底之一或多個影像可作為輸入提供給TSC，其可提供指示個人視網膜眼底之特徵的一或多個輸出。在一些實施例中，各輸出物可指示醫學病狀之症狀處於特定影像之特定部分中之可能性。或者，一或多個輸出可指示單個或多個影像中有多個醫學病狀之症狀之可能性。另外，(多個)輸出可指示在單個或多個影像中有一種或多種醫學病狀之多個症狀之可能性。(多個)輸出可指示單個或多個影像中之多個位置上存在一或多種醫學病狀之一或多個症狀之可能性。因此，可基於來自TSC之(多個)輸出測定個人對各種醫學病狀之傾向。當儲存之影像資料亦作為輸入提供給TSC時，來自TSC之(多個)輸出不僅可用以識別如本文所述之個人但亦基於(多個)輸出中所示之特徵進行醫學病狀測定。
在一些實施例中，在成功識別時，可基於捕獲之影像資料中之視網膜眼底特徵之外觀更新個人健康狀況資訊之風險評定。舉例而言，根據圖1之實施例，風險評定可經電腦140更新，及/或可提供給裝置120a以用於圖11之使用者介面1100中之顯示器。根據圖2之實施例，風險評定可經裝置120b更新，及/或可提供用於使用者介面1100中之顯示器。
V. 用於基於個人視網膜影像診斷個人之健康病 狀 之技術
本發明人亦已開發使用捕獲之個人視網膜眼底影像以診斷個人之各種健康病狀或疾病之技術。舉例而言，在一些實施例中，章節IV中所述之健康病狀中之任一者可在識別之前、在識別期間、在成功識別之後及/或使用在一或多次識別期間所積累之資料來診斷。或者或另外，此類病狀可包括視網膜母細胞瘤或可校正視覺問題，諸如近視或弱視。此類測定可以章節IV所述之方式執行。根據圖1之實施例，電腦140可執行診斷且將診斷之結果提供給裝置120a。根據圖2之實施例，裝置120b可執行診斷且將診斷之結果提供於其上。在一些實施例中，診斷之結果或者或另外可提供給保健專業人員，諸如個人醫生。
VI. 應用
如所描述，捕獲之個人視網膜眼底之影像可用以識別個人、存取電子記錄或確保個人之裝置安全、測定個人之健康狀態(包括確定個人對獲得某些疾病或病狀之傾向)及/或診斷個人之實際疾病或健康病狀(諸如阿茲海默氏病、糖尿病、某些自身免疫病症等)。此外，本文所述之系統及裝置可經組態以測定個人之生命徵象、血壓、心跳速率及/或紅血球及白血球計數。另外，本文所述之系統及裝置可經組態用於與其他醫學裝置(諸如超音波探針、磁共振成像(MRI)系統或其他裝置)一起使用。與如本文所述之系統及裝置一起使用之超音波探針之實例描述於標題為「UNIVERSAL ULTRASOUND DEVICE AND RELATED APPARATUS AND METHODS」之美國專利申請案第2017/0360397號中，其以全文引用之方式併入本文中。與如本文所述之系統及裝置一起使用之MRI系統之實例描述於標題為「ELECTROMAGNETIC SHIELDING FOR MAGNETIC RESONANCE IMAGING METHODS AND APPARATUS」之美國專利申請案第2018/0164390號中，其以全文引用之方式併入本文中。
已如此描述本發明所述技術之若干態樣及實施例，應瞭解，熟習此項技術者將容易想到各種改變、修改及改良。此類改變、修改及改良意欲在本文所述之技術之精神及範圍內。舉例而言，一般熟習此項技術者將容易預想用於執行功能及/或獲得結果及/或本文所述優勢中之一或多者之多種其他手段及/或結構，且認為此類改變及/或修改中之各者在本文所述實施例之範疇內。熟習此項技術者將認識到或最多使用常規實驗便能夠確定本文所述之特定實施例之許多等效物。因此，應理解，前述實施例僅借助於實例呈現且在隨附申請專利範圍及其等效物之範疇內，本發明之實施例可以不同於特定描述之其他方式來實踐。另外，若本文所述之特徵、系統、物品、材料、套組及/或方法並非相互不相容，則在本發明之範疇內包括兩個或兩個以上此類特徵、系統、物品、材料、套組及/或方法之任何組合。
上述實施例可以眾多方式中之任一者來實施。涉及製程或方法之效能的本發明之一或多個態樣及實施例可利用可由裝置(例如電腦、處理器或其他裝置)執行之程式指令以執行或控制製程或方法之效能。在此態樣中，各種本發明概念可體現為編碼有一或多個程式之電腦可讀儲存媒體(或多個電腦可讀儲存媒體)(例如電腦記憶體、一或多個軟磁碟、緊密光碟、光碟、磁帶、快閃記憶體、場可程式化閘陣列或其他半導體裝置之電路組態或其他可觸電腦儲存媒體中)，該一或多個程式在經一或多個電腦或其他處理器執行時執行實施上文所述之各種實施例中之一或多者的方法。一或多個電腦可讀儲存媒體可為可傳輸的，以使得儲存於其上之一或多個程式可裝載至一或多個不同電腦或其他處理器上以實施本文所述之態樣中之各種態樣。在一些實施例中，電腦可讀媒體可為非暫時性媒體。
術語「程式」或「軟體」在本文中一般意義上用於指代可用以程式化電腦或其他處理器以實施如上文所述之各種態樣的任何類型之電腦程式碼或電腦可執行指令之集合。另外，應瞭解，根據一態樣，在執行時實施本發明方法之一或多個電腦程式無需留存於單個電腦或處理器上，但可以模組化方式分佈於多個不同電腦或處理器中以實施本發明之各個態樣。
電腦可執行指令可呈許多形式，諸如由一或多個電腦或其他裝置執行之程式模組。一般而言，程式模組包括執行特定任務或實施特定抽象資料類型之常式、程式、物件、組件、資料結構等。通常，程式模組之功能性可按需要在各種實施例中經組合或分佈。
此外，資料結構可以任何適合的形式儲存於電腦可讀媒體中。出於說明簡單起見，資料結構可被展示為具有經由資料結構中之位置而相關的欄位。此類關係可同樣地藉由使用表達欄位之間的關係的電腦可讀媒體中之部位來指派用於欄位之儲存而達成。然而，任何適合的機制可用以在資料結構之欄位中的資訊之間建立關係，包括經由使用指標、標記或在資料元素之間建立關係的其他機制。
當以軟體實施時，軟體程式碼可執行於任何適合的處理器或處理器之集合上，是否提供於單個電腦或分佈於多個電腦中。
另外，應瞭解，電腦可以多種形式中之任一者體現，諸如作為非限制性實例之機架安裝式電腦、桌上型電腦、膝上型電腦或平板電腦。另外，電腦可嵌入一般不視為電腦但具有適合的處理能力之裝置中，包括個人數位助理(Personal Digital Assistant，PDA)、智慧型電話或任何其他適合的可攜式或固定電子裝置。
此外，電腦可具有一或多個輸入及輸出裝置。此等裝置尤其可用以呈現使用者介面。可用以提供使用者介面之輸出裝置之實例包括用於輸出之視覺呈現的列印機或顯示螢幕，及用於輸出之聽覺呈現的揚聲器或其他聲音產生裝置。可用於使用者介面之輸入裝置的實例包括鍵盤及指標裝置，諸如滑鼠、觸控板及數位化輸入板。作為另一實例電腦可經由語音辨識或以其他聽覺形式接收輸入資訊。
此類電腦可藉由一或多個呈任何適合的形成之網路互連，包括區域網路或廣域網路，諸如企業網路，及智慧型網路(intelligent network，IN)或網際網路。此類網路可基於任何適合的技術且可根據任何適合的方案操作且可包括無線網路、有線網路或光纜網路。
此外，如所描述，一些態樣可體現為一或多種方法。在一些實施例中，方法可併入有本文所述之一或多種技術之態樣。
舉例而言，圖13A係圖示根據一些或全部本文所述之實施例之例示性方法1300a之流程圖，該方法包括在步驟1320a經通信網路[例如向雲端]傳輸與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料，及在步驟1340a經通信網路接收個人之身分。
圖13B係圖示根據一些或全部本文所述之實施例之例示性方法1300b之流程圖，該方法包括在步驟1320b基於與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料識別個人，及在步驟1340b基於個人之第一生物特性驗證個人之身分。應瞭解，在一些實施例中，步驟1320a或者或另外可包括基於第一影像資料中指示之多個類型之特徵中之第一者識別個人，及/或1340b可包括基於多個類型之特徵中之第二者驗證身分。
圖13C係圖示根據一些或所有本文所述之實施例之例示性方法1300c之流程圖，該方法包括在步驟1320c基於與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料識別個人，及在步驟1340c更新與複數個視網膜眼底影像相關之儲存之資料。
圖13D係圖示根據一些或所有本文所述之實施例之例示性方法1300d之流程圖，該方法包括在步驟1320d將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料作為第一輸入提供給經訓練的統計分類器(TSC)，及在步驟1340d基於來自TSC之至少一個輸出識別個人。
圖13E係圖示根據一些或所有本文所述之實施例之例示性方法1300e之流程圖，該方法包括在步驟1320e基於與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料識別個人，及在步驟1340e確定個人之醫學病狀。
圖13F係圖示根據一些或所有本文所述之實施例之例示性方法1300g之流程圖，該方法包括在步驟1320f將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料作為第一輸入提供給經訓練的統計分類器(TSC)，在步驟1340f基於來自TSC之至少一個輸出識別個人，及在步驟1360f確定個人之醫學病狀。
作為方法之一部分的所執行之動作可以任何適合的方式排序。因此，可建構如下實施例：其中動作以不同於所說明之次序的次序執行，其可包括同時執行一些動作，即使此等動作在說明性實施例中展示為連續動作。
如本文所定義及使用之所有定義應理解為控制在辭典定義、以引用之方式併入之文獻中的定義及/或所定義術語之普通含義內。
除非有明確相反指示，否則如在本說明書及申請專利範圍中所使用之不定冠詞「一(a/an)」應理解為意謂「至少一個」。
如本文在說明書及申請專利範圍中所用，片語「及/或」應理解為意謂如此結合之要素中的「任一者或兩者」，亦即在一些情況下結合地存在且在其他情況下未結合地存在的要素。使用「及/或」列出之多個要素應以相同方式解釋，亦即，如此結合之「一或多個」要素。可視情況存在除了藉由「及/或」短語所確切地鑑別之要素以外之其他要素，無論與確切地鑑別之彼等要素相關抑或不相關。因此，作為一非限制性實例，提及「A及/或B」，在結合諸如「包含」之開放式措辭使用時，在一個實施例中，可僅指A (視情況包括除B外之要素)；在另一實施例中，可僅指B (視情況包括除A外之要素)；在又一實施例中，可指A與B (情況包括其他要素)；等。
如本文在說明書及申請專利範圍中所用，關於一或多個要素之清單的片語「至少一個」應被理解為意謂由要素之清單中要素之任何一或多個中選出的至少一個要素，但未必包括要素之清單內具體列出的每個要素中之至少一者，且未必排除元件之清單中之要素的任何組合。此定義亦允許可視情況存在除片語「至少一」所指的要素之清單內具體識別的要素以外的要素，而無論與具體識別的彼等要素相關抑或不相關。由此，作為一非限制性實例，「至少一個A及B」(或等效地「至少一個A或B」，或等效地「至少一個A及/或B」)可在一個實施例中指至少一個(視情況包括超過一個)A而不存在B (且視情況包括除B外之要素)；在另一實施例中，指至少一個(視情況包括超過一個)B而不存在A (且視情況包括除A外之要素)；在又一實施例中，指至少一個(視情況包括超過一個) A及至少一個(視情況包括超過一個) B (且視情況包括其他要素)；等。
此外，本文所用之措詞及術語係出於描述之目的且不應視為限制性的。本文中對「包括」、「包含」或「具有」、「含有」、「涉及」及其變化的使用意謂涵蓋在其之後所列舉的項目及其等效物以及額外項目。
在申請專利範圍中以及在上述說明書中，諸如「包含」、「包括」、「攜帶」、「具有」、「含有」、「涉及」、「擁有」、「由……組成」及其類似片語之全部過渡性片語應理解為開放的，亦即意謂包括(但不限於)。僅過渡性片語「由……組成」及「基本上由……組成」分別應為封閉或半封閉過渡性片語。
100:系統 120a:裝置 120b:裝置 122a,122b:成像設備 124a,124b:處理器 126:儲存媒體 140:電腦 142:儲存媒體 144:處理器 160:通信網路 300:方法 302:步驟 304:步驟 400:視網膜眼底 410:分支末梢 420:分叉 430:鼻動脈 440:鼻靜脈 450:顳動脈 460:顳靜脈 470:視神經盤 480:中央凹 490:黃斑 500a:部分 500b:部分 500c:部分 510a,510b,510c,510d,510e,510f,510g:卷積層 512a,512b:卷積層 520a,520b,520c:池化層 530:影像 532:32256×256特徵圖 534:64128×128特徵圖 536:12864×64特徵圖 540:特徵圖/輸出端 542:25632×32特徵圖 560:全連接層 570:預測結果 580:預測結果 600:全卷積類神經網路(FCNN) 620:輸出壓縮部分 640a:處理路徑 640b:處理路徑 660:輸入擴展部分 666:質量中心層 700:全卷積類神經網路(FCNN) 800:卷積類神經網路(CNN) 900:方法 902:步驟 904:步驟 906:步驟 908:步驟 910:步驟 1000a:方法 1000b:方法 1002a:步驟 1002b:步驟 1004a:步驟 1004b:步驟 1100:使用者介面 1130:顯示器 1132:識別資訊 1134:健康資訊 1136:財務資訊 1138:其他資訊 1200:分散式分類帳 1220,1240:組件 1222,1242:標頭 1224,1244:資料 1260:網路 1300a,1300b,1300c,1300d,1300e,1300f:方法 1320a,1320b,1320c,1320d,1320e,1320f:步驟 1340a,1340b,1340c,1340d,1340e,1340f:步驟 1360f:步驟 1400:成像設備 1401:外殼 1402:第一外殼部分 1403:第二外殼部分 1404:後外殼部分 1405:前外殼部分 1410:開口 1411:開口 1422:第一成像裝置 1423:第二成像裝置 1500:成像設備 1501:外殼 1502:第一外殼部分 1503:第二外殼部分 1504:中心外殼部分 1505A,1505B:前外殼部分 1510:開口 1511:開口 1520:電子設備 1600:成像設備 1601:外殼 1601a,1601b,1601c:外殼部分 1602:外殼部分 1603:外殼部分 1605:前外殼部分 1605a:部分 1605b:前部分 1610:透鏡 1611:透鏡 1620:電子設備 1622:成像裝置 1623:成像裝置 1624:電磁屏蔽 1625:控制面板 1626:對焦部分 1627:對焦部分 1628:固定舌片 1650:支架 1652:基底 1654:腳 1656:鉸鏈 1658:固持部分
隨附圖式並不意欲按比例繪製。在圖式中，各種圖中說明之各相同或幾乎相同的組件由類似數字表示。為清楚起見，在每個圖中並非每個組件都進行標記。在圖式中：
圖1係根據本文所述之技術之一些實施例的用於生物識別及健康狀況或其他帳戶存取之連接雲端之系統的方框圖。
圖2係根據圖1中所圖示之系統之一些實施例的用於本地生物識別及健康狀況或其他帳戶存取之例示性裝置的方框圖。
圖3係圖示根據圖1至圖2之實施例的用於捕獲一或多個視網膜眼底影像且自捕獲之(多個)影像擷取影像資料之例示性方法的流程圖。
圖4係根據圖3之方法的個人視網膜眼底之側視圖，該個人視網膜眼底包括可捕獲於一或多個影像中及/或以自該(該等)影像擷取之資料指示的特徵。
圖5A係根據圖3之方法之一些實施例的例示性卷積類神經網路(convolutional neural network，CNN)之方框圖。
圖5B係根據圖5A之CNN之一些實施例的例示性卷積類神經網路(CNN)之方框圖。
圖5C係根據圖5A之CNN之替代實施例的包括長短期記憶(LSTM)網路之例示性遞歸類神經網路(recurrent neural network，RNN)之方框圖。
圖6係根據圖3之方法之一些實施例的例示性全卷積類神經網路(fully convolutional neural network，FCNN)之方框圖。
圖7係根據圖3之方法之替代實施例的例示性卷積類神經網路(CNN)之方框圖。
圖8係根據圖3之方法之其他替代實施例的例示性卷積類神經網路(CNN)之方框圖。
圖9係圖示根據圖1至圖2之實施例的用於識別個人之例示性方法的流程圖。
圖10A係根據圖9之方法之一些實施例的用於模板匹配視網膜眼底特徵之方法之流程圖。
圖10B係根據圖9之方法之一些實施例的用於比較個人視網膜眼底之平移及旋轉不變特徵之方法的流程圖。
圖11係圖示根據圖1至圖2之實施例的例示性使用者介面之方框圖。
圖12係圖示根據本文所述之技術之一些實施例的例示性分散式分類帳的方框圖，該分散式分類帳之組件可經網路存取。
圖13A係圖示根據本文所述之技術之一些實施例的例示性方法之流程圖，該方法包括經通信網路傳輸與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料，及經通信網路接收個人之身分。
圖13B係圖示根據本文所述之技術之一些實施例的例示性方法的流程圖，該方法包括基於與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料識別個人及基於個人之第一生物識別特性驗證個人之身分。
圖13C係圖示根據本文所述之技術之一些實施例的例示性方法之流程圖，該方法包括基於與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料識別個人及更新與複數個視網膜眼底影像相關之儲存資料。
圖13D係圖示根據本文所述之技術之一些實施例的例示性方法之流程圖，其包括將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料作為第一輸入提供給經訓練的統計分類器(TSC)，及基於來自該TSC之至少一個輸出識別該個人。
圖13E係圖示根據本文所述之技術之一些實施例的例示性方法之流程圖，該方法包括基於與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料識別該個人及測定該個人之醫學病狀。
圖13F係圖示根據本文所述之技術之一些實施例的例示性方法之流程圖，該方法包括將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像之第一影像資料作為第一輸入提供給經訓練的統計分類器(TSC)，基於來自該TSC之至少一個輸出在步驟中識別該個人，及測定個人之醫學病狀。
圖14A係根據本文所述之技術之一些實施例的例示性成像設備之前透視圖。
圖14B係根據本文所述之技術之一些實施例的圖14A之成像設備之後透視圖及部分透明視圖。
圖15係根據本文所述之技術之一些實施例的替代例示性成像設備之底視圖。
圖16A係根據本文所述之技術之一些實施例的另一例示性成像設備之後透視圖。
圖16B係根據本文所述之技術之一些實施例的圖16A之成像設備之分解視圖。
圖16C係根據本文所述之技術之一些實施例的使用圖16A之成像設備以對個人眼睛中之一者或各者進行成像的個人之側視圖。
圖16D係根據本文所述之技術之一些實施例的由支架支撐之圖16A之成像設備之透視圖。
100:系統
120a:裝置
122a:成像設備
124a:處理器
140:電腦
142:儲存媒體
144:處理器
160:通信網路

Claims (35)

