專利名稱：支持對眼睛照片的評定的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于支持評定眼睛照片的方法和系統(tǒng)。
按照英國國家篩查委員會(NSC)的網(wǎng)站(http//www.diabetes-retinepathy.screening.nhs.uk)，已知大約2％的英國人口患有糖尿病，其中20萬人患有I型糖尿病，100余萬人患有II型糖尿病。這個數(shù)字預計還要增加。據(jù)估計在1997到2010年間英國II型糖尿病的流行還會加倍。
糖尿病的并發(fā)癥是糖尿病視網(wǎng)膜病，它會影響視網(wǎng)膜的血管。新血管的生長，稱為增生性視網(wǎng)膜病，可以通過出血和斑痕致盲。視網(wǎng)膜血管的惡化引起血管損失和滲漏到視網(wǎng)膜中，這種惡化稱為黃斑病，會導致視力受損，并逐漸失明。
糖尿病視網(wǎng)膜病是在英國工作年齡的人口中登記失明的最大單個原因。更多的人由于糖尿病視網(wǎng)膜病的影響而視力受損和殘廢。失明會導致工作年齡的人口失去賺錢的能力，所需的社會支持很重大，可能會超過預防和治療的費用。糖尿病視網(wǎng)膜病是可以治療的，例如，嚴格的高血糖控制和嚴格的血壓控制。這兩種治療都降低了I型和II型糖尿病中糖尿病視網(wǎng)膜病的發(fā)生和發(fā)展。為了進行治療，糖尿病視網(wǎng)膜病必需盡可能早地診斷。
所以，需要篩查糖尿病視網(wǎng)膜病是無可爭論的。為進行篩查，對診斷有糖尿病的一組人群的眼睛攝取圖像并隨后進行評定。圖像可由分類員來進行評定，分類員可以是眼科醫(yī)生、全科醫(yī)生、或沒有或基本沒有任何醫(yī)學背景的人。分類員通過搜索與糖尿病的特定并發(fā)癥有關(guān)的典型圖形來評定眼睛的圖像。
本發(fā)明的一個目的是提供支持對患者眼睛的照片進行評定的方法。
本發(fā)明的另一個目的是提供支持對患者眼睛的照片進行評定的系統(tǒng)。
第一個目的是通過按照本發(fā)明的支持對患者眼睛的照片進行評定的方法來實現(xiàn)的，所述方法包括以下步驟在顯示屏上顯示患者的眼睛照片；在照片上確定一系列關(guān)注的區(qū)域；以及隨后在照片上標注出每個關(guān)注的區(qū)域。所述關(guān)注區(qū)系列適合于從正在評定照片中的關(guān)注區(qū)系列的人群中選擇的一個人。
按照本發(fā)明的方法，對患者的眼睛照片進行評定?？梢栽趯υ\斷患有糖尿病的許多患者作篩查時攝制所述照片。尤其是攝制來自患者視網(wǎng)膜的照片。糖尿病患者易于發(fā)生與眼睛有關(guān)的異常，所謂的疾患，或?qū)е率鞯募膊?。這些與眼睛有關(guān)的異常或疾病包括微動脈瘤、背景/非增生性(輕度/中度)視網(wǎng)膜病、治療后靜止期、黃斑病、有臨床意義的黃斑區(qū)水腫、前期增生性視網(wǎng)膜病、增生性視網(wǎng)膜病以及進展性糖尿病眼睛疾病。為了診斷患者患有至少一種與眼睛和與糖尿病有關(guān)的眼睛疾病，醫(yī)生或具有很少或沒有醫(yī)學背景的受訓人員，所謂的分類員，評定患者的眼睛照片并搜索有關(guān)眼睛疾病的特定圖形。例如，如果患者有背景/非增生性視網(wǎng)膜病，則患者的眼睛會有所謂的絨毛狀滲出點、出血、和硬性滲出物加上它們的與每只眼睛顳弓有關(guān)的位置。為了診斷，一些分類員或醫(yī)生隨后可檢查眼睛的某些區(qū)域，稱為關(guān)注區(qū)。所以，按照本發(fā)明的方法，所述關(guān)注區(qū)系列適合于評定照片的人。
