LEUNG, Christopher Kai-Shun,YU, Marco Chak-Yan,LAM, Dennis Shun-Chiu
申请号：
IBIB2013/054151
公开号：
WO2013/175390A1
申请日:
2013.05.21
申请国别(地区):
WO
年份:
2013
代理人:
摘要：
Methods, apparatuses, and computer readable media for detecting abnormalities in a characteristic of an eye using eye-imaging methods are presented. A plurality of images of the eye are received over time. Each image includes a plurality of pixels, which can be partitioned into blocks of pixels with varying sizes, called pixel partitions. A value is determined for each pixel partition, e.g., an average of the pixel values. A pixel partition set may be identified, which includes a pixel partition from each image, corresponding to a common region of a patients eye. A regression model is computed for each pixel partition set using the values determined for each pixel partition. The regression model computes a rate of change of the retinal nerve fiber thickness at individual pixel partitions over time. An abnormality may be identified by comparing the rates of change of the model and the expected age-related rate of change.Linvention concerne des procédés, des appareils, et un support lisible par ordinateur pour détecter les anormalités dans une caractéristique dun œil en utilisant des procédés dimagerie de lœil. Une pluralité dimages de lœil est reçue au cours du temps. Chaque image inclut une pluralité de pixels, qui peuvent être répartis en blocs de pixels avec des tailles variables, appelés des partitions de pixels. Une valeur est déterminée pour chaque partition de pixels, par exemple, une moyenne des valeurs de pixels. Un ensemble de partitions de pixels peut être identifié, qui inclut une partition de pixels à partir de chaque image, correspondant à une région commune dun œil du patient. Un modèle de régression est calculé pour chaque ensemble de partitions de pixels à laide des valeurs déterminées pour chaque partition de pixels. Le modèle de régression calcule un taux de changement de lépaisseur des fibres nerveuses de la rétine à des partitions de pixels individuelles au cours du temps. Une anormalité peut être identifiée en comparant les taux de changement du
