[发明专利]一种角膜受损智能诊断系统有效

专利信息
申请号: 201710237618.3 申请日: 2017-04-12
公开(公告)号: CN107122597B 公开(公告)日: 2020-04-24
发明(设计)人: 唐晓颖;邓丽洁;袁进;黄海香 申请(专利权)人: 广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学;中山大学中山眼科中心
主分类号: G16H50/70 分类号: G16H50/70;G06K9/46;G06K9/62
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 林丽明
地址: 528300 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 角膜 受损 智能 诊断 系统
【权利要求书】:

1.一种角膜受损智能诊断系统,其特征在于,包括:

用于采集患者角膜荧光染色图像的图像采集模块;

用于在采集的角膜染色图像中提取角膜区域的角膜区域提取模块;

用于对提取的角膜区域进行前期处理的前期处理模块;

用于对经过前期处理的角膜区域进行受损区域提取的角膜受损区域提取模块;

用于对提取的受损区域进行受损特征提取的特征提取模块;

用于根据提取的受损特征进行受损分级及分类,然后给出对应的诊疗意见的诊疗模块;其中:所述前期处理模块对角膜区域进行前期处理具体包括以下步骤:选用卷积滤波算法对角膜区域进行去噪滤波;将经历过去噪滤波的角膜区域从RGB转化到lab彩色空间;所述角膜受损区域提取模块对角膜区域进行受损区域提取的具体过如下:

1)利用k-means聚类分割方法和自定义判定算法从角膜区域中提取出颜色特征符合角膜溃烂颜色特征的区域,然后对提取的区域进行输出;

2)医生通过医学经验确定区域生长的起始点,然后利用区域生长的图像分割算法在步骤1)提取的区域中选取出符合角膜受损特征的区域;选取出的区域即为受损区域;

所述利用k-means聚类分割方法和自定义判定算法提取区域的具体过程如下:

(1)提取出角膜区域lab彩色空间的a分量和b分量,进行k-means聚类分割;经过k-means聚类分割后得到两张图片;

(2)设计一个自定义判定算法分别读取两张图片的RGB通道信息中的G通道信息,然后分别计算两张图片中G值大于200的像素点的个数,选择两张图片中G值大于200的像素点个数较多的图片进行步骤(3);

(3)对选择的图片进行k-means聚类分割,经过k-means聚类分割后得到两张图片;

(4)设计一个自定义判定算法计算两张图片中的白色像素点的个数,若其中一张图片的白色像素点的个数为0,则选择这张图片进行区域的提取,否则选择白色像素点较少的图片进行区域的提取。

2.根据权利要求1所述的角膜受损智能诊断系统,其特征在于,所述图像采集模块为照相机,所述照相机在裂隙灯的钴蓝光下进行患者角膜荧光染色图像的采集。

3.根据权利要求1所述的角膜受损智能诊断系统,其特征在于,所述在采集得到患者角膜荧光染色图像后,采用手动标示的方式在角膜的最左端点、最右端点、最上端点、最下端点进行标示,所述角膜区域提取模块根据标示的四个端点确定角膜所在的椭圆区域,然后在角膜染色图像中对椭圆区域进行扣取;所述扣取的椭圆区域即为角膜区域。

4.根据权利要求1所述的角膜受损智能诊断系统,其特征在于,所述特征提取模块对受损区域提取的具体特征有:受损面积、受损面积占对应角膜面积的百分比、颜色RGB分布直方图。

5.根据权利要求1所述的角膜受损智能诊断系统,其特征在于,所述诊疗模块根据受损特征进行受损分级的具体依据如下:

受损面积<角膜区域30%的面积,则确认受损级别为轻度;

角膜区域30%的面积≤受损面积≤角膜区域60%的面积,则确认受损级别为中度;

受损面积>角膜区域60%的面积,则确认受损级别为重度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学;中山大学中山眼科中心,未经广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学;中山大学中山眼科中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710237618.3/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top