為了確定所述關(guān)注區(qū)系列，按照本發(fā)明的又一實施例，所述系列是在學習模式過程中確定的。
在本發(fā)明的又一實施例中，可以用方框?qū)⑺鲫P(guān)注區(qū)系列中至少將一個關(guān)注區(qū)包圍。
在本發(fā)明的優(yōu)選實施例中，通過從多種圖像處理算法中選擇一種圖像處理算法來確定至少一個有關(guān)的關(guān)注區(qū)，將選擇的圖像處理算法應(yīng)用于照片上，并標記出檢測的圖形作為有關(guān)的關(guān)注區(qū)。選擇的圖像處理算法用來檢測與所述至少一個關(guān)注區(qū)有關(guān)的圖形。
按照本發(fā)明方法的一個實施例，可以將檢測到的圖形重點突出出來。
第一個目的還通過按照本發(fā)明的支持對患者眼睛的照片進行評定的方法來實現(xiàn)的，所述方法包括以下步驟顯示患者的眼睛照片，并根據(jù)從許多有關(guān)糖尿病的診斷中選擇的初步診斷從許多圖像處理算法中選擇一種圖像處理算法，將選擇的圖像處理算法應(yīng)用于照片上，并在照片上標記出選擇的圖像處理算法所檢測的圖形。許多圖像處理算法中的每種圖像處理算法與多種診斷中的一種診斷相關(guān)聯(lián)，并用來搜索所述有關(guān)診斷所特有的圖形。
一些醫(yī)生或分類員寧愿先作出初步診斷，然后在照片中搜索有關(guān)的疾患來驗證其初步診斷。每種疾患都有其特定的圖形。于是，如果醫(yī)生或分類員找到與有關(guān)疾患關(guān)聯(lián)的圖形，則初步診斷就得到了驗證。如果初步診斷例如是背景/非增生性視網(wǎng)膜病，則照片包括棉絮狀滲出點、出血和/或硬性滲出物加上它們的與每只眼睛顳弓有關(guān)的位置。
如果初步診斷例如是背景/非增生性視網(wǎng)膜病，則選擇的圖像處理算法用來檢測棉絮狀滲出點、出血和/或硬性滲出物加上它們的與每只眼睛顳弓有關(guān)的位置等的典型圖形。適用的圖像處理算法，例如，在G.Zahlmann等人的”Hybrid Fuzzy Image Processing forSituation Assessment”，IEEE Engineering in Medicine and Biology，January/February 2000，pp.76-83一文中已公開。
按照本發(fā)明方法的一個實施例，可以將檢測到的圖形突出出來或用方框?qū)⑵浒鼑饋怼?br> 第二個目的是在按照本發(fā)明的系統(tǒng)中實現(xiàn)的，所述系統(tǒng)包括數(shù)據(jù)庫、顯示屏和與顯示屏和數(shù)據(jù)庫工作連接的數(shù)據(jù)處理單元。數(shù)據(jù)庫包括診斷為糖尿病的許多患者的許多眼睛照片。數(shù)據(jù)處理單元配置成從數(shù)據(jù)庫檢索許多照片中的所選照片，在顯示屏上顯示所檢索的照片，在檢索的照片中確定關(guān)注區(qū)系列，隨后在照片中標注出所述關(guān)注區(qū)系列中的一個關(guān)注區(qū)。所述關(guān)注區(qū)系列適合于從對許多照片進行評定的人群中選擇的一個人。