  1. 一種成像設備，其包含： 外殼，其經組態以容納個人之第一眼睛及第二眼睛，該外殼在其中安置有： 光同調斷層掃描(OCT)裝置，其經組態用於成像及/或量測該第一眼睛之視網膜；及 螢光裝置，其經組態用於成像及/或量測該第二眼睛之視網膜。
  2. 一種成像設備，其包含： 雙目形外殼，該外殼在其中安置有包括光學成像裝置及螢光成像裝置之複數個成像裝置， 其中該光學成像裝置及該螢光成像裝置經組態以使用同一光學組件執行成像及/或量測。
  3. 如請求項2之成像設備，其中該同一光學組件包括透鏡。
  4. 如請求項2之成像設備，其中該光學成像裝置包括光同調斷層掃描(OCT)裝置。
  5. 如請求項2之成像設備，其中該螢光成像裝置包括螢光壽命成像裝置。
  6. 如請求項2之成像設備，其進一步包括至少一個處理器，該至少一個處理器經組態以基於至少一個使用該複數個成像裝置捕獲之影像識別穿戴該成像設備之個人。
  7. 如請求項6之成像設備，其中該至少一個處理器經組態以： 將該至少一個影像輸入至經訓練的統計分類器(TSC)；及 作為來自該TSC之輸出，獲得該個人之身分。
  8. 如請求項6之成像設備，其中該至少一個處理器經組態以： 將該至少一個影像經通信網路傳輸至裝置；及 經該通信網路自該裝置接收該個人之身分。
  9. 如請求項8之成像設備，其中該至少一個處理器經進一步組態以經該通信網路存取與該個人相關之健康資訊。
  10. 如請求項6之成像設備，其中該至少一個處理器經進一步組態以基於識別該個人來核准該個人之安全存取。
  11. 如請求項6之成像設備，其中該至少一個處理器經進一步組態以基於該至少一個影像測定該個人之健康狀態。
  12. 如請求項9之成像設備，其中該至少一個處理器經組態以： 將該至少一個影像輸入至經訓練的統計分類器(TSC)；及 作為來自該TSC之輸出，獲得該個人之該健康狀態。
  13. 如請求項6之成像設備，其中該至少一個處理器經進一步組態以基於該至少一個影像測定該個人之醫學病狀。
  14. 如請求項13之成像設備，其中該至少一個處理器經組態以： 將該至少一個影像輸入至經訓練的統計分類器(TSC)；及 作為來自該TSC之輸出，獲得該個人之該醫學病狀。
  15. 如請求項2之成像設備，其進一步包括經組態以經通信網路傳輸至少一個使用該複數個成像裝置捕獲之影像的電路。
  16. 一種成像設備，其包含： 外殼，該外殼在其中安置有複數個成像裝置及至少兩個透鏡，其中該至少兩個透鏡分別與該複數個成像裝置中之至少兩者對準以用於成像及/或量測個人之第一及第二眼睛中之至少一者。
  17. 如請求項16之成像設備，其中該外殼包括經組態以容納該個人之該第一及該第二眼睛以使該第一及該第二眼睛與該至少兩個透鏡對準之部分。
  18. 如請求項16之成像設備，其中該至少兩個透鏡包括： 第一透鏡，其經安置以與該第一眼睛及該複數個成像裝置中之該至少兩者中之第一成像裝置對準；及 第二透鏡，其經安置以與該第二眼睛及該複數個成像裝置中之該至少兩者中之第二成像裝置對準。
  19. 如請求項18之成像設備，其中該第一成像裝置包括光同調斷層掃描(OCT)裝置且該第二成像裝置包括螢光壽命裝置。
  20. 如請求項16之成像設備，其進一步包括至少一個處理器，該至少一個處理器經組態以基於至少一個使用該複數個成像裝置捕獲之影像識別穿戴該成像設備之個人。
  21. 如請求項20之成像設備，其中該至少一個處理器經組態以： 將該至少一個影像輸入至經訓練的統計分類器(TSC)；及 作為來自該TSC之輸出，獲得該個人之身分。
  22. 如請求項20之成像設備，其中該至少一個處理器經組態以： 將該至少一個影像經通信網路傳輸至裝置；及 經該通信網路自該裝置接收該個人之身分。
  23. 如請求項20之成像設備，其中該至少一個處理器經進一步組態以經該通信網路存取與該個人相關之健康資訊。
  24. 如請求項20之成像設備，其中該至少一個處理器經進一步組態以基於識別該個人來核准該個人之安全存取。
  25. 如請求項20之成像設備，其中該至少一個處理器經進一步組態以基於該至少一個影像測定該個人之健康狀態。
  26. 如請求項25之成像設備，其中該至少一個處理器經組態以： 將該至少一個影像輸入至經訓練的統計分類器(TSC)；及 作為來自該TSC之輸出，獲得該個人之該健康狀態。
  27. 如請求項20之成像設備，其中該至少一個處理器經進一步組態以基於該至少一個影像測定該個人之醫學病狀。
  28. 如請求項27之成像設備，其中該至少一個處理器經組態以： 將該至少一個影像輸入至經訓練的統計分類器(TSC)；及 作為來自該TSC之輸出，獲得該個人之該醫學病狀。
  29. 如請求項16之成像設備，其進一步包括經組態以經通信網路傳輸至少一個使用該複數個成像裝置捕獲之影像的電路。
  30. 一種支架，其用於成像設備，該支架包含： 固持部分，其經組態以收納該成像設備之外殼；及 基底，其聯接至該固持部分且經組態以在該成像設備收納於該固持部分中時支撐該成像設備。
  31. 如請求項30之支架，其中該支架進一步包含無線充電裝置，該無線充電裝置經組態以在該成像設備收納於該固持部分中時向該成像設備提供電力。
  32. 如請求項31之支架，其中該無線充電裝置包含電源供應器及至少一個無線充電線圈，該無線充電線圈經組態以在該成像設備收納於該固持部分中時將該電力無線傳輸至該成像設備。
  33. 如請求項32之支架，其中該固持部分容納該無線充電裝置。
  34. 如請求項32之支架，其中該電源供應器包含可再充電電池。
  35. 如請求項32之支架，其中該電源供應器經組態以自標準壁式插座接收電力。 [請求項A1] 一種系統，其包括： 成像及/或量測設備，其經組態以捕獲個人視網膜眼底之第一影像及/或量測值； 第一處理器，其經組態以經通信網路傳輸與該第一影像及/或量測值相關及/或包括該第一影像及/或量測值之第一影像及/或量測值資料；及 第二處理器，其經組態以： 經該通信網路接收該第一影像及/或量測值資料；及 基於該第一影像及/或量測值資料識別該個人。 [請求項A2] 如請求項A1之系統，其進一步包含： 第一裝置，其包括該第一處理器及經組態以捕獲該第一影像及/或測量值之成像及/或量測設備；及 第二裝置，其包括該第二處理器， 其中該第一及該第二裝置經組態以經該通信網路彼此通信。 [請求項A3] 如請求項A1至A2中任一項之系統，其中該第二處理器經組態以至少部分藉由以下來識別該個人： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 自該儲存之資料獲得該個人之身分，其中該身分與該第二影像及/或量測值資料相關。 [請求項A4] 如請求項A3之系統，其中該預定相似度係在70%與90%之間。 [請求項A5] 如請求項A3之系統，其中該預定相似度係至少99%。 [請求項A6] 如請求項A2至A5中任一項之系統，其中： 該成像及/或量測設備經組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值， 該第一複數個影像及/或量測值包含該第一影像及/或量測值，且 該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關及/或包括該第一複數個影像及/或量測值中之至少第二者。 [請求項A7] 如請求項A2至A6中任一項之系統，其中該第二裝置進一步包含電腦可讀儲存媒體，其上儲存有與複數個視網膜眼底影像及/或量測值相關及/或包括複數個視網膜眼底影像及/或量測值之儲存之資料。 [請求項A8] 如請求項A2至A7中任一項之系統，其中該第一及該第二裝置形成裝置之分散式網路之至少一部分。 [請求項A9] 如請求項A2至A7中任一項之系統，其中該第二裝置係集中式伺服器裝置且該第一裝置係客戶端裝置。 [請求項A10] 如請求項A1至A9中任一項之系統，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項A11] 如請求項A1至A10中任一項之系統，其中該第一處理器經組態以自該第一影像擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項A12] 如請求項A3至A11中任一項之系統，其中該第二處理器經組態以實施該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有預定相似度。 [請求項A13] 如請求項A1至A12中任一項之系統，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項A14] 如請求項A13之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項A15] 如請求項A13至A14中任一項之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項A16] 如請求項A3至A15中任一項之系統，其中該第二處理器經組態以將該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向對照該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向進行比較以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項A17] 如請求項A1至A16中任一項之系統，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與第一個人相關。 [請求項A18] 如請求項A1至A17中任一項之系統，其中： 該第一處理器經進一步組態以加密該第一影像及/或量測值資料，之後將經加密之第一影像及/或量測值資料傳輸至該第二處理器；及 該第二處理器經進一步組態以解密該經加密之第一影像及/或量測值資料。 [請求項A19] 如請求項A2至A18中任一項之系統，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項A20] 如請求項A2至A18中任一項之系統，其中該第一裝置係可攜式的且經組態以由使用者手持。 [請求項A21] 如請求項A2至A19中任一項之系統，其中該第一裝置係行動電話，且其中該成像裝置包含與該行動電話整合之攝影機。 [請求項A22] 如請求項A2至A20中任一項之系統，其中該第一處理器經進一步組態以在自該第二處理器接收身分之後准許該個人存取該第一裝置。 [請求項B1] 一種裝置，其經組態以經通信網路傳輸與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料，及經該通信網路接收該個人之身分。 [請求項B2] 如請求項B1之裝置，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值；及 處理器，其經組態以： 經該通信網路傳輸該第一影像及/或量測值資料；及 經該通信網路接收該身分。 [請求項B3] 如請求項B1至B2中任一項之裝置，其中該裝置係第一裝置，其經組態以： 經該通信網路將該第一影像及/或量測值資料傳輸至第二裝置；及 經該通信網路自該第二裝置接收該個人之身分。 [請求項B4] 如請求項B3之裝置，其中該第一裝置係客戶端裝置且該第二裝置係伺服器裝置。 [請求項B5] 如請求項B3之裝置，其中該第一及該第二裝置形成分散式裝置網路之至少一部分。 [請求項B6] 如請求項B2至B5中任一項之裝置，其中該處理器經進一步組態以在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項B7] 如請求項B1至B6中任一項之裝置，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項B8] 如請求項B2至B7中任一項之裝置，其中該處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項B9] 如請求項B1至B8中任一項之裝置，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項B10] 如請求項B9之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項B11] 如請求項B9至B10中任一項之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項B12] 如請求項B2至B11中任一項之裝置，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項B13] 如請求項B2至B12中任一項之裝置，其中該成像及/或量測設備包含具有介於30度與45度之間的成像視場之數位攝影機。 [請求項B14] 如請求項B1至B13中任一項之裝置，其中該裝置係可攜式的。 [請求項B15] 如請求項B1至B14中任一項之裝置，其中該裝置經組態以由使用者手持。 [請求項B16] 如請求項B1至B15中任一項之裝置，其中該裝置係行動電話，且其中該成像裝置係與該行動電話整合之攝影機。 [請求項B17] 如請求項B1至B16中任一項之裝置，其中該裝置係可穿戴式的。 [請求項B18] 如請求項B2至B17中任一項之裝置，其中該處理器經進一步組態以在接收該身分之後准許該個人存取該裝置。 [請求項B19] 如請求項B2至B18中任一項之裝置，其中該成像及/或量測設備經組態以使用白光或紅外(IR)光、螢光強度、光同調斷層掃描(OCT)及/或螢光壽命成像顯微術(FLIM)進行寬場及/或掃描視網膜眼底成像及/或量測。 [請求項C1] 一種方法，其包含經通信網路傳輸與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料，及經該通信網路接收該個人之身分。 [請求項C2] 如請求項C1之方法，其進一步包含自成像及/或量測設備獲得該第一影像及/或量測值。 [請求項C3] 如請求項C2之方法，其進一步包含藉由該成像及/或量測設備捕獲該個人視網膜眼底之該第一影像及/或量測值。 [請求項C4] 如請求項C1至C3中任一項之方法，其中傳輸該第一影像及/或量測值資料包含傳輸該第一影像及/或量測值之經壓縮形式。 [請求項C5] 如請求項C1至C4中任一項之方法，其進一步包含自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項C6] 如請求項C1至C5中任一項之方法，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項C7] 如請求項C6之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項C8] 如請求項C6至C7中任一項之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項C9] 如請求項C2至C8中任一項之方法，其中該成像及/或量測設備包含具有介於30與45度之間的成像及/或量測視場之數位攝影機。 [請求項C10] 如請求項C2至C9中任一項之方法，其中該成像及/或量測設備包含整合於行動電話中之數位攝影機。 [請求項C11] 如請求項C1至C10中任一項之方法，其進一步包含在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項C12] 如請求項C1至C11中任一項之方法，其進一步包含在接收該身分之後准許該個人存取裝置。 [請求項D1] 一種系統，其包含至少一個處理器，該至少一個處理器經組態以基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料識別該個人且更新與該個人相關之健康資訊。 [請求項D2] 如請求項D1之系統，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值， 其中該至少一個處理器經組態以自該成像及/或量測設備獲得該第一影像及/或量測值。 [請求項D3] 如請求項D1至D2中任一項之系統，其進一步包含其上儲存有該健康資訊之電腦可讀儲存媒體。 [請求項D4] 如請求項D1至D3中任一項之系統，其中該至少一個處理器經組態以經通信網路更新該健康資訊。 [請求項D5] 如請求項D1至D4中任一項之系統，其中該健康資訊包含與包括糖尿病、心血管疾病及壓力之群組中之一或多者相關之風險評定。 [請求項D6] 如請求項D1至D5中任一項之系統，其中該健康資訊之一部分包含與該個人視網膜眼底相關之資料。 [請求項D7] 如請求項D1至D6中任一項之系統，其中該健康資訊之一部分包含與包括糖尿病性視網膜病變、老年性黃斑變性、黃斑部水腫、視網膜動脈阻塞、視網膜神經纖維層及青光眼之群組中之一或多者相關之風險評定。 [請求項D8] 如請求項D1至D7中任一項之系統，其中該至少一個處理器經組態以至少部分藉由以下來識別該個人： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 自該儲存之資料獲得該身分，其中該識別資訊與該第二影像及/或量測值資料相關。 [請求項D9] 如請求項D8之系統，其中該電腦可讀儲存媒體進一步包括儲存於其上之該儲存之資料。 [請求項D10] 如請求項D8至D9中任一項之系統，其中該預定相似度係在70%與90%之間。 [請求項D11] 如請求項D8至D9中任一項之系統，其中該預定相似度係至少99%。 [請求項D12] 如請求項D2至D11中任一項之系統，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項D13] 如請求項D1至D12中任一項之系統，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項D14] 如請求項D1至D13中任一項之系統，其中該至少一個處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項D15] 如請求項D8至D14中任一項之系統，其中該至少一個處理器經進一步組態以實施該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項D16] 如請求項D8至D14中任一項之系統，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項D17] 如請求項D16之系統，其中該至少一個處理器經進一步組態以將該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向對照該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向進行比較。 [請求項D18] 如請求項D16至D17中任一項之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢或分叉。 [請求項D19] 如請求項D16至D18中任一項之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項D20] 如請求項D1至D19中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以經通信網路傳輸該第一影像及/或量測值資料；及 第二裝置，其包括該至少一個處理器之第二處理器，該第二處理器經組態以： 經該通信網路接收該第一影像及/或量測值資料；及 識別該個人且更新該健康資訊。 [請求項D21] 如請求項D20之系統，其中該第一處理器經進一步組態以在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項D22] 如請求項D2至D19中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 自該成像及/或量測設備獲得該第一影像及/或量測值； 識別該個人；及 更新該健康資訊。 [請求項D23] 如請求項D8至D22中任一項之系統，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像相關，且其中該多個影像及/或量測值中之各者與第一個人相關。 [請求項D24] 如請求項D2至D23中任一項之系統，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項D25] 如請求項D20至D24中任一項之系統，其中該第一裝置係可攜式的。 [請求項D26] 如請求項D25之系統，其中該第一裝置經組態以由使用者手持。 [請求項D27] 如請求項D25至D26中任一項之系統，其中該第一裝置係行動電話，且其中該成像裝置係與該行動電話整合之攝影機。 [請求項D28] 如請求項D25至D27中任一項之系統，其中該第一裝置係可穿戴式的。 [請求項E1] 一種裝置，其經組態以基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料更新與該個人相關之健康資訊。 [請求項E2] 如請求項E1之裝置，其經進一步組態以經通信網路更新該健康資訊。 [請求項E3] 如請求項E1之裝置，其進一步包含其上儲存有該健康資訊之電腦可讀儲存媒體。 [請求項E4] 如請求項E1至E3中任一項之裝置，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值；及 處理器，其經組態以更新該健康資訊。 [請求項E5] 如請求項E1至E4中任一項之裝置，其中該健康資訊包含與包括糖尿病、心血管疾病及壓力之群組中之一或多者相關之風險評定。 [請求項E6] 如請求項E1至E5中任一項之裝置，其中該健康資訊與該個人視網膜眼底相關。 [請求項E7] 如請求項E1至E6中任一項之裝置，其中該健康資訊包含與包括糖尿病性視網膜病變、老年性黃斑變性、黃斑部水腫、視網膜動脈阻塞、視網膜神經纖維層及青光眼之群組中之一或多者相關之風險評定。 [請求項E8] 如請求項E1至E7中任一項之裝置，其經進一步組態以基於該第一影像及/或量測值資料獲得該個人之身分。 [請求項E9] 如請求項E4至E8中任一項之裝置，其中該處理器經進一步組態以： 經通信網路傳輸該第一影像及/或量測值資料；及 經該通信網路接收該身分。 [請求項E10] 如請求項E1至E9中任一項之裝置，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項E11] 如請求項E4至E10中任一項之裝置，其中該處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項E12] 如請求項E1至E11中任一項之裝置，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項E13] 如請求項E12之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項E14] 如請求項E12至E13中任一項之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項E15] 如請求項E9至E14中任一項之裝置，其中該處理器經進一步組態以在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項E16] 如請求項E8之裝置，其中該處理器經組態以至少部分藉由以下獲得該身分： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 自與該第二影像及/或量測值資料相關之識別資訊獲得該身分。 [請求項E17] 如請求項E16之裝置，其中該預定相似度係在70%與90%之間。 [請求項E18] 如請求項E16之裝置，其中該預定相似度係至少99%。 [請求項E19] 如請求項E4至E18中任一項之裝置，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項E20] 如請求項E16至E19中任一項之裝置，其中該處理器經組態以實施該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項E21] 如請求項E15至E19中任一項之裝置，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項E22] 如請求項E21之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢或分叉。 [請求項E23] 如請求項E21至E22中任一項之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項E24] 如請求項E21至E23中任一項之裝置，其中該處理器經組態以將該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向對照該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向進行比較以測定相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項E25] 如請求項E15至E24中任一項之裝置，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與第一個人相關。 [請求項E26] 如請求項E4至E25中任一項之裝置，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項E27] 如請求項E1至E26中任一項之裝置，其中該裝置係可攜式的。 [請求項E28] 如請求項E1至E27中任一項之裝置，其中該裝置經組態以由使用者手持。 [請求項E29] 如請求項E1至E28中任一項之裝置，其中該裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項E30] 如請求項E1至E29中任一項之裝置，其中該裝置係可穿戴式的。 [請求項E31] 如請求項E4至E30中任一項之裝置，其中該成像及/或量測設備經組態以使用白光或紅外(IR)光、螢光強度、光同調斷層掃描(OCT)及/或螢光壽命成像顯微術(FLIM)進行寬場及/或掃描視網膜眼底成像及/或量測。 [請求項F1] 一種方法，其包含基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料更新與該個人相關之健康資訊。 [請求項F2] 如請求項F1之方法，其中更新該健康資訊包含經通信網路傳輸該健康資訊。 [請求項F3] 如請求項F1之方法，其中更新該健康資訊包含將該健康資訊儲存於電腦可讀儲存媒體上。 [請求項F4] 如請求項F1至F3中任一項之方法，其進一步包含自成像及/或量測設備獲得該第一影像及/或量測值。 [請求項F5] 如請求項F4之方法，其進一步包含藉由該成像及/或量測設備捕獲該第一影像及/或量測值。 [請求項F6] 如請求項F1至F5中任一項之方法，其中該健康資訊包含與包括糖尿病、心血管疾病及壓力之群組中之一或多者相關之風險評定。 [請求項F7] 如請求項F1至F6中任一項之方法，其中該健康資訊與該個人視網膜眼底相關。 [請求項F8] 如請求項F1至F7中任一項之方法，其中該健康資訊包含與包括糖尿病性視網膜病變、老年性黃斑變性、黃斑部水腫、視網膜動脈阻塞、視網膜神經纖維層及青光眼之群組中之一或多者相關之風險評定。 [請求項F9] 如請求項F1至F8中任一項之方法，其進一步包含基於該第一影像及/或量測值資料獲得該個人之身分。 [請求項F10] 如請求項F9之方法，其中獲得該身分包含： 經通信網路傳輸該第一影像及/或量測值資料；及 經該通信網路接收該身分。 [請求項F11] 如請求項F10之方法，其進一步包含在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項F12] 如請求項F10至F11中任一項之方法，其中傳輸該第一影像及/或量測值資料包含傳輸該第一影像及/或量測值之經壓縮形式。 [請求項F13] 如請求項F9之方法，其中獲得該身分包含： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 自與該第二影像及/或量測值資料相關之識別資訊獲得該身分。 [請求項F14] 如請求項F13之方法，其中該預定相似度係在70%與90%之間。 [請求項F15] 如請求項F13之方法，其中該預定相似度係至少99%。 [請求項F16] 如請求項F1至F13中任一項之方法，其進一步包含自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項F17] 如請求項F1至F16中任一項之方法，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項F18] 如請求項F17之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項F19] 如請求項F17至F18中任一項之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項F20] 如請求項F4至F17中任一項之方法，其進一步包含： 藉由該成像及/或量測設備捕獲該個人視網膜眼底之第一複數個影像及/或量測值， 其中該複數個影像及/或量測值包含該第一影像及/或量測值，且該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項F21] 如請求項F13至F20中任一項之方法，其進一步包含將該第一影像及/或量測值資料之至少一部分對照該第二影像及/或量測值資料之至少一部分模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項F22] 如請求項F13至F20中任一項之方法，其中比較該第一影像及/或量測值資料與該儲存之資料包含將該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向對照該儲存之資料中指示之平移及旋轉不變特徵之相對位置及取向進行比較以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項F23] 如請求項F13至F22中任一項之方法，其中第二影像及/或量測值資料與跟第一個人相關的該複數個影像及/或量測值中之多個影像及/或量測值相關。 [請求項F24] 如請求項F4至F23中任一項之方法，其中該成像及/或量測設備包含具有介於30度與45度之間的視場之數位攝影機。 [請求項G1] 一種系統，其包含至少一個處理器，該至少一個處理器經組態以基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料存取儲存於分散式分類帳上之健康資訊。 [請求項G2] 如請求項G1之系統，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值， 其中該至少一個處理器經組態以自該成像及/或量測設備獲得該第一影像及/或量測值。 [請求項G3] 如請求項G1至G2中任一項之系統，其中該健康資訊包含與包括糖尿病、心血管疾病及壓力之群組中之一或多者相關之風險評定。 [請求項G4] 如請求項G1至G3中任一項之系統，其中該健康資訊與該個人視網膜眼底相關。 [請求項G5] 如請求項G1至G4中任一項之系統，其中該健康資訊包含與包括糖尿病性視網膜病變、老年性黃斑變性、黃斑部水腫、視網膜動脈阻塞、視網膜神經纖維層及青光眼之群組中之一或多者相關之風險評定。 [請求項G6] 如請求項G1至G5中任一項之系統，其中該至少一個處理器經進一步組態以基於該第一影像及/或量測值資料更新該健康資訊。 [請求項G7] 如請求項G1至G6中任一項之系統，其中該分散式分類帳包括儲存該健康資訊之一或多個連接之組件。 [請求項G8] 如請求項G7之系統，其中該分散式分類帳之該一或多個連接之組件中之各者包括獨特識別符，該獨特識別符包括有包括以下之群組中之一或多者： 該分散式分類帳之其他組件之一或多個識別符；及 儲存於該一或多個連接之組件中之一者上之資料發生改變之時間或範疇。 [請求項G9] 如請求項G7至G8中任一項之系統，其中該分散式分類帳係基於區塊鏈之分散式分類帳，且該一或多個連接之組件包含區塊。 [請求項G10] 如請求項G1至G9中任一項之系統，其中該至少一個處理器經進一步組態以基於該第一影像及/或量測值資料識別該個人。 [請求項G11] 如請求項G10之系統，其中該至少一個處理器經組態以至少部分藉由以下來識別該個人： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項G12] 如請求項G11之系統，其中該預定相似度係在70%與90%之間。 [請求項G13] 如請求項G11之系統，其中該預定相似度係至少99%。 [請求項G14] 如請求項G11至G13中任一項之系統，其中該分散式分類帳包含其上儲存有該儲存之資料之一或多個連接之組件。 [請求項G15] 如請求項G2至G14中任一項之系統，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項G16] 如請求項G1至G15中任一項之系統，其中該至少一個處理器經組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項G17] 如請求項G11至G16中任一項之系統，其中該至少一個處理器經組態以實施該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項G18] 如請求項G11至G16中任一項之系統，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項G19] 如請求項G18之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項G20] 如請求項G18至G19中任一項之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項G21] 如請求項G18至G20中任一項之系統，其中該至少一個處理器經組態以比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項G22] 如請求項G10至G21中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以經通信網路傳輸該第一影像及/或量測值資料；及 第二裝置，其包括該至少一個處理器之第二處理器，該第二處理器經組態以： 經該通信網路接收該第一影像及/或量測值資料； 識別該個人；及 存取該健康資訊。 [請求項G23] 如請求項G22之系統，其中該第一處理器經進一步組態以在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項G24] 如請求項G22至G23中任一項之系統，其中該第二裝置係伺服器裝置且該第一裝置係客戶端裝置。 [請求項G25] 如請求項G22至G23中任一項之系統，其中該分散式分類帳經包括該第一及該第二裝置之裝置的網路儲存。 [請求項G26] 如請求項G10至G21中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 自該成像及/或量測設備獲得該第一影像及/或量測值； 識別該個人；及 存取該健康資訊。 [請求項G27] 如請求項G11至G26中任一項之系統，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與第一個人相關。 [請求項G28] 如請求項G11至G27中任一項之系統，其中該複數個視網膜眼底影像及/或量測值儲存於該分散式分類帳之該一或多個連接之組件上。 [請求項G29] 如請求項G2至G28中任一項之系統，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項G30] 如請求項G22至G29中任一項之系統，其中該第一裝置係可攜式的。 [請求項G31] 如請求項G22至G30中任一項之系統，其中該第一裝置經組態以由使用者手持。 [請求項G32] 如請求項G22至G31中任一項之系統，其中該第一裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項G33] 如請求項G22至G29中任一項之系統，其中該第一裝置係可穿戴式的。 [請求項H1] 一種裝置，其經組態以基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料存取儲存於分散式分類帳上之健康資訊。 [請求項H2] 如請求項H1之裝置，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值；及 處理器，其經組態以存取該健康資訊。 [請求項H3] 如請求項H1至H2中任一項之裝置，其中該健康資訊包含與包括糖尿病、心血管疾病及壓力之群組中之一或多者相關之風險評定。 [請求項H4] 如請求項H1至H3中任一項之裝置，其中該處理器經進一步組態以更新該健康資訊。 [請求項H5] 如請求項H1至H4中任一項之裝置，其中該健康資訊包含與該個人視網膜眼底相關之資料。 [請求項H6] 如請求項H1至H5中任一項之裝置，其中該健康資訊包含與包括糖尿病性視網膜病變、老年性黃斑變性、黃斑部水腫、視網膜動脈阻塞、視網膜神經纖維層及青光眼之群組中之一或多者相關之風險評定。 [請求項H7] 如請求項H1至H6中任一項之裝置，其中該健康資訊儲存於該分散式分類帳之一或多個連接之組件上。 [請求項H8] 如請求項H7之裝置，其中該分散式分類帳之該一或多個連接之組件中之各者包括獨特識別符，該獨特識別符包括有包括以下之群組中之一或多者： 該分散式分類帳之其他組件之一或多個識別符；及/或 儲存於該一或多個連接之組件中之一者上之資料發生改變之時間及/或範疇。 [請求項H9] 如請求項H7至H8中任一項之裝置，其中該分散式分類帳係基於區塊鏈之分散式分類帳，且其中該分散式分類帳之該一或多個連接之組件係一或多個區塊。 [請求項H10] 如請求項H2至H9中任一項之裝置，其中該處理器經進一步組態以基於該第一影像及/或量測值資料獲得該個人之身分。 [請求項H11] 如請求項H10之裝置，其中該處理器經組態以至少部分藉由以下獲得該身分： 經通信網路傳輸該第一影像及/或量測值資料；及 經該通信網路接收該身分。 [請求項H12] 如請求項H11之裝置，其中該處理器經進一步組態以在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項H13] 如請求項H1至H12中任一項之裝置，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項H14] 如請求項H10之裝置，其中該處理器經組態以至少部分藉由以下獲得該身分： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 自與該第二影像及/或量測值資料相關之識別資訊獲得該個人之身分。 [請求項H15] 如請求項H14之裝置，其中該預定相似度係在70%與90%之間。 [請求項H16] 如請求項H14之裝置，其中該預定相似度係至少99%。 [請求項H17] 如請求項H14至H16中任一項之裝置，其中該分散式分類帳之一或多個連接之組件在其上儲存有該儲存之資料。 [請求項H18] 如請求項H17之裝置，其中該分散式分類帳之該一或多個連接之組件在其上儲存有該複數個視網膜眼底影像及/或量測值。 [請求項H19] 如請求項H2至H18中任一項之裝置，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項H20] 如請求項H2至H19中任一項之裝置，其中該處理器經組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，且其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項H21] 如請求項H14至H20中任一項之裝置，其中該處理器經組態以實施該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項H22] 如請求項H14至H20中任一項之裝置，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項H23] 如請求項H22之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項H24] 如請求項H22至H23中任一項之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項H25] 如請求項H22至H24中任一項之裝置，其中該處理器經組態以比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項H26] 如請求項H14至H25中任一項之裝置，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與第一個人相關。 [請求項H27] 如請求項H2至H26中任一項之裝置，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項H28] 如請求項H1至H27中任一項之裝置，其中該裝置係可攜式的。 [請求項H29] 如請求項H1至H28中任一項之裝置，其中該裝置經組態以由使用者手持。 [請求項H30] 如請求項H2至H29中任一項之裝置，其中該裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項H31] 如請求項H1至H29中任一項之裝置，其中該裝置係可穿戴式的。 [請求項H32] 如請求項H2至H31中任一項之裝置，其中該成像及/或量測設備經組態以使用白光或紅外(IR)光、螢光強度、光同調斷層掃描(OCT)及/或螢光壽命成像顯微術(FLIM)進行寬場及/或掃描視網膜眼底成像及/或量測。 [請求項I1] 一種方法，其包含基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料存取儲存於分散式分類帳上之健康資訊。 [請求項I2] 如請求項I1之方法，其進一步包含自成像及/或量測設備獲得該第一影像及/或量測值。 [請求項I3] 如請求項I2之方法，其進一步包含藉由該成像及/或量測設備捕獲該第一影像及/或量測值。 [請求項I4] 如請求項I1至I3中任一項之方法，其進一步包含更新該健康資訊。 [請求項I5] 如請求項I1至I4中任一項之方法，其中與該個人相關之該健康資訊包含與包括糖尿病、心血管疾病及壓力之群組中之一或多者相關之風險評定。 [請求項I6] 如請求項I1至I5中任一項之方法，其中該健康資訊包含與該個人視網膜眼底相關之資料。 [請求項I7] 如請求項I1至I6中任一項之方法，其中該健康資訊包含與包括糖尿病性視網膜病變、老年性黃斑變性、黃斑部水腫、視網膜動脈阻塞、視網膜神經纖維層及青光眼之群組中之一或多者相關之風險評定。 [請求項I8] 如請求項I1至I7中任一項之方法，其中存取該健康資訊包含存取其上儲存有該健康資訊之該分散式分類帳之一或多個連接之組件。 [請求項I9] 如請求項I8之方法，其中該分散式分類帳之該一或多個連接之組件包括獨特識別符，該獨特識別符包括有包括以下之群組中之一或多者： 該分散式分類帳之其他組件之一或多個識別符；及 儲存於該一或多個連接之組件中之一者上之資料發生改變之時間或範疇。 [請求項I10] 如請求項I8至I9中任一項之方法，其中該分散式分類帳係基於區塊鏈之分散式分類帳，且其中該一或多個連接之組件係一或多個區塊。 [請求項I11] 如請求項I1至I10中任一項之方法，其進一步包含基於該第一影像及/或量測值資料獲得該個人之身分。 [請求項I12] 如請求項I11之方法，其中獲得該身分包含： 經通信網路傳輸該第一影像及/或量測值資料；及 經該通信網路接收該身分。 [請求項I13] 如請求項I12之方法，其進一步包含在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項I14] 如請求項I11之方法，其中獲得該身分包含： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項I15] 如請求項I14之方法，其中該預定相似度係在70%與90%之間。 [請求項I16] 如請求項I14之方法，其中該預定相似度係至少99%。 [請求項I17] 如請求項I14至I16中任一項之方法，其中該分散式分類帳之一或多個連接之組件在其上儲存有該儲存之資料。 [請求項I18] 如請求項I17之方法，其中該一或多個連接之組件在其上儲存有該複數個視網膜眼底影像及/或量測值。 [請求項I19] 如請求項I1至I18中任一項之方法，其進一步包含自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項I20] 如請求項I1至I19中任一項之方法，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項I21] 如請求項I20之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢或分叉。 [請求項I22] 如請求項I20至I21中任一項之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項I23] 如請求項I14至I22中任一項之方法，其進一步包含在該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項I24] 如請求項I20至I22中任一項之方法，其進一步包含比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項I25] 如請求項I2至I24中任一項之方法，其進一步包含藉由該成像及/或量測設備捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項I26] 如請求項I2至I25中任一項之方法，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項I27] 如請求項I14至I26中任一項之方法，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與第一個人相關。 [請求項I28] 如請求項I1至I27中任一項之方法，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項J1] 一種系統，其包含至少一個處理器，該至少一個處理器經組態以基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料存取用於操作裝置之複數個使用者域中之第一使用者域。 [請求項J2] 如請求項J1之系統，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值， 其中該至少一個處理器經組態以自該成像及/或量測設備獲得該第一影像及/或量測值。 [請求項J3] 如請求項J1至J2中任一項之系統，其中該至少一個處理器經進一步組態以基於該第一影像及/或量測值資料識別該個人。 [請求項J4] 如請求項J3之系統，其中該至少一個處理器經組態以至少部分藉由以下來測定該個人之身分： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 自與該第二影像及/或量測值資料相關之識別資訊獲得該身分。 [請求項J5] 如請求項J4之系統，其中該預定相似度係在70%與90%之間。 [請求項J6] 如請求項J4之系統，其中該預定相似度係至少99%。 [請求項J7] 如請求項J4至J6中任一項之系統，其中該至少一個處理器經組態以獲得用於存取該第一使用者域之與該第二影像及/或量測值資料相關之第一使用者域資料。 [請求項J8] 如請求項J4至J7中任一項之系統，其進一步包含其上儲存有與該複數個使用者域相關之使用者域資料的電腦可讀儲存媒體。 [請求項J9] 如請求項J1至J8中任一項之系統，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項J10] 如請求項J1至J9中任一項之系統，其中該至少一個處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項J11] 如請求項J4至J10中任一項之系統，其中該至少一個處理器經進一步組態以實施該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項J12] 如請求項J4至J10中任一項之系統，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項J13] 如請求項J12之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項J14] 如請求項J12至J13中任一項之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項J15] 如請求項J12至J14中任一項之系統，其中該至少一個處理器經組態以比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項J16] 如請求項J2至J15中任一項之系統，其中該成像及/或量測設備經組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項J17] 如請求項J1至J16中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以經通信網路傳輸該第一影像及/或量測值資料；及 第二裝置，其包括該至少一個處理器之第二處理器，該第二處理器經組態以： 經該通信網路接收該第一影像及/或量測值資料；及 識別該個人。 [請求項J18] 如請求項J17之系統，其中該第一處理器經進一步組態以在將該第一影像及/或量測值資料傳輸至該第二處理器之前加密該第一影像及/或量測值資料。 [請求項J19] 如請求項J17至J18中任一項之系統，其中該第一裝置進一步包含該成像及/或量測設備。 [請求項J20] 如請求項J17至J19中任一項之系統，其中： 該第二處理器經進一步組態以經該通信網路傳輸用於存取該第一使用者域之第一使用者域資料，及 該第一處理器經進一步組態以經該通信網路接收該第一使用者域資料。 [請求項J21] 如請求項J17至J20中任一項之系統，其中該第二裝置係伺服器裝置且該第一裝置係客戶端裝置。 [請求項J22] 如請求項J17至J20中任一項之系統，其進一步包含包括該第一及該第二裝置之裝置的分散式網路。 [請求項J23] 如請求項J2至J16中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 自該成像及/或量測設備獲得該第一影像及/或量測值； 識別該個人；及 存取該第一使用者域。 [請求項J24] 如請求項J23之系統，其中： 該第一裝置進一步包含其上儲存有用於該複數個使用者域之使用者域資料之電腦可讀儲存媒體；及 該第一處理器經組態以自該電腦可讀儲存媒體獲得用於存取該第一使用者域之第一使用者域資料。 [請求項J25] 如請求項J4至J24中任一項之系統，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與第一個人相關。 [請求項J26] 如請求項J2至J25中任一項之系統，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項J27] 如請求項J17至J26中任一項之系統，其中該第一裝置經組態以由使用者手持。 [請求項J28] 如請求項J17至J27中任一項之系統，其中該第一裝置係行動電話，且其中該成像裝置係與該行動電話整合之攝影機。 [請求項J29] 如請求項J17至J28中任一項之系統，其中該第一裝置係可穿戴式的。 [請求項K1] 一種裝置，其經組態以基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料存取用於操作該裝置之複數個使用者域中之第一使用者域。 [請求項K2] 如請求項K1之裝置，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值；及 處理器，其經組態以存取該第一使用者域。 [請求項K3] 如請求項K2之裝置，其中該處理器經進一步組態以基於該第一影像及/或量測值資料獲得該個人之身分。 [請求項K4] 如請求項K2至K3中任一項之裝置，其中該處理器經組態以至少部分藉由以下來存取該第一使用者域： 經通信網路傳輸該第一影像及/或量測值資料；及 經該通信網路接收用於存取該第一使用者域之第一使用者域資料。 [請求項K5] 如請求項K4之裝置，其中該處理器經組態以經該通信網路接收該身分。 [請求項K6] 如請求項K4至K5中任一項之裝置，其中該處理器經進一步組態以在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項K7] 如請求項K3之裝置，其中該處理器經組態以至少部分藉由以下獲得該身分： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項K8] 如請求項K7之裝置，其中該預定相似度係在70%與90%之間。 [請求項K9] 如請求項K7之裝置，其中該預定相似度係至少99%。 [請求項K10] 如請求項K1至K9中任一項之裝置，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項K11] 如請求項K2至K10中任一項之裝置，其中該處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項K12] 如請求項K7至K11中任一項之裝置，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項K13] 如請求項K12之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項K14] 如請求項K12至K13中任一項之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項K15] 如請求項K7至K14中任一項之裝置，其中該處理器經組態以實施該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項K16] 如請求項K12至K14中任一項之裝置，其中該處理器經組態以比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項K17] 如請求項K2至K16中任一項之裝置，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項K18] 如請求項K7至K17中任一項之裝置，其中該第一使用者域與該第二影像及/或量測值資料相關。 [請求項K19] 如請求項K7至K18中任一項之裝置，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與該個人相關。 [請求項K20] 如請求項K7至K29中任一項之裝置，其進一步包含其上儲存有用於存取該複數個使用者域之使用者域資料之電腦可讀儲存媒體。 [請求項K21] 如請求項K20之裝置，其中該電腦可讀儲存媒體進一步包含儲存於其上之該儲存之資料。 [請求項K22] 如請求項K2至K21中任一項之裝置，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項K23] 如請求項K1至K22中任一項之裝置，其中該裝置係可攜式的。 [請求項K24] 如請求項K2至K23中任一項之裝置，其中該裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項K25] 如請求項K1至K24中任一項之裝置，其中該裝置係可穿戴式的。 [請求項K26] 如請求項K2至K18中任一項之裝置，其中該成像及/或量測設備經組態以使用白光或紅外(IR)光、螢光強度、光同調斷層掃描(OCT)及/或螢光壽命成像顯微術(FLIM)進行寬場及/或掃描視網膜眼底成像及/或量測。 [請求項L1] 一種方法，其包含基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料存取用於操作裝置之複數個使用者域中之第一使用者域。 [請求項L2] 如請求項L1之方法，其進一步包含自成像及/或量測設備獲得該第一影像及/或量測值。 [請求項L3] 如請求項L2之方法，其進一步包含藉由該成像及/或量測設備捕獲該第一影像及/或量測值。 [請求項L4] 如請求項L1至L3中任一項之方法，其進一步包含基於該第一影像及/或量測值資料獲得該個人之身分。 [請求項L5] 如請求項L4之方法，其進一步包含： 經通信網路傳輸該第一影像及/或量測值資料；及 經該通信網路接收用於存取該第一使用者域之第一使用者域資料。 [請求項L6] 如請求項L5之方法，其中獲得該身分包含經該通信網路接收該身分。 [請求項L7] 如請求項L6之方法，其進一步包含在經該通信網路傳輸該第一影像及/或量測值資料至電腦之前加密該第一影像及/或量測值資料。 [請求項L8] 如請求項L5之方法，其中獲得該身分包含： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項L9] 如請求項L8之方法，其中該預定相似度係在70%與90%之間。 [請求項L10] 如請求項L8之方法，其中該預定相似度係在70%與90%之間。 [請求項L11] 如請求項L1至L10中任一項之方法，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項L12] 如請求項L1至L11中任一項之方法，其進一步包含自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項L13] 如請求項L8至L12中任一項之方法，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項L14] 如請求項L13之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項L15] 如請求項L13至L14中任一項之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項L16] 如請求項L8至L15中任一項之方法，其進一步包含在該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項L17] 如請求項L8至L15中任一項之方法，其進一步包含比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項L18] 如請求項L1至L17中任一項之方法，其進一步包含捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項L19] 如請求項L8至L18中任一項之方法，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與該個人相關。 [請求項M1] 一種系統，其包含至少一個處理器，該至少一個處理器經組態以基於與個人視網膜眼底之第一影像相關及/或包括於個人視網膜眼底之第一影像中及/或基於個人視網膜眼底之量測值的第一影像及/或量測值資料中所指示之多個類型之特徵識別該個人。 [請求項M2] 如請求項M1之系統，其中該多個類型之特徵係選自包含以下之群組：血管之分支末梢及/或分叉、視神經盤、黃斑、中央凹、視神經、靜脈、小靜脈、動脈、小動脈、血管環境、AV局部狹窄、隱結、視神經盤邊緣及/或視網膜色素沉著。 [請求項M3] 如請求項M2至M3中任一項之系統，其中該第一影像及/或量測值資料包含該多個類型之特徵之相對位置及取向。 [請求項M4] 如請求項M1至M3中任一項之系統，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值， 其中該至少一個處理器經進一步組態以自該成像及/或量測設備獲得該第一影像及/或量測值。 [請求項M5] 如請求項M1至M4中任一項之系統，其中該至少一個處理器經組態以至少部分藉由以下來識別該個人： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項M6] 如請求項M5之系統，其進一步包含其上儲存有該儲存之資料之電腦可讀儲存媒體。 [請求項M7] 如請求項M5至M6中任一項之系統，其中該預定相似度係在70%與90%之間。 [請求項M8] 如請求項M5至M6中任一項之系統，其中該預定相似度係至少99%。 [請求項M9] 如請求項M4至M8中任一項之系統，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項M10] 如請求項M1至M9中任一項之系統，其中該至少一個處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料。 [請求項M11] 如請求項M5至M10中任一項之系統，其中該至少一個處理器經進一步組態以執行該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項M12] 如請求項M5至M10中任一項之系統，其中該多個類型之特徵包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項M13] 如請求項M12之系統，其中該至少一個處理器經進一步組態以比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項M14] 如請求項M1至M13中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 經通信網路傳輸該第一影像及/或量測值資料；及 第二裝置，其包括該至少一個處理器之第二處理器，該第二處理器經組態以： 經該通信網路接收該第一影像及/或量測值資料；及 識別該個人。 [請求項M15] 如請求項M14之系統，其中該第一處理器經進一步組態以在經該通信網路傳輸該第一影像資料之前加密該第一影像及/或量測值資料。 [請求項M16] 如請求項M4至M13中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 自該成像及/或量測設備獲得該第一影像及/或量測值；及 識別該個人。 [請求項M17] 如請求項M5至M16中任一項之系統，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與該個人相關。 [請求項M18] 如請求項M5至M17中任一項之系統，其中該至少一個處理器經組態以基於與該多個類型之特徵之至少第一者相關之該第一影像及/或量測值資料之第一部分來識別該個人，及基於與該多個類型之特徵之至少第二者相關之該第一影像及/或量測值資料之第二部分來驗證該個人之身分。 [請求項M19] 如請求項M18之系統，其中該至少一個處理器經組態以至少部分藉由以下來驗證該個人之身分： 比較該第一影像及/或量測值資料之該第二部分與跟該多個類型之特徵之該至少第二者相關的該第二影像及/或量測值資料之第二部分；及 確定該第二影像及/或量測值資料之該第二部分與該第一影像及/或量測值資料之該第二部分是否至少具有第二預定相似度。 [請求項M20] 如請求項M4至M19中任一項之系統，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項M21] 如請求項M4至M20中任一項之系統，其進一步包含有包含該成像及/或量測設備及該至少一個處理器之第一處理器的裝置，其中該裝置係可攜式的。 [請求項M22] 如請求項M21之系統，其中該裝置經組態以由使用者手持。 [請求項M23] 如請求項M21至M22中任一項之系統，其中該裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項M24] 如請求項M21之系統，其中該裝置係可穿戴式的。 [請求項N1] 一種裝置，其經組態以基於指示個人視網膜眼底之多個類型之特徵之第一影像及/或量測值資料來獲得該個人之身分。 [請求項N2] 如請求項N1之裝置，其中該第一影像及/或量測值資料與該個人視網膜眼底之第一影像相關及/或包括於該個人視網膜眼底之第一影像中及/或基於該個人視網膜眼底之量測值。 [請求項N3] 如請求項N1至N2中任一項之裝置，其中該多個類型之特徵係選自包含以下之群組：血管之分支末梢及/或分叉、視神經盤、黃斑、中央凹、視神經、靜脈、小靜脈、動脈、小動脈、血管環境、AV局部狹窄、隱結、視神經盤邊緣及/或視網膜色素沉著。 [請求項N4] 如請求項N1至N3中任一項之裝置，其中該第一影像及/或量測值資料包含該多個類型之特徵之相對位置及取向。 [請求項N5] 如請求項N2至N4中任一項之裝置，其進一步包含： 成像設備，其經組態以捕獲該第一影像及/或量測值；及 處理器，其經組態以： 經通信網路傳輸該第一影像及/或量測值資料；及 經該通信網路接收該身分。 [請求項N6] 如請求項N5之裝置，其中該第一處理器經進一步組態以在經該通信網路傳輸該第一影像資料之前加密該第一影像及/或量測值資料。 [請求項N7] 如請求項N1至N4中任一項之裝置，其進一步包含： 成像設備，其經組態以捕獲該第一影像及/或量測值；及 處理器，其經組態以至少部分藉由以下來識別該個人： 比較該第一影像資料與跟複數個視網膜眼底影像及/或量測值相關之儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項N8] 如請求項N7之裝置，其進一步包含其上儲存有該儲存之資料之電腦可讀儲存媒體。 [請求項N9] 如請求項N7至N8中任一項之裝置，其中該預定相似度係在70%與90%之間。 [請求項N10] 如請求項N7至N8中任一項之裝置，其中該預定相似度係至少99%。 [請求項N11] 如請求項N5至N10中任一項之裝置，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項N12] 如請求項N5至N11中任一項之裝置，其中該處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料。 [請求項N13] 如請求項N7至N12中任一項之裝置，其中該處理器經進一步組態以執行該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項N14] 如請求項N1至N13中任一項之裝置，其中該多個類型之特徵包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項N15] 如請求項N14之裝置，其中該處理器經進一步組態以比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項N16] 如請求項N7至N15中任一項之裝置，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與該個人相關。 [請求項N17] 如請求項N7至N16中任一項之裝置，其中該處理器經組態以基於與該多個類型之特徵中之至少第一者相關之該第一影像及/或量測值資料之第一部分獲得該身分，及基於與該多個類型之特徵中之至少第二者相關之該第一影像及/或量測值資料之第二部分驗證該個人之身分。 [請求項N18] 如請求項N17之裝置，其中該處理器經組態以至少部分藉由以下來驗證該身分： 比較該第一影像及/或量測值資料之該第二部分與跟該多個類型之特徵之該至少第二者相關的該第二影像及/或量測值資料之第二部分；及 確定該第二影像及/或量測值資料之該第二部分與該第一影像及/或量測值資料之該第二部分是否至少具有第二預定相似度。 [請求項N19] 如請求項N5至N18中任一項之裝置，其中該處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料。 [請求項N20] 如請求項N5至N19中任一項之裝置，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項N21] 如請求項N1至N20中任一項之裝置，其中該裝置係可攜式的。 [請求項N22] 如請求項N1至N21中任一項之裝置，其中該裝置經組態以由使用者手持。 [請求項N23] 如請求項N5至N22中任一項之裝置，其中該裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項N24] 如請求項N1至N22中任一項之裝置，其中該裝置係可穿戴式的。 [請求項N25] 如請求項N5至N24中任一項之裝置，其中該處理器經進一步組態以在獲得該身分之後准許該個人存取該裝置。 [請求項O1] 一種方法，其包含基於指示個人視網膜眼底之多個類型之特徵的與該個人視網膜眼底之第一影像及/或量測值相關及/或包括該個人視網膜眼底之第一影像及/或量測值的第一影像及/或量測值資料識別該個人。 [請求項O2] 如請求項O1之方法，其進一步包含自成像及/或量測設備獲得該第一影像及/或量測值。 [請求項O3] 如請求項O1至O2中任一項之方法，其中該多個類型之特徵係選自包含以下之群組：血管之分支末梢及/或分叉、視神經盤、黃斑、中央凹、視神經、靜脈、小靜脈、動脈、小動脈、血管環境、AV局部狹窄、隱結、視神經盤邊緣及/或視網膜色素沉著。 [請求項O4] 如請求項O1至O3中任一項之方法，其中該第一影像及/或量測值資料包含該多個類型之特徵之相對位置及取向。 [請求項O5] 如請求項O2至O4中任一項之方法，其進一步包含藉由該成像及/或量測設備捕獲該個人視網膜眼底之該第一影像及/或量測值。 [請求項O6] 如請求項O2至O5中任一項之方法，其進一步包含： 自該成像及/或量測設備獲得該個人視網膜眼底之第一複數個影像及/或量測值， 其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且 其中該第一影像及/或量測值資料與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項O7] 如請求項O1至O6中任一項之方法，其中該多個類型之特徵包含平移及旋轉不變特徵。 [請求項O8] 如請求項O2至O7中任一項之方法，其中該成像設備包含具有介於30與45度之間的成像及/或量測視場之數位攝影機。 [請求項O9] 如請求項O5至O8中任一項之方法，其中該成像及/或量測設備包含整合於行動電話中之數位攝影機。 [請求項O10] 如請求項O1至O9中任一項之方法，其進一步包含： 經通信網路傳輸該第一影像及/或量測值資料；及 經該通信網路接收該個人之身分。 [請求項O11] 如請求項O10之方法，其進一步包含在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項O12] 如請求項O1至O9中任一項之方法，其進一步包含： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 自與該第二影像及/或量測值資料相關之識別資訊獲得該個人之身分。 [請求項O13] 如請求項O1至O12中任一項之方法，其進一步包含自該第一影像及/或量測值擷取該第一影像及/或量測值資料。 [請求項O14] 如請求項O1至O13中任一項之方法，其進一步包含在識別該個人之後准許該個人存取裝置。 [請求項O15] 如請求項O12至O14中任一項之方法，其進一步包含驗證該身分， 其中比較該第一影像及/或量測值資料與該儲存之資料包含比較與該多個類型之特徵中之第一者相關的該第一影像及/或量測值資料之第一部分與該儲存之資料，且 其中驗證該身分包含比較與該多個類型之特徵中之第二者相關的該第一影像及/或量測值資料之第二部分與該儲存之資料。 [請求項O16] 如請求項O15之方法，其中： 比較該第一影像及/或量測值資料與該儲存之資料包含比較該第一影像及/或量測值資料之該第一部分與該儲存之資料之第一部分；及 驗證該身分包含比較該第一影像及/或量測值資料之該第二部分與該儲存之資料之第二部分。 [請求項P1] 一種系統，其包含至少一個處理器，該至少一個處理器經組態以基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料來識別該個人，及基於該個人之第一生物識別特性來驗證該個人之身分。 [請求項P2] 如請求項P1之系統，其進一步包含： 成像設備，其經組態以捕獲該第一影像及/或量測值；及 生物識別感測器，其經組態以記錄該第一生物識別特性。 [請求項P3] 如請求項P2之系統，其中該生物識別感測器包含麥克風，且其中該第一生物識別特性包括聲紋。 [請求項P4] 如請求項P2之系統，其中該生物識別感測器包含指紋讀取器，且其中該第一生物識別特性包括指紋。 [請求項P5] 如請求項P1至P4中任一項之系統，其中該至少一個處理器經組態以至少部分藉由以下來識別該個人： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項P6] 如請求項P5之系統，其進一步包含其上儲存有該儲存之資料之電腦可讀儲存媒體。 [請求項P7] 如請求項P5至P6中任一項之系統，其中該預定相似度係在70%與90%之間。 [請求項P8] 如請求項P5至P6中任一項之系統，其中該預定相似度係至少99%。 [請求項P9] 如請求項P2至P8中任一項之系統，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項P10] 如請求項P1至P9中任一項之系統，其中該至少一個處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項P11] 如請求項P5至P10中任一項之系統，其中該至少一個處理器經進一步組態以執行該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項P12] 如請求項P1至P11中任一項之系統，其中該至少一個處理器經組態以至少部分藉由以下來驗證該身分： 比較與該第一生物識別特性相關之第一特性資料與儲存特性資料；及 確定該儲存之特性資料是否與該第一特性資料至少具有第二預定相似度。 [請求項P13] 如請求項P12之系統，其中該儲存之特性資料與該第二影像及/或量測值資料相關。 [請求項P14] 如請求項P5至P13中任一項之系統，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項P15] 如請求項P14之系統，其中該至少一個處理器經進一步組態以比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項P16] 如請求項P1至P15中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 經通信網路傳輸該第一影像及/或量測值資料及與該第一生物識別特性相關及/或包括該第一生物識別特性之第一特性資料；及 第二裝置，其包括該至少一個處理器之第二處理器，該第二處理器經組態以： 經該通信網路接收該第一影像及/或量測值資料及該第一特性資料； 識別該個人；及 驗證該個人之身分。 [請求項P17] 如請求項P16之系統，其中該第一處理器經進一步組態以在經該通信網路傳輸該第一影像及/或量測值資料及該第一特性資料之前加密該第一影像及/或量測值資料及該第一特性資料。 [請求項P18] 如請求項P2至P15中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 自該成像及/或量測設備獲得該第一影像及/或量測值； 自該生物識別感測器獲得該第一生物識別特性； 識別該個人；及 驗證該個人之身分。 [請求項P19] 如請求項P5至P18中任一項之系統，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多者相關，且其中該多個影像及/或量測值中之各者與該個人相關。 [請求項P20] 如請求項P2至P19中任一項之系統，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項P21] 如請求項P16至P20中任一項之系統，其中該第一裝置係可攜式的。 [請求項P22] 如請求項P16至P21中任一項之系統，其中該第一裝置經組態以由使用者手持。 [請求項P23] 如請求項P16至P22中任一項之系統，其中該第一裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項P24] 如請求項P16至P21中任一項之系統，其中該第一裝置係可穿戴式的。 [請求項Q1] 一種裝置，其經組態以基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料及表示該個人之第一生物識別特性來獲得該個人之經驗證之身分。 [請求項Q2] 如請求項Q1之裝置，其經進一步組態以： 捕獲該第一影像及/或量測值；及 記錄該第一生物識別特性。 [請求項Q3] 如請求項Q1至Q2中任一項之裝置，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值； 生物識別感測器，其經組態以記錄該第一生物識別特性；及 處理器，其經組態以經通信網路接收該經驗證之身分。 [請求項Q4] 如請求項Q3之裝置，其中該處理器經進一步組態以經該通信網路傳輸該第一影像及/或量測值資料及與該第一生物識別特性相關之第一特性資料。 [請求項Q5] 如請求項Q3至Q4中任一項之裝置，其中該生物識別感測器包含麥克風，且其中該第一生物識別特性包括聲紋。 [請求項Q6] 如請求項Q3至Q4中任一項之裝置，其中該生物識別感測器包含指紋讀取器，且其中該第一生物識別特性包括指紋。 [請求項Q7] 如請求項Q4至Q6中任一項之裝置，其中該處理器經進一步組態以在經該通信網路傳輸該第一影像及/或量測值資料及該第一特性資料之前加密該第一影像及/或量測值資料及該第一特性資料。 [請求項Q8] 如請求項Q4至Q7中任一項之裝置，其中該處理器經進一步組態以經該通信網路接收該經驗證之身分。 [請求項Q9] 如請求項Q4至Q8中任一項之裝置，其中該處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，且自該第一生物識別特性擷取該第一特性資料。 [請求項Q10] 如請求項Q1至Q9中任一項之裝置，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項Q11] 如請求項Q1至Q10中任一項之裝置，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵之相對位置及取向。 [請求項Q12] 如請求項Q3至Q9中任一項之裝置，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項Q13] 如請求項Q3至Q12中任一項之裝置，其中該成像設備包含具有介於30與45度之間的成像及/或量測視場之數位攝影機。 [請求項Q14] 如請求項Q1至Q13中任一項之裝置，其中該裝置係可攜式的。 [請求項Q15] 如請求項Q1至Q13中任一項之裝置，其中該裝置經組態以由使用者手持。 [請求項Q16] 如請求項Q2至Q15中任一項之裝置，其中該裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項Q17] 如請求項Q1至Q15中任一項之裝置，其中該裝置係可穿戴式的。 [請求項Q18] 如請求項Q2至Q17中任一項之裝置，其中該處理器經進一步組態以在獲得該身分之後准許該個人存取該裝置。 [請求項Q19] 如請求項Q1至Q2中任一項之裝置，其進一步包含： 處理器，其經組態以至少部分藉由以下來獲得該身分： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項Q20] 如請求項Q19之裝置，其中該預定相似度係在70%與90%之間。 [請求項Q21] 如請求項Q19之裝置，其中該預定相似度係至少99%。 [請求項Q22] 如請求項Q19至Q21中任一項之裝置，其中該處理器經進一步組態以至少部分藉由以下來驗證該身分： 比較與該第一生物識別特性相關之第一特性資料與跟該第一特性資料至少具有預定相似度的儲存之特性資料。 [請求項Q23] 如請求項Q22之裝置，其中該儲存之特性資料與該第二影像及/或量測值資料相關。 [請求項R1] 一種方法，其包含基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料來識別該個人，及基於該個人之第一生物識別特性來驗證該個人之身分。 [請求項R2] 如請求項R1之方法，其進一步包含自成像及/或量測設備獲得該第一影像及/或量測值。 [請求項R3] 如請求項R1至R2中任一項之方法，其進一步包含自生物識別感測器獲得該第一生物識別特性。 [請求項R4] 如請求項R3之方法，其中該生物識別感測器包含麥克風，且其中該第一生物識別特性包括聲紋。 [請求項R5] 如請求項R3之方法，其中該生物識別感測器包含指紋讀取器，且其中該第一生物識別特性包括指紋。 [請求項R6] 如請求項R1至R5中任一項之方法，其進一步包含捕獲該第一影像及/或量測值及記錄該第一生物識別特性。 [請求項R7] 如請求項R2至R6中任一項之方法，其進一步包含： 自該成像及/或量測設備獲得該個人視網膜眼底之第一複數個影像及/或量測值， 其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且 其中該第一影像及/或量測值資料與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項R8] 如請求項R1至R7中任一項之方法，其進一步包含： 自該第一影像及/或量測值擷取該第一影像及/或量測值資料；及 自該第一生物識別特性擷取第一特性資料。 [請求項R9] 如請求項R1至R8中任一項之方法，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵，且其中該第一特性資料指示該個人之第一生物識別特性之特徵。 [請求項R10] 如請求項R1至R9中任一項之方法，其中該第一影像資料包含該個人視網膜眼底之平移及旋轉不變特徵之相對位置及取向。 [請求項R11] 如請求項R6至R10中任一項之方法，其中捕獲該第一影像及/或量測值包含使用具有介於30與45度之間的成像及/或量測視場之數位攝影機。 [請求項R12] 如請求項R6至R11中任一項之方法，其中捕獲該第一影像及/或量測值包含使用整合於行動電話中之數位攝影機。 [請求項R13] 如請求項R1至R12中任一項之方法，其進一步包含： 經通信網路傳輸該第一影像及/或量測值資料及與該第一生物識別特性相關之第一特性資料；及 經該通信網路接收與該個人相關之識別資訊。 [請求項R14] 如請求項R13之方法，其進一步包含在經該通信網路傳輸該第一影像及/或量測值資料及該第一特性資料之前加密該第一影像及/或量測值資料及該第一特性資料。 [請求項R15] 如請求項R1至R12中任一項之方法，其進一步包含： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項R16] 如請求項R1至R12中任一項之方法，其進一步包含： 比較與該第一生物識別特性相關之第一特性資料與跟複數個生物識別特性相關之儲存之特性資料；及 確定該儲存之特性資料之至少一部分是否與該第一特性資料至少具有第二預定相似度。 [請求項R17] 如請求項R13至R14中任一項之方法，其進一步包含在接收該識別資訊之後准許該個人存取裝置。 [請求項S1] 一種系統，其包含至少一個處理器，該至少一個處理器經組態以基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像及/或量測值資料來識別該個人及更新與複數個視網膜眼底影像及/或量測值相關之儲存之資料。 [請求項S2] 如請求項S1之系統，其進一步包含其上儲存有該儲存之資料之電腦可讀儲存媒體。 [請求項S3] 如請求項S1至S2中任一項之系統，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值， 其中該至少一個處理器經組態以自該成像及/或量測設備獲得該第一影像及/或量測值。 [請求項S4] 如請求項S1至S3中任一項之系統，其中該至少一個處理器經組態以至少部分藉由儲存該第一影像及/或量測值資料與該儲存之資料來更新該儲存之資料。 [請求項S5] 如請求項S1至S4中任一項之系統，其中該至少一個處理器經進一步組態以將該第一影像及/或量測值資料與識別資訊結合。 [請求項S6] 如請求項S3之系統，其中該成像設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值。 [請求項S7] 如請求項S1至S6中任一項之系統，其中該至少一個處理器經組態以部分藉由以下來識別該個人： 比較該第一影像資料與該儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項S8] 如請求項S7之系統，其中該預定相似度係在70%與90%之間。 [請求項S9] 如請求項S7之系統，其中該預定相似度係至少99%。 [請求項S10] 如請求項S7至S9中任一項之系統，其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項S11] 如請求項S6之系統，其中該至少一個處理器經進一步組態以： 獲得該第一複數個影像及/或量測值中之另一影像及/或量測值；及 基於與該另一影像及/或量測值相關之第二影像及/或量測值資料至少部分藉由以下來識別該個人： 比較該第二影像及/或量測值資料與該第一影像及/或量測值資料；及 獲得與該第一影像及/或量測值資料相關之識別資訊。 [請求項S12] 如請求項S7至S11中任一項之系統，其中該至少一個處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項S13] 如請求項S7至S12中任一項之系統，其中該至少一個處理器經進一步組態以執行該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項S14] 如請求項S7至S13中任一項之系統，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項S15] 如請求項S14之系統，其中該至少一個處理器經進一步組態以比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項S16] 如請求項S1至S15中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以經通信網路傳輸該第一影像及/或量測值資料；及 第二裝置，其包括該至少一個處理器之第二處理器，該第二處理器經組態以： 經該通信網路接收該第一影像及/或量測值資料； 識別該個人；及 更新該儲存之資料。 [請求項S17] 如請求項S16之系統，其中該第一處理器經進一步組態以在經該通信網路傳輸該第一影像及/或量測值資料之前加密該第一影像及/或量測值資料。 [請求項S18] 如請求項S3至S15中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 自該成像設備獲得該第一影像及/或量測值； 識別該個人；及 更新該儲存之資料。 [請求項S19] 如請求項S7至S18中任一項之系統，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與該個人相關。 [請求項S20] 如請求項S3至S19中任一項之系統，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項S21] 如請求項S16至S20中任一項之系統，其中該第一裝置係可攜式的。 [請求項S22] 如請求項S16至S21中任一項之系統，其中該第一裝置經組態以由使用者手持。 [請求項S23] 如請求項S16至S22中任一項之系統，其中該第一裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項S24] 如請求項S16至S21中任一項之系統，其中該第一裝置係可穿戴式的。 [請求項T1] 一種裝置，其經組態以基於與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像及/或基於個人視網膜眼底之量測值的第一影像及/或量測值資料來識別該個人及更新與複數個視網膜眼底影像及/或量測值相關之儲存之資料。 [請求項T2] 如請求項T1之裝置，其進一步包含： 成像設備，其經組態以捕獲該第一影像及/或量測值；及 處理器，其經組態以識別該個人。 [請求項T3] 如請求項T1至T2中任一項之裝置，其進一步包含其上儲存有該儲存之資料之電腦可讀儲存媒體。 [請求項T4] 如請求項T2至T3中任一項之裝置，其中該處理器經組態以至少部分藉由儲存該第一影像及/或量測值資料與該儲存之資料來更新該儲存之資料。 [請求項T5] 如請求項T4之裝置，其中該處理器經進一步組態以將該第一影像及/或量測值資料與識別資訊結合。 [請求項T6] 如請求項T2至T5中任一項之裝置，其中該成像及/或量測設備經進一步組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值。 [請求項T7] 如請求項T1至T6中任一項之裝置，其中該處理器經組態以至少部分藉由以下來識別該個人： 比較該第一影像及/或量測值資料與該儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項T8] 如請求項T7之裝置，其中該預定相似度係在70%與90%之間。 [請求項T9] 如請求項T7之裝置，其中該預定相似度係至少99%。 [請求項T10] 如請求項T7至T9中任一項之裝置，其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項T11] 如請求項T6之裝置，其中該處理器經進一步組態以： 獲得該第一複數個影像及/或量測值中之第二影像及/或量測值；及 基於與該第二影像及/或量測值相關之第二影像及/或量測值資料至少部分藉由以下來識別該個人： 比較該第二影像及/或量測值資料與該第一影像及/或量測值資料；及 獲得與該第一影像及/或量測值資料相關之識別資訊。 [請求項T12] 如請求項T2至T11中任一項之裝置，其中該處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項T13] 如請求項T7至T12中任一項之裝置，其中該處理器經進一步組態以執行該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項T14] 如請求項T7至T13中任一項之裝置，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項T15] 如請求項T14之裝置，其中該處理器經進一步組態以比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項T16] 如請求項T7至T10中任一項之裝置，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該等多個影像及/或量測值中之各者與該個人相關。 [請求項T17] 如請求項T2至T16中任一項之裝置，其中該成像設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項T18] 如請求項T1至T17中任一項之裝置，其中該裝置係可攜式的。 [請求項T19] 如請求項T1至T18中任一項之裝置，其中該裝置經組態以由使用者手持。 [請求項T20] 如請求項T2至T19中任一項之裝置，其中該裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項T21] 如請求項T1至T18中任一項之裝置，其中該裝置係可穿戴式的。 [請求項U1] 一種方法，其包含基於與個人視網膜眼底之第一影像及/或量測值相關及/或包括個人視網膜眼底之第一影像及/或量測值之第一影像資料識別該個人及更新與複數個視網膜眼底影像及/或量測值相關之儲存之資料。 [請求項U2] 如請求項U1之方法，其進一步包含自成像及/或量測設備獲得該第一影像及/或量測值。 [請求項U3] 如請求項U1至U2中任一項之方法，其中更新該儲存之資料包含儲存與該第一影像及/或量測值相關之第一影像及/或量測值資料與該儲存之資料。 [請求項U4] 如請求項U3之方法，其中基於該第一影像及/或量測值資料更新該儲存之資料進一步包含使該第一影像及/或量測值資料與識別資訊結合。 [請求項U5] 如請求項U1至U4中任一項之方法，其進一步包含捕獲該第一影像及/或量測值。 [請求項U6] 如請求項U1至U5中任一項之方法，其進一步包含捕獲該個人視網膜眼底之第一複數個影像，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值。 [請求項U7] 如請求項U1至U6中任一項之方法，其中識別該個人包含： 比較該第一影像及/或量測值資料與該儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項U8] 如請求項U7之方法，其中該預定相似度係在70%與90%之間。 [請求項U9] 如請求項U7之方法，其中該預定相似度係至少99%。 [請求項U10] 如請求項U7至U9中任一項之方法，其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項U11] 如請求項U6之方法，其進一步包含： 自該第一複數個影像及/或量測值中之第二者獲得第二影像及/或量測值資料， 其中識別該個人包含至少部分藉由以下來識別該個人： 比較該第二影像及/或量測值資料與該第一影像及/或量測值資料； 獲得與該第一影像及/或量測值資料相關之識別資訊。 [請求項U12] 如請求項U1至U11中任一項之方法，其進一步包含自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項U13] 如請求項U7至U10中任一項之方法，其進一步包含在該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項U14] 如請求項U7至U10中任一項之方法，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項U15] 如請求項U14之方法，其進一步包含比較該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向與該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項U16] 如請求項U7至U15中任一項之系統，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與該個人相關。 [請求項U17] 如請求項U3至U16中任一項之方法，其中捕獲該第一影像及/或量測值包含使用具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項U18] 如請求項U1至U17中任一項之方法，其進一步包含在接收該識別資訊之後准許該個人存取裝置。 [請求項V1] 一種系統，其包含至少一個處理器，該至少一個處理器經組態以將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像及/或基於個人視網膜眼底之量測值的第一影像及/或量測值資料作為第一輸入提供給經訓練的統計分類器(TSC)，及基於來自該TSC之至少一個輸出來識別該個人。 [請求項V2] 如請求項V1之系統，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值， 其中該至少一個處理器經組態以自該成像及/或量測設備獲得該第一影像及/或量測值。 [請求項V3] 如請求項V1至V2中任一項之系統，其中該TSC包含卷積類神經網路(CNN)。 [請求項V4] 如請求項V3之系統，其中該TSC進一步包含遞歸類神經網路(RNN)。 [請求項V5] 如請求項V4之系統，其中該RNN係長短期記憶(LSTM)網路。 [請求項V6] 如請求項V1至V2中任一項之系統，其中該TSC包含全卷積類神經網路(FCNN)。 [請求項V7] 如請求項V6之系統，其中該FCNN經組態以識別該第一影像及/或量測值中該個人視網膜眼底之特徵的邊界。 [請求項V8] 如請求項V6之系統，其中該FCNN經組態以識別該第一影像及/或量測值內之個別立體像素。 [請求項V9] 如請求項V1至V8中任一項之系統，其中該成像及/或量測設備經進一步組態以捕獲第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該至少一個處理器經組態以將該第一影像及該第一複數個影像及/或量測值中之至少第二者作為該第一輸入提供給該TSC。 [請求項V10] 如請求項V1至V9中任一項之系統，其中該TSC之該至少一個輸出包括與計算可能性對應之第一概率熱圖，其中第一類型視網膜眼底特徵位於該第一影像及/或量測值之第一部分中。 [請求項V11] 如請求項V10之系統，其中該TSC之該至少一個輸出進一步包括與計算可能性對應之第二概率熱圖，其中不同於該第一類型之第二類型視網膜眼底特徵位於該第一部分中。 [請求項V12] 如請求項V1至V11中任一項之系統，其進一步包含其上儲存有與複數個視網膜眼底影像及/或量測值相關之儲存之資料的電腦可讀儲存媒體。 [請求項V13] 如請求項V12之系統，其中該至少一個處理器經進一步組態以將該儲存資料中之至少一些作為第二輸入提供給該TSC。 [請求項V14] 如請求項V13之系統，其中該至少一個輸出包含： 指示該個人視網膜眼底之特徵的第一輸出；及 指示該儲存之資料中所指示之視網膜眼底特徵之第二輸出。 [請求項V15] 如請求項V14之系統，其中該至少一個處理器經組態以至少部分藉由以下來識別該個人： 比較該第一輸出與該第二輸出以確定該第二輸出與該第一輸出是否至少具有預定相似度； 基於該第一輸出與該第二輸出之比較結果獲得與該儲存之資料中之該至少一些相關之識別資訊，該儲存之資料與該第二輸出相關。 [請求項V16] 如請求項V15之系統，其中該預定相似度係在70%與90%之間。 [請求項V17] 如請求項V15之系統，其中該預定相似度係至少99%。 [請求項V18] 如請求項V1至V17中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 經通信網路傳輸該第一影像資料；及 第二裝置，其包括該至少一個處理器之第二處理器，該第二處理器經組態以： 將該第一影像及/或量測值資料作為該第一輸入提供給該TSC；及 基於來自該TSC之該至少一個輸出識別該個人。 [請求項V19] 如請求項V18之系統，其中該第一處理器經進一步組態以在經該通信網路傳輸該第一影像資料之前加密該第一影像及/或量測值資料。 [請求項V20] 如請求項V2至V17中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 自該成像及/或量測設備獲得該第一影像及/或量測值； 將該第一影像及/或量測值資料作為該第一輸入提供給該TSC；及 基於來自該TSC之該至少一個輸出識別該個人。 [請求項V21] 如請求項V2至V20中任一項之系統，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項V22] 如請求項V18至V21中任一項之系統，其中該第一裝置係可攜式的。 [請求項V23] 如請求項V18至V22中任一項之系統，其中該第一裝置經組態以由使用者手持。 [請求項V24] 如請求項V18至V23中任一項之系統，其中該第一裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項V25] 如請求項V18至V22中任一項之系統，其中該第一裝置係可穿戴式的。 [請求項W1] 一種裝置，其經組態以將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像及/或基於個人視網膜眼底之量測值的第一影像及/或量測值資料作為第一輸入提供給經訓練的統計分類器(TSC)，及基於來自該TSC之至少一個輸出來識別該個人。 [請求項W2] 如請求項W1之裝置，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值；及 處理器，其經組態以識別該個人。 [請求項W3] 如請求項W1至W2中任一項之裝置，其中該TSC包含卷積類神經網路(CNN)。 [請求項W4] 如請求項W3之裝置，其中該TSC進一步包含遞歸類神經網路(RNN)。 [請求項W5] 如請求項W4之裝置，其中該RNN係長短期記憶(LSTM)網路。 [請求項W6] 如請求項W1至W2中任一項之裝置，其中該TSC包含全卷積類神經網路(FCNN)。 [請求項W7] 如請求項W6之裝置，其中該FCNN經組態以識別該第一影像及/或量測值中該個人視網膜眼底之特徵之邊界。 [請求項W8] 如請求項W6之裝置，其中該FCNN經組態以識別該第一影像及/或量測值內之個別立體像素。 [請求項W9] 如請求項W2至W8中任一項之裝置，其中該成像及/或量測設備經進一步組態以捕獲第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該處理器經組態以將該第一影像及/或量測值及該第一複數個影像及/或量測值中之至少第二者作為該第一輸入提供給該TSC。 [請求項W10] 如請求項W1至W9中任一項之裝置，其中該TSC之該至少一個輸出包括與計算可能性對應之第一概率熱圖，其中第一類型視網膜眼底特徵位於該第一影像及/或量測值之第一部分中。 [請求項W11] 如請求項W10之裝置，其中該TSC之該至少一個輸出進一步包括與計算可能性對應之第二概率熱圖，其中不同於該第一類型之第二類型視網膜眼底特徵位於該第一部分中。 [請求項W12] 如請求項W1至W11中任一項之裝置，其進一步包含其上儲存有與複數個視網膜眼底影像及/或量測值相關之儲存之資料的電腦可讀儲存媒體。 [請求項W13] 如請求項W12之裝置，其中該處理器經進一步組態以將該儲存資料中之至少一些作為第二輸入提供給該TSC。 [請求項W14] 如請求項W13之裝置，其中該至少一個輸出包含： 指示該個人視網膜眼底之特徵的第一輸出；及 指示該儲存之資料中所指示之視網膜眼底特徵之第二輸出。 [請求項W15] 如請求項W14之裝置，其中該處理器經組態以至少部分藉由以下來識別該個人： 比較該第一輸出與該第二輸出以確定該第二輸出與該第一輸出是否至少具有預定相似度； 基於該第一輸出與該第二輸出之比較結果獲得與該儲存之資料中之該至少一些相關之識別資訊，該儲存之資料與該第二輸出相關。 [請求項W16] 如請求項W15之裝置，其中該預定相似度係在70%與90%之間。 [請求項W17] 如請求項W15之裝置，其中該預定相似度係至少99%。 [請求項W18] 如請求項W2至W17中任一項之裝置，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項W19] 如請求項W1至W18中任一項之裝置，其中該裝置係可攜式的。 [請求項W20] 如請求項W1至W19中任一項之裝置，其中該裝置經組態以由使用者手持。 [請求項W21] 如請求項W2至W20中任一項之裝置，其中該裝置係行動電話，且其中該成像及/或量測設備係與該行動電話整合之攝影機。 [請求項W22] 如請求項W1至W20中任一項之裝置，其中該裝置係可穿戴式的。 [請求項X1] 一種方法，其包含將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像及/或基於個人視網膜眼底之量測值的第一影像及/或量測值資料作為第一輸入提供給經訓練的統計分類器(TSC)，及基於來自該TSC之至少一個輸出識別該個人。 [請求項X2] 如請求項X1之方法，其進一步包含藉由成像及/或量測設備捕獲該第一影像及/或量測值。 [請求項X3] 如請求項X1至X2中任一項之方法，其中該TSC包含卷積類神經網路(CNN)。 [請求項X4] 如請求項X3之方法，其中該TSC進一步包含遞歸類神經網路(RNN)。 [請求項X5] 如請求項X4之方法，其中該RNN係長短期記憶(LSTM)網路。 [請求項X6] 如請求項X1至X2中任一項之方法，其中該TSC包含全卷積類神經網路(FCNN)。 [請求項X7] 如請求項X6之方法，其進一步包含藉由該FCNN識別該個人視網膜眼底之特徵的邊界。 [請求項X8] 如請求項X6之方法，其進一步包含藉由該FCNN識別該第一影像及/或量測值內之個別立體像素。 [請求項X9] 如請求項X1至X8中任一項之方法，其進一步包含捕獲第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包含該第一影像及/或量測值，且其中該至少一個處理器經組態以將該第一影像及/或量測值及該第一複數個影像及/或量測值中之至少第二者作為該第一輸入提供給該TSC。 [請求項X10] 如請求項X1至X9中任一項之方法，其中該TSC之該至少一個輸出包括與計算可能性對應之第一概率熱圖，其中第一類型視網膜眼底特徵位於該第一影像及/或量測值之第一部分中。 [請求項X11] 如請求項X10之方法，其中該TSC之該至少一個輸出進一步包括與計算可能性對應之第二概率熱圖，其中不同於該第一類型之第二類型視網膜眼底特徵位於該第一部分中。 [請求項X12] 如請求項X1至X11中任一項之方法，其進一步包含將與複數個視網膜眼底影像及/或量測值相關的儲存之資料中之至少一些作為第二輸入提供給該TSC。 [請求項X13] 如請求項X12之方法，其中該至少一個輸出包含： 指示該個人視網膜眼底之特徵的第一輸出；及 指示該儲存之資料中所指示之視網膜眼底特徵之第二輸出。 [請求項X14] 如請求項X13之方法，其中識別該個人包含： 比較該第一輸出與該第二輸出以確定該第二輸出與該第一輸出是否至少具有預定相似度； 基於該第一輸出與該第二輸出之比較結果獲得與該儲存之資料中之該至少一些相關之識別資訊，該儲存之資料與該第二輸出相關。 [請求項X15] 如請求項X14之方法，其中該預定相似度係在70%與90%之間。 [請求項X16] 如請求項X14之方法，其中該預定相似度係至少99%。 [請求項X17] 如請求項X2至X16中任一項之方法，其中捕獲該第一複數個影像及/或量測值包含使用具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項X18] 如請求項X1至X17中任一項之方法，其進一步包含在確定該個人之身分後准許該個人存取裝置。 [請求項Y1] 一種系統，其包含至少一個處理器，該至少一個處理器經組態以基於與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像及/或基於個人視網膜眼底之量測值的第一影像及/或量測值資料來識別該個人及/或測定該個人之醫學病狀。 [請求項Y2] 如請求項Y1之系統，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值， 其中該至少一個處理器經組態以自該成像及/或量測設備獲得該第一影像及/或量測值。 [請求項Y3] 如請求項Y1至Y2中任一項之系統，其中該至少一個處理器經組態以至少部分藉由基於該第一影像及/或量測值測定該個人對一或多種疾病之傾向來測定該醫學病狀。 [請求項Y4] 如請求項Y1至Y3中任一項之系統，其中該至少一個處理器經組態以至少部分藉由基於該第一影像及/或量測值診斷一或多種疾病來測定該醫學病狀。 [請求項Y5] 如請求項Y2至Y4中任一項之系統，其中： 該成像及/或量測設備經組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包括該第一影像及/或量測值；且 該第一影像及/或量測值資料與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項Y6] 如請求項Y5之系統，其中該第一影像及/或量測值資料之第一部分指示該個人對該一或多種疾病之第一疾病之傾向，且其中該第一影像及/或量測值資料之第二部分指示該個人對該一或多種疾病之第二疾病之傾向。 [請求項Y7] 如請求項Y5之系統，其中該至少一個處理器經進一步組態以基於該第一影像及/或量測值資料之第一部分診斷該一或多種疾病之第一疾病，及基於該第一影像及/或量測值資料之第二部分診斷該一或多種疾病之第二疾病。 [請求項Y8] 如請求項Y2至Y7中任一項之系統，其中該一或多種疾病包括糖尿病性視網膜病變。 [請求項Y9] 如請求項Y2至Y8中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測自該個人視網膜眼底之血管的血管壁突出之凸起或微動脈瘤。 [請求項Y10] 如請求項Y2至Y9中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測向該個人視網膜眼底中之體液及血液滲漏。 [請求項Y11] 如請求項Y2至Y10中任一項之系統，其中該一或多種疾病包括青光眼。 [請求項Y12] 如請求項Y2至Y11中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測該個人視網膜眼底之視乳突旁視網膜神經纖維層(RNFL)之變薄及/或視神經盤陷凹。 [請求項Y13] 如請求項Y2至Y12中任一項之系統，其中該一或多種疾病包括老年性黃斑變性。 [請求項Y14] 如請求項Y2至Y13中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測該個人視網膜眼底之黃斑之剝離及/或隆起。 [請求項Y15] 如請求項Y2至Y14中任一項之系統，其中該一或多種疾病包括斯特格特氏病(Stargardt's disease)。 [請求項Y16] 如請求項Y2至Y15中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測該個人視網膜眼底之中心部分中感光細胞之死亡。 [請求項Y17] 如請求項Y2至Y16中任一項之系統，其中該一或多種疾病包括黃斑部水腫。 [請求項Y18] 如請求項Y2至Y17中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測該個人視網膜眼底之中央凹周圍之區域中之溝槽。 [請求項Y19] 如請求項Y2至Y18中任一項之系統，其中該一或多種疾病包括黃斑孔。 [請求項Y20] 如請求項Y2至Y19中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測該個人視網膜眼底之黃斑中之孔洞。 [請求項Y21] 如請求項Y2至Y20中任一項之系統，其中該一或多種疾病包括飛蚊症。 [請求項Y22] 如請求項Y2至Y21中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測非聚焦光學路徑遮蔽。 [請求項Y23] 如請求項Y2至Y22中任一項之系統，其中該一或多種疾病包括視網膜脫落。 [請求項Y24] 如請求項Y2至Y23中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測該個人視網膜眼底之視神經盤之破裂。 [請求項Y25] 如請求項Y2至Y24中任一項之系統，其中該一或多種疾病包括白內障。 [請求項Y26] 如請求項Y2至Y25中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測該個人視網膜眼底之不透明晶狀體(opaque lens)及/或模糊。 [請求項Y27] 如請求項Y2至Y26中任一項之系統，其中該一或多種疾病包括黃斑毛細血管擴張。 [請求項Y28] 如請求項Y2至Y27中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測該個人視網膜眼底之黃斑之逐漸增加之螢光環壽命。 [請求項Y29] 如請求項Y2至Y28中任一項之系統，其中該至少一個處理器經進一步組態以在該第一影像及/或量測值資料中偵測該個人視網膜眼底之中央凹中及周圍血管退化。 [請求項Y30] 如請求項Y2至Y29中任一項之系統，其中該一或多種疾病包括阿茲海默氏病(Alzheimer's disease)。 [請求項Y31] 如請求項Y2至Y30中任一項之系統，其中該一或多種疾病包括帕金森氏病(Parkinson's disease)。 [請求項Y32] 如請求項Y2至Y31中任一項之系統，其中該至少一個處理器經進一步組態以基於該第一影像及/或量測值資料測定該個人之生命徵象。 [請求項Y33] 如請求項Y2至Y32中任一項之系統，其中該至少一個處理器經進一步組態以基於該第一影像及/或量測值資料測定該個人之血壓。 [請求項Y34] 如請求項Y2至Y33中任一項之系統，其中該至少一個處理器經進一步組態以基於該第一影像及/或量測值資料測定該個人之心跳速率。 [請求項Y35] 如請求項Y2至Y34中任一項之系統，其中該至少一個處理器經進一步組態以基於該第一影像及/或量測值資料測定該個人之紅血球及白血球計數。 [請求項Y36] 如請求項Y1至Y35中任一項之系統，其中該至少一個處理器經組態以至少部分藉由以下來識別該個人： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項Y37] 如請求項Y36之系統，其進一步包含其上儲存有該儲存之資料之電腦可讀儲存媒體。 [請求項Y38] 如請求項Y36至Y37中任一項之系統，其中該預定相似度係在70%與90%之間。 [請求項Y39] 如請求項Y36至Y37中任一項之系統，其中該預定相似度係至少99%。 [請求項Y40] 如請求項Y1至Y39中任一項之系統，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項Y41] 如請求項Y37至Y40中任一項之系統，其中該複數個視網膜眼底影像及/或量測值儲存於該電腦可讀儲存媒體上。 [請求項Y42] 如請求項Y1至Y41中任一項之系統，其中該至少一個處理器經進一步組態以自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項Y43] 如請求項Y36至Y42中任一項之系統，其中該至少一個處理器經進一步組態以執行該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項Y44] 如請求項Y36至Y43中任一項之系統，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項Y45] 如請求項Y44之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項Y46] 如請求項Y44至Y45中任一項之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項Y47] 如請求項Y44至Y46中任一項之系統，其中該至少一個處理器經進一步組態以將該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向對照該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向進行比較以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項Y48] 如請求項Y36至Y47中任一項之系統，其中該第二影像及/或量測值資料與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該多個影像及/或量測值中之各者與該個人相關。 [請求項Y49] 如請求項Y1至Y48中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 經通信網路傳輸該第一影像及/或量測值資料；及 第二裝置，其包括該至少一個處理器之第二處理器，該第二處理器經組態以： 經該通信網路接收該第一影像及/或量測值資料； 識別該個人；及 測定該個人之該醫學病狀。 [請求項Y50] 如請求項Y49之系統，其中該第一處理器經進一步組態以加密該第一影像及/或量測值資料，之後經該通信網路傳輸經加密之第一影像及/或量測值資料。 [請求項Y51] 如請求項Y2至Y48中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 自該成像及/或量測設備獲得該第一影像及/或量測值； 識別該個人；及 測定該個人之該醫學病狀。 [請求項Y52] 如請求項Y2至Y51中任一項之系統，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項Z1] 一種裝置，其經組態以： 經通信網路傳輸與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像及/或基於個人視網膜眼底之量測值之第一影像及/或量測值資料；及 經該通信網路接收基於該第一影像及/或量測值資料之該個人之身分及該個人醫學病狀之指示。 [請求項Z2] 如請求項Z1之裝置，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值；及 處理器，其經組態以： 自該成像及/或量測設備獲得該第一影像及/或量測值；及 經該通信網路傳輸該第一影像及/或量測值資料。 [請求項Z3] 如請求項Z1至Z2中任一項之裝置，其中該個人醫學病狀之該指示包括基於該第一影像及/或量測值資料之該個人對一或多種疾病之傾向。 [請求項Z4] 如請求項Z1至Z2中任一項之裝置，其中該個人醫學病狀之該指示包括基於該第一影像及/或量測值資料之一或多種疾病之診斷。 [請求項Z5] 如請求項Z2至Z3中任一項之裝置，其中該成像及/或量測設備經組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包括該第一影像及/或量測值，且其中該第一影像及/或量測值資料進一步與該第一複數個影像及/或量測值中之至少第二者相關。 [請求項Z6] 如請求項Z5之裝置，其中該第一影像及/或量測值資料之第一部分指示該個人對該一或多種疾病之第一疾病之傾向，且其中該第一影像及/或量測值資料之第二部分指示該個人對該一或多種疾病之第二疾病之傾向。 [請求項Z7] 如請求項Z5之裝置，其中該個人醫學病狀之該指示包括基於該第一影像及/或量測值資料之第一部分的該一或多種疾病之第一疾病之第一診斷，及基於該第一影像及/或量測值資料之第二部分的該一或多種疾病之第二疾病之第二診斷。 [請求項Z8] 如請求項Z3至Z7中任一項之裝置，其中該一或多種疾病包括糖尿病性視網膜病變。 [請求項Z9] 如請求項Z1至Z8中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中自該個人視網膜眼底之血管的血管壁突出之凸起或微動脈瘤。 [請求項Z10] 如請求項Z1至Z9中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中向該個人視網膜眼底中之體液及血液滲漏。 [請求項Z11] 如請求項Z3至Z10中任一項之裝置，其中該一或多種疾病包括青光眼。 [請求項Z12] 如請求項Z1至Z11中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中該個人視網膜眼底之視乳突旁視網膜神經纖維層(RNFL)之變薄及/或視神經盤陷凹。 [請求項Z13] 如請求項Z3至Z12中任一項之裝置，其中該一或多種疾病包括老年性黃斑變性。 [請求項Z14] 如請求項Z1至Z13中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑之剝離及/或隆起。 [請求項Z15] 如請求項Z3至Z14中任一項之裝置，其中該一或多種疾病包括斯特格特氏病。 [請求項Z16] 如請求項Z1至Z15中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中該個人視網膜眼底之中心部分中感光細胞之死亡。 [請求項Z17] 如請求項Z3至Z16中任一項之裝置，其中該一或多種疾病包括黃斑部水腫。 [請求項Z18] 如請求項Z1至Z17中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中該個人視網膜眼底之中央凹周圍之區域中之溝槽。 [請求項Z19] 如請求項Z3至Z18中任一項之裝置，其中該一或多種疾病包括黃斑孔。 [請求項Z20] 如請求項Z1至Z19中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑中之孔洞。 [請求項Z21] 如請求項Z3至Z20中任一項之裝置，其中該一或多種疾病包括飛蚊症。 [請求項Z22] 如請求項Z1至Z21中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中之非聚焦光學路徑遮蔽。 [請求項Z23] 如請求項Z3至Z22中任一項之裝置，其中該一或多種疾病包括視網膜脫落。 [請求項Z24] 如請求項Z1至Z23中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中該個人視網膜眼底之視神經盤之破裂。 [請求項Z25] 如請求項Z3至Z24中任一項之裝置，其中該一或多種疾病包括白內障。 [請求項Z26] 如請求項Z1至Z25中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中該個人視網膜眼底之不透明晶狀體及/或模糊。 [請求項Z27] 如請求項Z3至Z26中任一項之裝置，其中該一或多種疾病包括黃斑毛細血管擴張。 [請求項Z28] 如請求項Z1至Z27中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑之逐漸增加之螢光環壽命。 [請求項Z29] 如請求項Z1至Z28中任一項之裝置，其中該第一影像及/或量測值資料指示該第一影像及/或量測值資料中該個人視網膜眼底之中央凹中及周圍血管退化。 [請求項Z30] 如請求項Z3至Z29中任一項之裝置，其中該一或多種疾病包括阿茲海默氏病。 [請求項Z31] 如請求項Z3至Z30中任一項之裝置，其中該一或多種疾病包括帕金森氏病。 [請求項Z32] 如請求項Z1至Z31中任一項之裝置，其中該醫學病狀包含基於該第一影像及/或量測值資料之該個人之生命徵象。 [請求項Z33] 如請求項Z1至Z32中任一項之裝置，其中該醫學病狀包含基於該第一影像及/或量測值資料之該個人之血壓。 [請求項Z34] 如請求項Z1至Z33中任一項之裝置，其中該醫學病狀包含該個人之心跳速率。 [請求項Z35] 如請求項Z1至Z34中任一項之裝置，其中該醫學病狀包含該個人之紅血球及白血球計數。 [請求項Z36] 如請求項Z1至Z34中任一項之裝置，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項Z37] 如請求項Z1至Z36中任一項之裝置，其中該處理器經進一步組態以： 自該第一影像及/或量測值擷取該第一影像及/或量測值資料， 其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項Z38] 如請求項Z1至Z37中任一項之裝置，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項Z39] 如請求項Z38之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項Z40] 如請求項Z38至Z39中任一項之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項Z41] 如請求項Z2至Z40中任一項之裝置，其中該處理器經進一步組態以加密該第一影像及/或量測值資料，之後經該通信網路傳輸經加密之第一影像及/或量測值資料。 [請求項Z42] 如請求項Z2至Z41中任一項之裝置，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項Z43] 如請求項Z1至Z42中任一項之裝置，其中該裝置係可攜式的。 [請求項Z44] 如請求項Z1至Z43中任一項之裝置，其中該裝置經組態以由使用者手持。 [請求項Z45] 如請求項Z1至Z44中任一項之裝置，其中該裝置係行動電話，且其中該成像裝置包含與該行動電話整合之攝影機。 [請求項Z46] 如請求項Z2至Z45中任一項之裝置，其中該處理器經進一步組態以在接收該個人之身分之後准許該個人存取該裝置。 [請求項AA1] 一種方法，其包含基於與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像及/或基於個人視網膜眼底之量測值的第一影像及/或量測值資料來識別該個人及測定該個人之醫學病狀。 [請求項AA2] 如請求項AA1之方法，其進一步包含藉由成像及/或量測設備捕獲該第一影像及/或量測值。 [請求項AA3] 如請求項AA1至AA2中任一項之方法，其中測定該醫學病狀包含基於該第一影像及/或量測值資料測定該個人對一或多種疾病之傾向。 [請求項AA4] 如請求項AA1至AA2中任一項之方法，其中測定該醫學病狀包含基於該第一影像及/或量測值診斷一或多種疾病。 [請求項AA5] 如請求項AA1至AA4中任一項之方法，其進一步包含： 捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包括該第一影像及/或量測值；及 基於與該第一影像及/或量測值及該第一複數個影像及/或量測值中之至少第二者相關之第一影像及/或量測值資料，識別該個人及測定該個人之醫學病狀。 [請求項AA6] 如請求項AA5之方法，其中該第一影像及/或量測值資料之第一部分指示該個人對該一或多種疾病之第一疾病之傾向，且其中該第一影像及/或量測值資料之第二部分指示該個人對該一或多種疾病之第二疾病之傾向。 [請求項AA7] 如請求項AA5之方法，其進一步包含基於該第一影像及/或量測值資料之第一部分診斷該一或多種疾病之第一疾病，及基於該第一影像及/或量測值資料之第二部分診斷該一或多種疾病之第二疾病。 [請求項AA8] 如請求項AA3至AA7中任一項之方法，其中該一或多種疾病包括糖尿病性視網膜病變。 [請求項AA9] 如請求項AA1至AA8中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測自該個人視網膜眼底之血管的血管壁突出之凸起或微動脈瘤。 [請求項AA10] 如請求項AA1至AA8中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測向該個人視網膜眼底中之體液及血液滲漏。 [請求項AA11] 如請求項AA3至AA10中任一項之方法，其中該一或多種疾病包括青光眼。 [請求項AA12] 如請求項AA1至AA11中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測該個人視網膜眼底之視乳突旁視網膜神經纖維層(RNFL)之變薄及/或視神經盤陷凹。 [請求項AA13] 如請求項AA3至AA12中任一項之方法，其中該一或多種疾病包括老年性黃斑變性。 [請求項AA14] 如請求項AA1至AA13中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測該個人視網膜眼底之黃斑之剝離及/或隆起。 [請求項AA15] 如請求項AA3至AA14中任一項之方法，其中該一或多種疾病包括斯特格特氏病。 [請求項AA16] 如請求項AA1至AA15中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測該個人視網膜眼底之中心部分中感光細胞之死亡。 [請求項AA17] 如請求項AA3至AA16中任一項之方法，其中該一或多種疾病包括黃斑部水腫。 [請求項AA18] 如請求項AA1至AA17中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測該個人視網膜眼底之中央凹周圍之區域中之溝槽。 [請求項AA19] 如請求項AA3至AA18中任一項之方法，其中該一或多種疾病包括黃斑孔。 [請求項AA20] 如請求項AA1至AA19中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測該個人視網膜眼底之黃斑中之孔洞。 [請求項AA21] 如請求項AA3至AA20中任一項之方法，其中該一或多種疾病包括飛蚊症。 [請求項AA22] 如請求項AA1至AA21中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測非聚焦光學路徑遮蔽。 [請求項AA23] 如請求項AA3至AA22中任一項之方法，其中該一或多種疾病包括視網膜脫落。 [請求項AA24] 如請求項AA1至AA23中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測該個人視網膜眼底之視神經盤之破裂。 [請求項AA25] 如請求項AA3至AA24中任一項之方法，其中該一或多種疾病包括白內障。 [請求項AA26] 如請求項AA1至AA25中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測該個人視網膜眼底之不透明晶狀體及/或模糊。 [請求項AA27] 如請求項AA3至AA26中任一項之方法，其中該一或多種疾病包括黃斑毛細血管擴張。 [請求項AA28] 如請求項AA1至AA27中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測該個人視網膜眼底之黃斑之逐漸增加之螢光環壽命。 [請求項AA29] 如請求項AA1至AA28中任一項之方法，其進一步包含在該第一影像及/或量測值資料中偵測該個人視網膜眼底之中央凹中及周圍血管退化。 [請求項AA30] 如請求項AA3至AA29中任一項之方法，其中該一或多種疾病包括阿茲海默氏病。 [請求項AA31] 如請求項AA3至AA30中任一項之方法，其中該一或多種疾病包括帕金森氏病。 [請求項AA32] 如請求項AA1至AA31中任一項之方法，其進一步包含測定該個人之生命徵象。 [請求項AA33] 如請求項AA1至AA32中任一項之方法，其進一步包含測定該個人之血壓。 [請求項AA34] 如請求項AA1至AA33中任一項之方法，其進一步包含測定該個人之心跳速率。 [請求項AA35] 如請求項AA1至AA34中任一項之方法，其進一步包含測定該個人之紅血球及白血球計數。 [請求項AA36] 如請求項AA1至AA35中任一項之方法，其中識別該個人包含： 比較該第一影像及/或量測值資料與跟複數個視網膜眼底影像及/或量測值相關的儲存之資料，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項AA37] 如請求項AA36之方法，其中該預定相似度係在70%與90%之間。 [請求項AA38] 如請求項AA36之方法，其中該預定相似度係至少99%。 [請求項AA39] 如請求項AA1至AA38中任一項之方法，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項AA40] 如請求項AA36至AA39中任一項之方法，其進一步包含自該第一影像及/或量測值擷取該第一影像及/或量測值資料，其中該第一影像及/或量測值資料指示該個人視網膜眼底之特徵。 [請求項AA41] 如請求項AA36至AA40中任一項之方法，其進一步包含： 執行該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度， 其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項AA42] 如請求項AA36至AA41中任一項之方法，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項AA43] 如請求項AA42之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項AA44] 如請求項AA42至AA43中任一項之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項AA45] 如請求項AA42至AA44中任一項之方法，其進一步包含： 將該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向對照該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向進行比較以產生相似性量度， 其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項AA46] 如請求項AA36至AA45中任一項之方法，其中該第二影像及/或量測值資料及該識別資訊與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該等多個影像及/或量測值中之各者與該個人相關。 [請求項AA47] 如請求項AA1至AA46中任一項之方法，其進一步包含在識別該個人之後准許該個人存取裝置。 [請求項BB1] 一種系統，其包含至少一個處理器，該至少一個處理器經組態以將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像及/或基於個人視網膜眼底之量測值的第一影像及/或量測值資料作為第一輸入提供給經訓練的統計分類器(TSC)，及基於來自該TSC之至少一個輸出來識別及測定該個人之醫學病狀。 [請求項BB2] 如請求項BB1之系統，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值， 其中該至少一個處理器經組態以自該成像及/或量測設備獲得該第一影像及/或量測值。 [請求項BB3] 如請求項BB1至BB2中任一項之系統，其中來自該TSC之該至少一個輸出指示該個人對一或多種疾病之傾向。 [請求項BB4] 如請求項BB1至BB2中任一項之系統，其中該至少一個處理器經組態以至少部分藉由基於來自該TSC之該至少一個輸出診斷一或多種疾病來測定該醫學病狀。 [請求項BB5] 如請求項BB2至BB4中任一項之系統，其中： 該成像及/或量測設備經組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包括該第一影像及/或量測值；且 該第一輸入進一步包含該第一複數個影像及/或量測值中之至少第二者。 [請求項BB6] 如請求項BB5之系統，其中來自該TSC之該至少一個輸入之第一部分指示該個人對該一或多種疾病之第一疾病之傾向，且其中來自該TSC之該至少一個輸出之第二部分指示該個人對該一或多種疾病之第二疾病之傾向。 [請求項BB7] 如請求項BB5之系統，其中該至少一個處理器經進一步組態以基於來自該TSC之該至少一個輸出之第一部分診斷該一或多種疾病之第一疾病，及基於該TSC之該至少一個輸出之第二部分診斷該一或多種疾病之第二疾病。 [請求項BB8] 如請求項BB1至BB7中任一項之系統，其中該至少一個輸出包含： 第一輸出，其與該第一影像及/或量測值相關；及 第二輸出，其包含與複數個視網膜眼底影像及/或量測值中之至少一者相關之儲存之資料。 [請求項BB9] 如請求項BB8之系統，其中該第一輸出指示該個人視網膜眼底之特徵，且其中該第二輸入指示該儲存之資料之視網膜眼底特徵。 [請求項BB10] 如請求項BB8至BB9中任一項之系統，其中該至少一個處理器經組態以至少部分藉由以下來識別該個人： 比較該第一輸出與該第二輸出，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項BB11] 如請求項BB8至BB10中任一項之系統，其中該第一及該第二輸出中之各者中指示該個人對該一或多種疾病之傾向。 [請求項BB12] 如請求項BB8至BB10中任一項之系統，其中該至少一個處理器經進一步組態以基於該第一輸出、該第二輸出診斷該一或多種疾病中之至少一者。 [請求項BB13] 如請求項BB3至BB12中任一項之系統，其中該一或多種疾病包括糖尿病性視網膜病變。 [請求項BB14] 如請求項BB1至BB13中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中自該個人視網膜眼底之血管的血管壁突出之凸起或微動脈瘤。 [請求項BB15] 如請求項BB1至BB14中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中向該個人視網膜眼底中之體液及血液滲漏。 [請求項BB16] 如請求項BB3至BB15中任一項之系統，其中該一或多種疾病包括青光眼。 [請求項BB17] 如請求項BB1至BB16中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值中該個人視網膜眼底之視乳突旁視網膜神經纖維層(RNFL)之變薄及/或視神經盤陷凹。 [請求項BB18] 如請求項BB3至BB17中任一項之系統，其中該一或多種疾病包括老年性黃斑變性。 [請求項BB19] 如請求項BB1至BB18中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑之剝離及/或隆起。 [請求項BB20] 如請求項BB3至BB19中任一項之系統，其中該一或多種疾病包括斯特格特氏病。 [請求項BB21] 如請求項BB1至BB20中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之中心部分中感光細胞之死亡。 [請求項BB22] 如請求項BB3至BB21中任一項之系統，其中該一或多種疾病包括黃斑部水腫。 [請求項BB23] 如請求項BB1至BB22中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之中央凹周圍之區域中之溝槽。 [請求項BB24] 如請求項BB3至BB23中任一項之系統，其中該一或多種疾病包括黃斑孔。 [請求項BB25] 如請求項BB1至BB24中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑中之孔洞。 [請求項BB26] 如請求項BB3至BB25中任一項之系統，其中該一或多種疾病包括飛蚊症。 [請求項BB27] 如請求項BB1至BB26中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值中之非聚焦光學路徑遮蔽。 [請求項BB28] 如請求項BB3至BB27中任一項之系統，其中該一或多種疾病包括視網膜脫落。 [請求項BB29] 如請求項BB1至BB28中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之視神經盤之破裂。 [請求項BB30] 如請求項BB3至BB29中任一項之系統，其中該一或多種疾病包括白內障。 [請求項BB31] 如請求項BB1至BB30中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值中該個人視網膜眼底之不透明晶狀體及/或模糊。 [請求項BB32] 如請求項BB3至BB31中任一項之系統，其中該一或多種疾病包括黃斑毛細血管擴張。 [請求項BB33] 如請求項BB1至BB32中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑之逐漸增加之螢光環壽命。 [請求項BB34] 如請求項BB1至BB33中任一項之系統，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之中央凹中及周圍血管退化。 [請求項BB35] 如請求項BB3至BB34中任一項之系統，其中該一或多種疾病包括阿茲海默氏病。 [請求項BB36] 如請求項BB3至BB35中任一項之系統，其中該一或多種疾病包括帕金森氏病。 [請求項BB37] 如請求項BB1至BB36中任一項之系統，其中來自該TSC之該至少一個輸出指示該個人之生命徵象。 [請求項BB38] 如請求項BB1至BB37中任一項之系統，其中來自該TSC之該至少一個輸出指示該個人之血壓。 [請求項BB39] 如請求項BB1至BB38中任一項之系統，其中來自該TSC之該至少一個輸出指示該個人之心跳速率。 [請求項BB40] 如請求項BB1至BB39中任一項之系統，其中來自該TSC之該至少一個輸出指示該個人之紅血球及白血球計數。 [請求項BB41] 如請求項BB8至BB40中任一項之系統，其進一步包含其上儲存有該儲存之資料之電腦可讀儲存媒體。 [請求項BB42] 如請求項BB10至BB41中任一項之系統，其中該預定相似度係在70%與90%之間。 [請求項BB43] 如請求項BB10至BB41中任一項之系統，其中該預定相似度係至少99%。 [請求項BB44] 如請求項BB8至BB43中任一項之系統，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項BB45] 如請求項BB41至BB44中任一項之系統，其中該複數個視網膜眼底影像及/或量測值儲存於該電腦可讀儲存媒體上。 [請求項BB46] 如請求項BB10至BB45中任一項之系統，其中該至少一個處理器經進一步組態以執行該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項BB47] 如請求項BB10至BB46中任一項之系統，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項BB48] 如請求項BB47之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項BB49] 如請求項BB47至BB48中任一項之系統，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項BB50] 如請求項BB47至BB49中任一項之系統，其中該至少一個處理器經進一步組態以將該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向對照該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向進行比較以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項BB51] 如請求項BB10至BB50中任一項之系統，其中該第二影像及/或量測值資料及該識別資訊與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該等多個影像及/或量測值中之各者與該個人相關。 [請求項BB52] 如請求項BB1至BB53中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 經通信網路傳輸該第一影像及/或量測值資料；及 第二裝置，其包括該至少一個處理器之第二處理器，該第二處理器經組態以： 經該通信網路接收該第一影像及/或量測值資料； 將該第一影像及/或量測值資料提供給該TSC； 識別該個人；及 測定該個人之該醫學病狀。 [請求項BB53] 如請求項BB52之系統，其中該第一處理器經進一步組態以加密該第一影像及/或量測值資料，之後經該通信網路傳輸經加密之第一影像及/或量測值資料。 [請求項BB54] 如請求項BB2至BB53中任一項之系統，其進一步包含： 第一裝置，其包括該至少一個處理器之第一處理器，該第一處理器經組態以： 自該成像及/或量測設備獲得該第一影像及/或量測值； 將該第一影像及/或量測值提供給該TSC； 識別該個人；及 測定該個人之該醫學病狀。 [請求項BB55] 如請求項BB2至BB54中任一項之系統，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項CC1] 一種裝置，其經組態以將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像及/或基於個人視網膜眼底之量測值的第一影像及/或量測值資料作為第一輸入提供給經訓練的統計分類器(TSC)，及基於來自該TSC之至少一個輸出識別該個人及測定該個人之醫學病狀。 [請求項CC2] 如請求項CC1之裝置，其進一步包含： 成像及/或量測設備，其經組態以捕獲該第一影像及/或量測值；及 處理器，其經組態以： 將該第一影像及/或量測值資料作為該第一輸入提供給該TSC； 識別該個人；及 測定該個人之該醫學病狀。 [請求項CC3] 如請求項CC2之裝置，其中來自該TSC之該至少一個輸出指示該個人對一或多種疾病之傾向。 [請求項CC4] 如請求項CC2至CC3中任一項之裝置，其中該處理器經組態以至少部分藉由基於來自該TSC之該至少一個輸出診斷一或多種疾病來測定該醫學病狀。 [請求項CC5] 如請求項CC2至CC4中任一項之裝置，其中： 該成像及/或量測設備經組態以捕獲該個人視網膜眼底之第一複數個影像及/或量測值，其中該第一複數個影像及/或量測值包括該第一影像及/或量測值；且 該第一輸入進一步包含該第一複數個影像及/或量測值中之至少第二者。 [請求項CC6] 如請求項CC3之裝置，其中來自該TSC之該至少一個輸入之第一部分指示該個人對該一或多種疾病之第一疾病之傾向，且其中來自該TSC之該至少一個輸出之第二部分指示該個人對該一或多種疾病之第二疾病之傾向。 [請求項CC7] 如請求項CC4之裝置，其中該處理器經進一步組態以基於來自該TSC之該至少一個輸出之第一部分診斷該一或多種疾病之第一疾病，及基於該TSC之該至少一個輸出之第二部分診斷該一或多種疾病之第二疾病。 [請求項CC8] 如請求項CC1至CC7中任一項之裝置，其中該至少一個輸出包含： 第一輸出，其與該第一影像及/或量測值相關；及 第二輸出，其包含與複數個視網膜眼底影像及/或量測值中之至少一者相關之儲存之資料。 [請求項CC9] 如請求項CC8之裝置，其中該第一輸出指示該個人視網膜眼底之特徵，且其中該第二輸入指示該儲存之資料之視網膜眼底特徵。 [請求項CC10] 如請求項CC8至CC9中任一項之裝置，其中該處理器經組態以至少部分藉由以下來識別該個人： 比較該第一輸出與該第二輸出，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項CC11] 如請求項CC6至CC10中任一項之裝置，其中該第一及該第二輸出中之各者中指示該個人對該一或多種疾病之傾向。 [請求項CC12] 如請求項CC7至CC10中任一項之裝置，其中該處理器經進一步組態以基於該第一輸出及該第二輸出診斷該一或多種疾病中之至少一者。 [請求項CC13] 如請求項CC3至CC12中任一項之裝置，其中該一或多種疾病包括糖尿病性視網膜病變。 [請求項CC14] 如請求項CC1至CC13中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中自該個人視網膜眼底之血管的血管壁突出之凸起或微動脈瘤。 [請求項CC15] 如請求項CC1至CC14中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中向該個人視網膜眼底中之體液及血液滲漏。 [請求項CC16] 如請求項CC3至CC15中任一項之裝置，其中該一或多種疾病包括青光眼。 [請求項CC17] 如請求項CC1至CC16中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之視乳突旁視網膜神經纖維層(RNFL)之變薄及/或視神經盤陷凹。 [請求項CC18] 如請求項CC3至CC17中任一項之裝置，其中該一或多種疾病包括老年性黃斑變性。 [請求項CC19] 如請求項CC1至CC18中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑之剝離及/或隆起。 [請求項CC20] 如請求項CC3至CC19中任一項之裝置，其中該一或多種疾病包括斯特格特氏病。 [請求項CC21] 如請求項CC1至CC20中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之中心部分中感光細胞之死亡。 [請求項CC22] 如請求項CC3至CC21中任一項之裝置，其中該一或多種疾病包括黃斑部水腫。 [請求項CC23] 如請求項CC1至CC22中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之中央凹周圍之區域中之溝槽。 [請求項CC24] 如請求項CC3至CC23中任一項之裝置，其中該一或多種疾病包括黃斑孔。 [請求項CC25] 如請求項CC1至CC24中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑中之孔洞。 [請求項CC26] 如請求項CC3至CC25中任一項之裝置，其中該一或多種疾病包括飛蚊症。 [請求項CC27] 如請求項CC1至CC26中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中之非聚焦光學路徑遮蔽。 [請求項CC28] 如請求項CC3至CC27中任一項之裝置，其中該一或多種疾病包括視網膜脫落。 [請求項CC29] 如請求項CC1至CC28中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之視神經盤之破裂。 [請求項CC30] 如請求項CC3至CC29中任一項之裝置，其中該一或多種疾病包括白內障。 [請求項CC31] 如請求項CC1至CC30中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之不透明晶狀體及/或模糊。 [請求項CC32] 如請求項CC3至CC31中任一項之裝置，其中該一或多種疾病包括黃斑毛細血管擴張。 [請求項CC33] 如請求項CC1至CC32中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑之逐漸增加之螢光環壽命。 [請求項CC34] 如請求項CC1至CC33中任一項之裝置，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之中央凹中及周圍血管退化。 [請求項CC35] 如請求項CC3至CC34中任一項之裝置，其中該一或多種疾病包括阿茲海默氏病。 [請求項CC36] 如請求項CC3至CC35中任一項之裝置，其中該一或多種疾病包括帕金森氏病。 [請求項CC37] 如請求項CC1至CC36中任一項之裝置，其中來自該TSC之該至少一個輸出指示該個人之生命徵象。 [請求項CC38] 如請求項CC1至CC37中任一項之裝置，其中來自該TSC之該至少一個輸出指示該個人之血壓。 [請求項CC39] 如請求項CC1至CC38中任一項之裝置，其中來自該TSC之該至少一個輸出指示該個人之心跳速率。 [請求項CC40] 如請求項CC1至CC39中任一項之裝置，其中來自該TSC之該至少一個輸出指示該個人之紅血球及白血球計數。 [請求項CC41] 如請求項CC8至CC40中任一項之裝置，其進一步包含其上儲存有該儲存之資料之電腦可讀儲存媒體。 [請求項CC42] 如請求項CC10至CC41中任一項之裝置，其中該預定相似度係在70%與90%之間。 [請求項CC43] 如請求項CC10至CC42中任一項之裝置，其中該預定相似度係至少99%。 [請求項CC44] 如請求項CC8至CC43中任一項之裝置，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項CC45] 如請求項CC41至CC44中任一項之裝置，其中該複數個視網膜眼底影像及/或量測值儲存於該電腦可讀儲存媒體上。 [請求項CC46] 如請求項CC10至CC45中任一項之裝置，其中該至少一個處理器經進一步組態以執行該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間的模板匹配以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項CC47] 如請求項CC10至CC45中任一項之裝置，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項CC48] 如請求項CC47之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項CC49] 如請求項CC47至CC48中任一項之裝置，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項CC50] 如請求項CC47至CC49中任一項之裝置，其中該至少一個處理器經進一步組態以將該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向對照該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向進行比較以產生相似性量度，其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項CC51] 如請求項CC10至CC50中任一項之裝置，其中該第二影像及/或量測值資料及該識別資訊與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該等多個影像及/或量測值中之各者與該個人相關。 [請求項CC52] 如請求項CC2至CC51中任一項之裝置，其中該成像及/或量測設備包含具有介於30度與45度之間的成像及/或量測視場之數位攝影機。 [請求項CC53] 如請求項CC1至CC52中任一項之裝置，其中該裝置係可攜式的。 [請求項CC54] 如請求項CC1至CC53中任一項之裝置，其中該裝置經組態以由使用者手持。 [請求項CC55] 如請求項CC2至CC54中任一項之裝置，其中該裝置係行動電話，且其中該成像裝置包含與該行動電話整合之攝影機。 [請求項CC56] 如請求項CC2至CC55中任一項之裝置，其中該處理器經進一步組態以在接收該個人之身分之後准許該個人存取該裝置。 [請求項DD1] 一種方法，其包含將與個人視網膜眼底之第一影像相關及/或包括個人視網膜眼底之第一影像及/或基於個人視網膜眼底之量測值的第一影像及/或量測值資料作為第一輸入提供給經訓練的統計分類器(TSC)，及基於來自該TSC之至少一個輸出識別該個人及測定該個人之醫學病狀。 [請求項DD2] 如請求項DD1之方法，其進一步包含藉由成像及/或量測設備捕獲該第一影像及/或量測值。 [請求項DD3] 如請求項DD1至DD2中任一項之方法，其中來自該TSC之該至少一個輸出指示該個人對一或多種疾病之傾向。 [請求項DD4] 如請求項DD1至DD2中任一項之方法，其中測定該醫學病狀包含基於來自該TSC之該至少一個輸出診斷一或多種疾病。 [請求項DD5] 如請求項DD1至DD4中任一項之方法，其進一步包含： 捕獲該個人視網膜眼底之第一複數個影像及/或量測值， 其中該第一複數個影像及/或量測值包括該第一影像及/或量測值，且 其中該第一輸入進一步包含該第一複數個影像及/或量測值中之至少第二者。 [請求項DD6] 如請求項DD5之方法，其中來自該TSC之該至少一個輸入之第一部分指示該個人對該一或多種疾病之第一疾病之傾向，且其中來自該TSC之該至少一個輸出之第二部分指示該個人對該一或多種疾病之第二疾病之傾向。 [請求項DD7] 如請求項DD5之方法，其進一步包含： 基於來自該TSC之該至少一個輸出之第一部分診斷該一或多種疾病之第一疾病；及 基於該TSC之該至少一個輸出之第二部分診斷該一或多種疾病之第二疾病。 [請求項DD8] 如請求項DD1至DD7中任一項之方法，其中該至少一個輸出包含： 第一輸出，其與該第一影像及/或量測值相關；及 第二輸出，其包含與複數個視網膜眼底影像及/或量測值中之至少一者相關之儲存之資料。 [請求項DD9] 如請求項DD8之方法，其中： 該第一輸出指示該個人視網膜眼底之特徵，且 該第二輸入指示該儲存之資料中之視網膜眼底特徵。 [請求項DD10] 如請求項DD8至DD9中任一項之方法，其中識別該個人包含： 比較該第一輸出與該第二輸出，其中該儲存之資料包含與該第一影像及/或量測值資料至少具有預定相似度之第二影像及/或量測值資料；及 獲得與該第二影像及/或量測值資料相關之識別資訊。 [請求項DD11] 如請求項DD8至DD10中任一項之方法，其中該第一及該第二輸出中之各者中指示該個人對該一或多種疾病之傾向。 [請求項DD12] 如請求項DD8至DD10中任一項之方法，其進一步包含基於該第一輸出、該第二輸出診斷該一或多種疾病中之至少一者。 [請求項DD13] 如請求項DD3至DD12中任一項之方法，其中該一或多種疾病包括糖尿病性視網膜病變。 [請求項DD14] 如請求項DD1至DD13中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中自該個人視網膜眼底之血管的血管壁突出之凸起或微動脈瘤。 [請求項DD15] 如請求項DD1至DD14中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中向該個人視網膜眼底中之體液及血液滲漏。 [請求項DD16] 如請求項DD3至DD15中任一項之方法，其中該一或多種疾病包括青光眼。 [請求項DD17] 如請求項DD1至DD16中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之視乳突旁視網膜神經纖維層(RNFL)之變薄及/或視神經盤陷凹。 [請求項DD18] 如請求項DD3至DD17中任一項之方法，其中該一或多種疾病包括老年性黃斑變性。 [請求項DD19] 如請求項DD1至DD18中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑之剝離及/或隆起。 [請求項DD20] 如請求項DD3至DD19中任一項之方法，其中該一或多種疾病包括斯特格特氏病。 [請求項DD21] 如請求項DD1至DD20中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之中心部分中感光細胞之死亡。 [請求項DD22] 如請求項DD3至DD21中任一項之方法，其中該一或多種疾病包括黃斑部水腫。 [請求項DD23] 如請求項DD1至DD22中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之中央凹周圍之區域中之溝槽。 [請求項DD24] 如請求項DD3至DD23中任一項之方法，其中該一或多種疾病包括黃斑孔。 [請求項DD25] 如請求項DD1至DD24中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑中之孔洞。 [請求項DD26] 如請求項DD3至DD25中任一項之方法，其中該一或多種疾病包括飛蚊症。 [請求項DD27] 如請求項DD1至DD26中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中之非聚焦光學路徑遮蔽。 [請求項DD28] 如請求項DD3至DD27中任一項之方法，其中該一或多種疾病包括視網膜脫落。 [請求項DD29] 如請求項DD1至DD28中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之視神經盤之破裂。 [請求項DD30] 如請求項DD3至DD29中任一項之方法，其中該一或多種疾病包括白內障。 [請求項DD31] 如請求項DD1至DD30中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之不透明晶狀體及/或模糊。 [請求項DD32] 如請求項DD3至DD31中任一項之方法，其中該一或多種疾病包括黃斑毛細血管擴張。 [請求項DD33] 如請求項DD1至DD32中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之黃斑之逐漸增加之螢光環壽命。 [請求項DD34] 如請求項DD1至DD33中任一項之方法，其中來自該TSC之該至少一個輸出指示該第一影像及/或量測值資料中該個人視網膜眼底之中央凹中及周圍血管退化。 [請求項DD35] 如請求項DD3至DD34中任一項之方法，其中該一或多種疾病包括阿茲海默氏病。 [請求項DD36] 如請求項DD3至DD35中任一項之方法，其中該一或多種疾病包括帕金森氏病。 [請求項DD37] 如請求項DD1至DD36中任一項之方法，其進一步包含測定該個人之生命徵象。 [請求項DD38] 如請求項DD1至DD37中任一項之方法，其進一步包含測定該個人之血壓。 [請求項DD39] 如請求項DD1至DD38中任一項之方法，其進一步包含測定該個人之心跳速率。 [請求項DD40] 如請求項DD1至DD39中任一項之方法，其進一步包含測定該個人之紅血球及白血球計數。 [請求項DD41] 如請求項DD10至DD40中任一項之方法，其中該預定相似度係在70%與90%之間。 [請求項DD42] 如請求項DD10至DD40中任一項之方法，其中該預定相似度係至少99%。 [請求項DD43] 如請求項DD8至DD43中任一項之方法，其中該第一影像及/或量測值資料包含該第一影像及/或量測值之經壓縮形式。 [請求項DD44] 如請求項DD10至DD43中任一項之方法，其進一步包含： 在該第一影像及/或量測值資料之至少一部分與該第二影像及/或量測值資料之至少一部分之間模板匹配以產生相似性量度， 其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項DD45] 如請求項DD10至DD44中任一項之方法，其中該第一影像及/或量測值資料包含該個人視網膜眼底之平移及旋轉不變特徵。 [請求項DD46] 如請求項DD45之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之血管之分支末梢及分叉。 [請求項DD47] 如請求項DD45至DD46中任一項之方法，其中該等平移及旋轉不變特徵包含該個人視網膜眼底之視神經盤。 [請求項DD48] 如請求項DD45至DD47中任一項之方法，其進一步包含： 將該第一影像及/或量測值資料之該等平移及旋轉不變特徵之相對位置及取向對照該第二影像及/或量測值資料之平移及旋轉不變特徵之相對位置及取向進行比較以產生相似性量度， 其中該相似性量度指示該第二影像及/或量測值資料與該第一影像及/或量測值資料至少具有該預定相似度。 [請求項DD49] 如請求項DD10至DD48中任一項之方法，其中該第二影像及/或量測值資料及該識別資訊與該複數個視網膜眼底影像及/或量測值中之多個影像及/或量測值相關，且其中該等多個影像及/或量測值中之各者與該個人相關。 [請求項DD50] 如請求項DD1至DD49中任一項之方法，其進一步包含在識別該個人之後准許該個人存取裝置。
TW108145613A 2018-12-12 2019-12-12 用於生物識別及健康狀態測定之光學設備及相關裝置 TW202038137A (zh)