第二個目的還在按照本發(fā)明的如下的系統(tǒng)中實現(xiàn)，所述系統(tǒng)包括數(shù)據(jù)庫、顯示屏和與顯示屏和數(shù)據(jù)庫工作連接的數(shù)據(jù)處理單元。數(shù)據(jù)庫包括診斷為糖尿病的許多患者的許多眼睛照片。數(shù)據(jù)處理單元配置成從數(shù)據(jù)庫檢索許多照片中的所選照片，在顯示屏上顯示所檢索的照片，從許多圖像處理算法中選擇一種圖像處理算法，將圖像處理算法應(yīng)用于照片，并在檢索的照片中標注出檢測圖形。選擇的圖像處理算法用來檢測與多種診斷中選擇的初步診斷有關(guān)的圖形。
現(xiàn)通過附圖以實例來說明本發(fā)明的方法和系統(tǒng)。


圖1示出本發(fā)明的場景。
圖2示出患者的眼睛照片。
圖3到圖5示出其顯示適合于不同人的照片。
圖1示出本發(fā)明系統(tǒng)的實例。所述系統(tǒng)包括計算機1到3，它們工作時經(jīng)由信息網(wǎng)絡(luò)5連接到數(shù)據(jù)庫4。數(shù)據(jù)庫4具有從一組患者10的眼睛(視網(wǎng)膜)攝取的照片9。所述一組患者10中的每個患者都被診斷為糖尿病。
在本實施例中，分類員6到8利用計算機1到3評定照片9。如果分類員6到8之一想要評定照片9之一，他/她登錄到計算機1到3之一，并用其計算機從數(shù)據(jù)庫4檢索出照片9之一。當有關(guān)照片被檢索出來之后，就被顯示在連接到有關(guān)計算機的顯示屏上。為了從數(shù)據(jù)庫4檢索照片，相應(yīng)地對數(shù)據(jù)庫4和計算機1到3進行配置。這種配置是本領(lǐng)域中眾所周知的因而不再詳述。
圖2示出照片4之一的實例，它從數(shù)據(jù)庫4中被檢索出來并顯示在顯示屏1a到3a之一上。檢索的照片具有參考標記24。為了記錄對所顯示照片的評定，在本實例中在相關(guān)顯示屏上，除了照片24外還顯示了包括若干下拉菜單20a到20n的列表20和包括若干單選按鈕21a到211的列表21。列表20中的每個下拉菜單20a到20n與眼睛中會出現(xiàn)的特定疾患有關(guān)。在本實施例中，有關(guān)的分類員用下拉菜單20a記錄微動脈瘤(MA)，用下拉菜單20b記錄出血(HAEM)，用下拉菜單20c記錄硬性滲出物(HE)，用下拉菜單20d記錄棉絮狀滲出點(CWS)，用下拉菜單20e記錄視網(wǎng)膜內(nèi)微血管異常(IRMA)，用下拉菜單20f記錄靜脈異常，用下拉菜單20g記錄視神經(jīng)乳頭上的新生血管形成(NVD)，用下拉菜單20h記錄其它地方的新生血管形成(NVE)，用下拉菜單20i記錄視神經(jīng)乳頭上的纖維組織(FTD)，用下拉菜單20j記錄其它地方的纖維組織(FTE)，用下拉菜單20k記錄前期視網(wǎng)膜出血(PRH)，用下拉菜單201記錄玻璃體出血(VH)，用下拉菜單20m記錄視網(wǎng)膜(肌肉)牽引，以及用下拉菜單20n記錄視網(wǎng)膜脫落。
一些分類員愿意根據(jù)初步診斷來評定照片。有關(guān)分類員可能對顯示的照片很快看一下，作出初步診斷，或者是在檢索有關(guān)照片之前由別人作出初步診斷。評定時，分類員通過在相關(guān)照片中搜索有關(guān)的疾患來試圖驗證此初步診斷。為了支持這些分類員，在本實例中顯示了列表21。利用單選按鈕21a到211，分類員就可從一組初步診斷中作出選擇的初步診斷?；蛘撸趶臄?shù)據(jù)庫4檢索相關(guān)照片之前，初步診斷已經(jīng)作出。激活單選按鈕21a和單選按鈕21c到21之一，就可選擇初步診斷。在本實例中，初步診斷組包括微動脈瘤(MA)、背景/非增生性(輕度/中度)視網(wǎng)膜病(BR)、治療后靜止期(PQ)、黃斑病(MC)、有臨床意義的黃斑區(qū)水腫(CSMO)、前期增生性視網(wǎng)膜病(PRE)、增生性視網(wǎng)膜病(PRO)和進展性糖尿病眼睛疾病(AED)。于是，激活單選按鈕21c就選擇初步診斷為微動脈瘤(MA)，激活單選按鈕21d就選擇初步診斷為背景/非增生性(輕度/中度)視網(wǎng)膜病(BR)，激活單選按鈕21e就選擇初步診斷為治療后靜止期(PQ)，激活單選按鈕21f就選擇初步診斷為黃斑病(MC)，激活單選按鈕21g就選擇初步診斷為有臨床意義的黃斑區(qū)水腫(CSMO)，激活單選按鈕2 1h就選擇初步診斷為前期增生性視網(wǎng)膜病(PRE)，激活單選按鈕21i就選擇初步診斷為增生性視網(wǎng)膜病(PRO)，激活單選按鈕21j就選擇初步診斷為進展性糖尿病眼睛疾病(AED)。如果分類員不想根據(jù)初步診斷來評定照片，他/她可以激活單選按鈕21b撤銷列表21?？梢杂眠B接到計算機1的鼠標1b，連接到計算機2的鼠標2b和連接到計算機3的鼠標3b來激活單選按鈕。
一些分類員寧愿意通過依次搜索眼睛不同區(qū)域中的疾患來評定所顯示的照片。例如，一些分類員寧愿先評定黃斑，再評定眼睛視神經(jīng)乳頭的外周。有關(guān)的分類員可標記出所顯示眼睛的相關(guān)區(qū)域，例如用連接到相關(guān)計算機的鼠標將所述區(qū)域包圍起來，然后縮放標記的區(qū)域。
為了符合每個分類員6到8的個人偏好，計算機1到3配置成利用他/她的個人評定來支持每個分類員。在本實例中，計算機1到3配置成在學習模式過程中學習分類員6到8的個人習慣。
在本實例中，分類員6寧愿根據(jù)初步診斷來評定所顯示的照片。于是，如果在學習模式他/她登錄到計算機1到3之一并用他/她登錄的計算機從數(shù)據(jù)庫4檢索照片9中之一，則他/她激活列表21的單選按鈕21a并選擇初步診斷之一。由于分類員6通常激活初步診斷組列表21，計算機1到3在學習模式就學習了這個習慣。結(jié)果，在工作模式時當分類員6從數(shù)據(jù)庫4檢索照片時，初步診斷列表21就已激活。
在本實施例中，分類員7寧愿“撤銷”初步診斷列表21，而通過先評定黃斑，再評定所顯示眼睛的外周視神經(jīng)乳頭，來評定所檢索的照片。在學習模式，他/她就依次”撤銷”初步診斷列表21，用方框圍住相關(guān)區(qū)域來標記顯示照片的黃斑，縮放標記區(qū)域，評定黃斑，移出標記區(qū)域，并標記所顯示眼睛的外周視神經(jīng)乳頭。計算機1到3在學習模式就學習了這個習慣。在工作模式，當分類員7從數(shù)據(jù)庫4檢索照片9之一時，相關(guān)計算機自動”撤銷”初步診斷列表21，標記所顯示眼睛的黃斑，并縮放所標記的黃斑。當分類員7移出所標記的黃斑時，相關(guān)計算機就標記所顯示眼睛的外周視神經(jīng)乳頭。