Applications Claiming Priority (8)

Application Number Priority Date Filing Date Title
US201862778494P 2018-12-12 2018-12-12
US62/778,494 2018-12-12
US201962833179P 2019-04-12 2019-04-12
US201962833210P 2019-04-12 2019-04-12
US201962833239P 2019-04-12 2019-04-12
US62/833,239 2019-04-12
US62/833,210 2019-04-12
US62/833,179 2019-04-12

Publications (1)

Publication Number Publication Date
TW202038137A true TW202038137A (zh) 2020-10-16

Family

ID=71071494

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108145613A TW202038137A (zh) 2018-12-12 2019-12-12 用於生物識別及健康狀態測定之光學設備及相關裝置

Country Status (11)

Country Link
US (4) US20200191553A1 (zh)
EP (4) EP3893719A4 (zh)
JP (1) JP2022512393A (zh)
KR (1) KR20210137988A (zh)
CN (1) CN113784656A (zh)
AU (4) AU2019396539A1 (zh)
BR (1) BR112021010926A2 (zh)
CA (4) CA3121791A1 (zh)
MX (1) MX2021006994A (zh)
TW (1) TW202038137A (zh)
WO (4) WO2020123868A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI802123B (zh) * 2021-12-02 2023-05-11 財團法人工業技術研究院 3d靜脈圖譜的辨識方法及其識別裝置
TWI817121B (zh) * 2021-05-14 2023-10-01 宏碁智醫股份有限公司 分類老年性黃斑部退化的程度的分類方法和分類裝置
TWI827435B (zh) * 2023-01-06 2023-12-21 南臺學校財團法人南臺科技大學 排尿檢測方法及其系統

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3239895A1 (en) * 2016-04-28 2017-11-01 Nokia Technologies Oy An apparatus, method and computer program for obtaining scrambled identification signal of a user using quantum dot-graphene field effect transistors
US11737665B2 (en) 2019-06-21 2023-08-29 Tesseract Health, Inc. Multi-modal eye imaging with shared optical path
US11373425B2 (en) 2020-06-02 2022-06-28 The Nielsen Company (U.S.), Llc Methods and apparatus for monitoring an audience of media based on thermal imaging
CN111714217A (zh) * 2020-07-03 2020-09-29 福建智康云医疗科技有限公司 一种基于云存储的医学影像快速定位采集扫描装置
US11475669B2 (en) * 2020-07-30 2022-10-18 Ncr Corporation Image/video analysis with activity signatures
US11553247B2 (en) 2020-08-20 2023-01-10 The Nielsen Company (Us), Llc Methods and apparatus to determine an audience composition based on thermal imaging and facial recognition
US11595723B2 (en) 2020-08-20 2023-02-28 The Nielsen Company (Us), Llc Methods and apparatus to determine an audience composition based on voice recognition
US11763591B2 (en) * 2020-08-20 2023-09-19 The Nielsen Company (Us), Llc Methods and apparatus to determine an audience composition based on voice recognition, thermal imaging, and facial recognition
CN114071561B (zh) * 2021-12-07 2023-06-23 中国联合网络通信集团有限公司 一种数据上报方法、装置、设备及存储介质

Family Cites Families (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4762701A (en) * 1986-10-31 1988-08-09 Smithkline Beckman Corporation In vivo cellular tracking
US5973731A (en) * 1994-03-03 1999-10-26 Schwab; Barry H. Secure identification system
US6142629A (en) * 1998-08-30 2000-11-07 Applied Spectral Imaging Ltd. Spectral imaging using illumination of preselected spectral content
US6332193B1 (en) * 1999-01-18 2001-12-18 Sensar, Inc. Method and apparatus for securely transmitting and authenticating biometric data over a network
WO2002015818A2 (en) * 2000-08-23 2002-02-28 Philadelphia Ophthalmologic Imaging Systems, Inc. System and method for tele-ophthalmology
US7224822B2 (en) * 2000-11-02 2007-05-29 Retinal Technologies, L.L.C. System for capturing an image of the retina for identification
JP2003085662A (ja) * 2001-07-06 2003-03-20 Rando Business:Kk 防犯システム、防犯管理装置、防犯方法、防犯管理方法およびコンピュータプログラム
US7575321B2 (en) * 2003-10-30 2009-08-18 Welch Allyn, Inc. Apparatus and method of diagnosis of optically identifiable ophthalmic conditions
US7555148B1 (en) * 2004-01-22 2009-06-30 Fotonation Vision Limited Classification system for consumer digital images using workflow, face detection, normalization, and face recognition
JP4527471B2 (ja) * 2004-08-24 2010-08-18 独立行政法人理化学研究所 ３次元眼底画像の構築・表示装置
US8243999B2 (en) * 2006-05-03 2012-08-14 Ut-Battelle, Llc Method and system for the diagnosis of disease using retinal image content and an archive of diagnosed human patient data
JP4969925B2 (ja) * 2006-06-28 2012-07-04 株式会社トプコン 眼底観察装置
US20080212847A1 (en) * 2007-01-08 2008-09-04 Michael Davies Method and system for identifying medical sample information source
US20150157505A1 (en) * 2007-01-19 2015-06-11 Joseph Neev Devices and methods for generation of subsurface micro-disruptions for opthalmic surgery and opthalmic applications
US20100183199A1 (en) * 2007-09-28 2010-07-22 Eye Controls, Llc Systems and methods for biometric identification
US7854511B2 (en) * 2007-10-03 2010-12-21 Eye Marker Systems, Inc. Apparatus, methods and systems for non-invasive ocular assessment of neurological function
US8234509B2 (en) * 2008-09-26 2012-07-31 Hewlett-Packard Development Company, L.P. Portable power supply device for mobile computing devices
US20100315041A1 (en) * 2009-06-15 2010-12-16 Qing Song Tan Portable phone holder and charger with quick release feature
JP5432625B2 (ja) * 2009-07-29 2014-03-05 株式会社トプコン 眼科観察装置
CA2814213C (en) * 2010-10-13 2014-08-19 Ocular Prognostics, LLC Handheld reflectometer for measuring macular pigment
EP2699270B1 (en) * 2011-04-22 2017-06-21 The Regents of The University of California Adeno-associated virus virions with variant capsid and methods of use thereof
AU2012249694A1 (en) * 2011-04-27 2013-11-07 Adlyfe, Inc. Ocular detection of amyloid proteins
US9078612B2 (en) * 2011-12-02 2015-07-14 Third Eye Diagnostics, Inc. Devices and methods for noninvasive measurement of intracranial pressure
US9962291B2 (en) * 2012-05-25 2018-05-08 Ojai Retinal Technology, Llc System and process for neuroprotective therapy for glaucoma
US9041347B2 (en) * 2012-06-21 2015-05-26 Blackberry Limited Multi-orientation stand for a portable electronic device
US9332899B2 (en) * 2012-11-06 2016-05-10 Clarity Medical Systems, Inc. Electronic eye marking/registration
US20140276025A1 (en) * 2013-03-14 2014-09-18 Carl Zeiss Meditec, Inc. Multimodal integration of ocular data acquisition and analysis
US10032075B2 (en) * 2013-12-23 2018-07-24 Eyelock Llc Methods and apparatus for power-efficient iris recognition
WO2015142941A1 (en) * 2014-03-17 2015-09-24 Avalanche Biotechnologies, Inc. Compositions and methods for enhanced gene expression in cone cells
US20150288687A1 (en) * 2014-04-07 2015-10-08 InvenSense, Incorporated Systems and methods for sensor based authentication in wearable devices
JP2017527320A (ja) * 2014-07-16 2017-09-21 オーハイ レチナル テクノロジー，エルエルシー 網膜光線療法用の装置
JP6388440B2 (ja) * 2014-11-26 2018-09-12 株式会社トプコン 眼科装置
CN113397472A (zh) * 2015-03-16 2021-09-17 奇跃公司 穿戴式增强现实装置和穿戴式虚拟现实装置
JP6879938B2 (ja) * 2015-05-11 2021-06-02 マジック リープ， インコーポレイテッドＭａｇｉｃ Ｌｅａｐ，Ｉｎｃ． ニューラルネットワークを利用するバイオメトリックユーザ認識のためのデバイス、方法、およびシステム
US10002242B2 (en) * 2015-08-17 2018-06-19 Qualcomm Incorporated Electronic device access control using biometric technologies
US10722115B2 (en) * 2015-08-20 2020-07-28 Ohio University Devices and methods for classifying diabetic and macular degeneration
US9710016B1 (en) * 2016-01-16 2017-07-18 Bion Porzio Docking station with securing apparatus and stand for electronic device
WO2018013200A1 (en) * 2016-07-14 2018-01-18 Magic Leap, Inc. Deep neural network for iris identification
EP3424406A1 (en) * 2016-11-22 2019-01-09 Delphinium Clinic Ltd. Method and system for classifying optic nerve head
WO2018127815A1 (en) * 2017-01-03 2018-07-12 Universidade De Coimbra Method and equipment for central nervous system characterization from retina oct imaging data
US10810290B2 (en) * 2017-03-05 2020-10-20 Ronald H Minter Robust method and an apparatus for authenticating a client in non-face-to-face online interactions based on a combination of live biometrics, biographical data, blockchain transactions and signed digital certificates
CN111095261A (zh) * 2017-04-27 2020-05-01 视网膜病答案有限公司 眼底图像自动分析系统和方法
US10849547B2 (en) * 2017-05-04 2020-12-01 Junebrain, Inc. Brain monitoring system
WO2018213492A1 (en) * 2017-05-16 2018-11-22 Spect Inc. Stereoscopic mobile retinal imager

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI817121B (zh) * 2021-05-14 2023-10-01 宏碁智醫股份有限公司 分類老年性黃斑部退化的程度的分類方法和分類裝置
TWI802123B (zh) * 2021-12-02 2023-05-11 財團法人工業技術研究院 3d靜脈圖譜的辨識方法及其識別裝置
TWI827435B (zh) * 2023-01-06 2023-12-21 南臺學校財團法人南臺科技大學 排尿檢測方法及其系統

Also Published As

Publication number Publication date
WO2020123862A1 (en) 2020-06-18
WO2020123868A1 (en) 2020-06-18
WO2020123858A1 (en) 2020-06-18
US20200191553A1 (en) 2020-06-18
US20200193004A1 (en) 2020-06-18
JP2022512393A (ja) 2022-02-03
EP3893717A4 (en) 2022-09-14
AU2019396539A1 (en) 2021-08-05
WO2020123864A1 (en) 2020-06-18
EP3893717A1 (en) 2021-10-20
EP3893720A4 (en) 2022-10-19
US20200193156A1 (en) 2020-06-18
BR112021010926A2 (pt) 2021-08-24
WO2020123862A8 (en) 2020-08-13
US20200193592A1 (en) 2020-06-18
AU2019396537A1 (en) 2021-08-05
EP3893718A4 (en) 2022-11-09
EP3893720A1 (en) 2021-10-20
KR20210137988A (ko) 2021-11-18
MX2021006994A (es) 2021-10-22
EP3893719A4 (en) 2022-10-19
AU2019398346A1 (en) 2021-08-05
CA3122544A1 (en) 2020-06-18
CA3122272A1 (en) 2020-06-18
CA3122570A1 (en) 2020-06-18
EP3893719A1 (en) 2021-10-20
CA3121791A1 (en) 2020-06-18
AU2019397519A1 (en) 2021-08-05
CN113784656A (zh) 2021-12-10
EP3893718A1 (en) 2021-10-20

Similar Documents

Publication Publication Date Title
TW202038137A (zh) 用於生物識別及健康狀態測定之光學設備及相關裝置
US11779213B2 (en) Metaverse system
Alugubelli Exploratory study of artificial intelligence in healthcare
Burge et al. Optimal defocus estimation in individual natural images
CN107249441A (zh) 用于测量生物信息的电子装置和方法
CN109285602A (zh) 用于自我检查用户眼睛的主模块、系统和方法
WO2022094446A1 (en) Machine learning for detection of diseases from external anterior eye images
McDuff et al. Synthetic data in healthcare
Ayoub et al. Minimized Computations of Deep Learning Technique for Early Diagnosis of Diabetic Retinopathy Using IoT‐Based Medical Devices
Qiu et al. Visionfm: a multi-modal multi-task vision foundation model for generalist ophthalmic artificial intelligence
Parra-Mora et al. Detection of peripheral retinal breaks in ultra-widefield images using deep learning
WO2024038134A1 (en) Methods and devices in performing a vision testing procedure on a person
JP2022548325A (ja) クラウドベースの角膜表面差分マッピングシステム及び方法
Chang Appearance-based gaze estimation and applications in healthcare
EP4109468A1 (en) Systems and methods for modelling a human subject
Huang et al. Advancing Privacy-Aware Machine Learning on Sensitive Data via Edge-Based Continual μ-Training for Personalized Large Models
Pise et al. Research Article Enabling Artificial Intelligence of Things (AIoT) Healthcare Architectures and Listing Security Issues
Fischer et al. The influence of eye model parameter variations on simulated eye-tracking outcomes
Mathews et al. Computational Intelligence in Otorhinolaryngology
CN114901150A (zh) 针对自管临床校验、验证以及注册的应用程序
CN115661087A (zh) 偏头痛异常脑区提取方法、系统、电子设备及存储介质