在本示范實施例中，分類員8偏好根據(jù)初步診斷來評定照片并依次搜索眼睛不同區(qū)域中的疾患。計算機1到3在學習模式就學習了分類員8的習慣。在工作模式，只要分類員8從數(shù)據(jù)庫4檢索照片9之一時，相關(guān)計算機就自動激活初步診斷列表21，并按照分類員8的偏好，標記所顯示眼睛的區(qū)域。
在本實例中，在工作模式分類員6登錄到計算機1。如果他/她從數(shù)據(jù)庫4檢索照片24，則照片24就顯示在顯示屏1a上，且初步診斷列表21的單選按鈕21a就自動激活，如圖3所示。然后，分類員6作出初步診斷為背景/非增生性(輕度/中度)視網(wǎng)膜病(BR)，并激活單選按鈕21d。
為了驗證選擇的初步診斷背景/非增生性(輕度/中度)視網(wǎng)膜病(BR)，顯示照片24的眼睛必需包括以下疾患中的至少一項出血(HAEM)、硬性滲出物(HE)和絨毛狀滲出點(CWS)。為了進一步支持分類員6到8，在本實例中計算機1到3各配置有一組圖像處理算法。每種圖像處理算法設(shè)計成檢測與眼睛中會出現(xiàn)的疾患有關(guān)的圖形。這種圖形的實例是表示棉絮狀滲出點的眼睛中的絨毛狀白斑以及表示表面視網(wǎng)膜內(nèi)出血的包括暗斑的暗線條。適用的圖像處理算法是圖形識別算法，業(yè)界已眾所周知。這種圖像處理算法的一個實例公開在G.Zahlmann等人的文章”Hybrid Fuzzy Image Processing forSituation Assessment”，IEEE Engineering in Medicine and Biology，January/February 2000，pp.76-83中。
在本示范實施例中，在分類員6通過激活單選按鈕21選擇初步診斷為背景/非增生性(輕度/中度)視網(wǎng)膜病(BR)后，計算機1自動激活設(shè)計成檢測出血(HAEM)、硬性滲出物(HE)和絨毛狀滲出點(CWS)等特定圖形的那些圖像處理算法，并將圖像處理算法應(yīng)用于所顯示的照片24上。在本示范實例中，圖像處理算法在照片24中檢測到絨毛狀白斑以及包括暗斑的暗線條。在本實施例中，絨毛狀白斑自動由矩形31所包圍，包括暗斑的暗線條自動由箭頭32標注。檢測的圖形也可以例如是彩色的。
在本實例中，在工作模式期間，分類員7登錄到計算機2。如果他/她從數(shù)據(jù)庫4檢索照片24，則照片24就顯示在顯示屏2a上，且初步診斷列表21的單選按鈕21b自動激活，以”撤銷”列表21，如圖4所示。由于分類員7偏好先評定所顯示眼睛的黃斑，計算機2啟動存儲在各計算機1到3上的又一圖像處理算法。所述圖像處理算法設(shè)計成通過搜索所顯示黃斑的特定圖形來檢測所顯示眼睛的黃斑。圖像處理算法在顯示照片24中檢測到黃斑后，計算機2自動用矩形41將照片中的相關(guān)區(qū)域包圍起來并縮放所標記的區(qū)域。分類員7評定了黃斑并利用列表20的下拉菜單20a到20n對他/她的評定作了記錄后，所標記的黃斑區(qū)域自動回縮并從照片24中移出。隨后，計算機2啟動又一圖像處理算法，所述算法搜索與眼睛視網(wǎng)膜乳頭有關(guān)的圖形。檢測到所述圖形后，計算機2自動標記相關(guān)區(qū)域42。
在本實例中，在工作模式期間，分類員8登錄到計算機3。如果他/她從數(shù)據(jù)庫4檢索照片24，則照片24就顯示在顯示屏3a上，且初步診斷列表21的單選按鈕21a就自動激活，如圖5所示。然后，分類員8作出初步診斷為背景/非增生性(輕度/中度)視網(wǎng)膜病(BR)，并激活單選按鈕21d。
由于分類員8偏好先評定所顯示的眼睛的黃斑，計算機3就啟動檢測所顯示的眼睛的黃斑的圖像處理算法。當圖像處理算法在照片24中檢測到黃斑后，計算機3自動用矩形51將照片24中的相關(guān)區(qū)域包圍起來并縮放所述標記區(qū)域。然后，計算機3啟動那些用來檢測出血(HAEM)、硬性滲出物(HE)和棉絮狀滲出點(CWS)等特定圖形的圖像處理算法，并將這些圖像處理算法應(yīng)用于所顯示的照片的縮放區(qū)域。在本實例中，圖像處理算法檢測到表示出血(MAEM)的暗斑。在本實例中檢測圖形是彩色的。
在對黃斑作出評定之后，包括黃斑的區(qū)域被回縮并從照片24中去除。隨后，將用來檢測出血(HAEM)、硬性滲出物(HE)和棉絮狀滲出點(CWS)等特定圖形的圖像處理算法應(yīng)用于其余的照片24，并將所檢測到的圖形增亮。
雖然本專業(yè)的技術(shù)人員可以提出各種修改和變化，但是，本發(fā)明人的意圖是合理和恰當?shù)匕ㄔ谒鼈儗Ρ绢I(lǐng)域的貢獻范圍之內(nèi)的所有修改和變化都體現(xiàn)在用專利權(quán)保護的本文中。
權(quán)利要求
1.一種用于支持評定眼睛照片的方法，它包括以下步驟在顯示屏上顯示患者眼睛的照片；在所述照片中確定關(guān)注區(qū)系列；所述關(guān)注區(qū)系列適合于從對所述照片進行評定的許多人中選擇的一個人；以及隨后在所述顯示屏上標記所述顯示屏上的所述照片中所述關(guān)注區(qū)系列中的每個關(guān)注區(qū)。
2.如權(quán)利要求1所述的方法，其中包括執(zhí)行計算機化的學習模式以便確定所述關(guān)注區(qū)系列。
3.如權(quán)利要求1或2所述的方法，其中包括用方框?qū)⑺鲫P(guān)注區(qū)系列中的至少一個關(guān)注區(qū)包圍起來。
4.如權(quán)利要求1到3中的任一項所述的方法，其中為了確定所述關(guān)注區(qū)系列中的至少一個關(guān)注區(qū)，所述方法還包括以下步驟從多種圖像處理算法中選擇一種圖像處理算法，所述圖像處理算法設(shè)計成在所述照片中檢測與所述至少一個關(guān)注區(qū)有關(guān)的圖形；將所述選擇的圖像處理算法應(yīng)用于所述照片；以及在所述顯示屏上標記檢測的圖形，作為所述至少一個關(guān)注區(qū)。
5.如權(quán)利要求4所述的方法，其中包括在所述顯示屏上突出所述檢測的圖形。
6.一種用于支持評定眼睛照片的方法，它包括以下步驟在顯示屏上顯示患者眼睛的照片；根據(jù)從與糖尿病有關(guān)的多種診斷中選擇的初步診斷而從多種圖像處理算法中選擇一種圖像處理算法；所述多種圖像處理算法中的每種圖像處理算法與所述多種診斷中的一種診斷相關(guān)聯(lián)并設(shè)計成搜索各診斷特定的圖形；將所述選擇的圖像處理算法應(yīng)用于所述照片；在所述顯示屏上標記出利用所述選擇的圖像處理算法在所述顯示屏的所述照片中檢測到的圖形。
7.如權(quán)利要求6所述的方法，其中包括在所述顯示屏上突出所述檢測的圖形。
8.如權(quán)利要求6或7所述的方法，其中包括在所述顯示屏上用方框?qū)⑺鰴z測的圖形包圍起來。
9.一種系統(tǒng)，它包括數(shù)據(jù)庫，它包括多個糖尿病患者的多個眼睛照片；顯示屏；以及數(shù)據(jù)處理單元，它工作連接到所述顯示屏和所述數(shù)據(jù)庫，并配置成從所述數(shù)據(jù)庫中所述多幅照片中檢索選擇的照片，在所述顯示屏上顯示所述檢索的照片，在所述檢索照片中確定關(guān)注區(qū)系列；所述關(guān)注區(qū)系列適合于從對所述照片進行評定的許多人中選擇的一個人；以及隨后在所述顯示屏上標記所述顯示屏上的所述照片中所述關(guān)注區(qū)系列中的每個關(guān)注區(qū)。
10.如權(quán)利要求9所述的系統(tǒng)，其中數(shù)據(jù)處理單元在計算機學習模式期間確定所述關(guān)注區(qū)系列。
11.如權(quán)利要求9或10所述的系統(tǒng)，其中所述數(shù)據(jù)處理單元在所述顯示屏上用方框包圍所述關(guān)注區(qū)系列中至少一個關(guān)注區(qū)。
12.如權(quán)利要求9到11中任一項所述的系統(tǒng)，其中所述數(shù)據(jù)處理單元還配置成從多種圖像處理算法中選擇一種圖像處理算法，所述選擇的圖像處理算法設(shè)計成檢測與所述關(guān)注區(qū)系列中的至少一個關(guān)注區(qū)有關(guān)的圖形，將所述選擇的圖像處理算法應(yīng)用于所述照片；以及在所述顯示屏上標記檢測的圖形，作為所述至少一個關(guān)注區(qū)。
13.如權(quán)利要求12所述的系統(tǒng)，其中所述數(shù)據(jù)處理單元在所述顯示屏上突出所述檢測的圖形。
14.一種系統(tǒng)，它包括數(shù)據(jù)庫，它包括多個糖尿病患者的多幅眼睛照片；顯示屏；以及數(shù)據(jù)處理單元，它工作連接到所述顯示屏和所述數(shù)據(jù)庫，并配置成從所述數(shù)據(jù)庫的所述多幅照片中檢索選擇的照片，在所述顯示屏上顯示所述檢索的照片，從多種圖像處理算法中選擇一種圖像處理算法，所述選擇的圖像處理算法設(shè)計成檢測與從多種初步診斷中選擇的一種初步診斷有關(guān)的圖形，將所述選擇的圖像處理算法應(yīng)用于所述照片，并在所述顯示屏上標記出所述顯示屏上所述檢索的照片中的檢測的圖形。
15.如權(quán)利要求14所述的系統(tǒng)，其中所述數(shù)據(jù)處理單元突出所述檢測的圖形。
16.如權(quán)利要求14或15所述的系統(tǒng)，其中所述數(shù)據(jù)處理單元在所述顯示屏上用方框包圍所述檢測的圖形。
全文摘要
在用于支持評定患者眼睛照片的方法和系統(tǒng)中，將照片顯示在顯示屏上。根據(jù)從與糖尿病有關(guān)的多種診斷中選擇的初步診斷，從多種圖像處理算法中選擇一種圖像處理算法。每種圖像處理算法與多種診斷中的一種診斷相關(guān)聯(lián)并設(shè)計成搜索相應(yīng)的診斷的特定圖形。然后將選擇的圖像處理算法應(yīng)用于所述照片，并在顯示屏上的照片中標記出利用選擇的圖像處理算法所檢測的圖形。
文檔編號A61B5/00GK1717678SQ200380104496
公開日2006年1月4日 申請日期2003年10月30日 優(yōu)先權(quán)日2002年11月26日
發(fā)明者V·施密德特, S·施奈德, G·查爾曼 申請人:西門子公司