专利名称：用于获得眼部特征的图像的方法和设备的制作方法
技术领域：
在此公开的实施例涉及用于获得眼部特征的图像的方法和设备，特别地，涉及在对象眼睛可能在移动或者未被人为扩大的情况下捕捉合适的眼部特征图像的方法和设备。
背景技术：
经常为了很多医学或兽医学目的而希望捕捉眼部特征的数字图像。如本文中所使用，眼部特征定义为与动物或人眼关联的任何解剖学学结构。例如，眼部特征可包括但不限于动物或人类对象的眼睛的视网膜、视神经或视网膜血管形成。眼部特征的数字图像可用于帮助状况、异常、疾病或健康的眼睛的诊断。类似地，随着时间过去拍摄的眼部特征的一系列图像可以用于跟踪状况、异常、疾病或健康的眼睛的进展。
眼部特征的数字图像的捕捉可能既困难又耗时，当检查的对象由于任何原因不能忍住移动其眼睛时尤其如此。例如，动物通常不愿意或者不能为了兽医检查而使它们的眼睛静止不动。婴儿和儿童可能也发现在检查期间无法或难以使他们的眼睛静止不动。早产儿患上视网膜疾病的风险较高。因此，在出生之后的最初几个月期间按照常规对早产儿执行多次视网膜眼检。通常，视网膜检查是对新生儿执行的非常有挑战性的并且令人烦扰的过程，因为婴儿通常非常快速地移动他们的眼睛，从而使得眼科医师难以清楚观察视网膜。 另外，很多光学眼底摄像机的视野与任何眼睛的整个内部结构相比相对较小。因此，对于检查的眼科医师而言捕捉显示眼睛内的特定眼部特征或关注区域的合适图像以如上所述辅助状况、疾病或异常的诊断是非常困难的。
此外，经常希望捕捉眼部特征的高质量数字图像而不使用药物充分扩大病人的瞳孔。例如，经常认为当病人是动物或婴儿时应该谨慎避免使用药物扩大病人的瞳孔。然而， 高质量眼部成像需要大量的光以充分照亮关注的眼部特征。为了高清晰度成像把足够的照明应用于病人的未受药物影响的眼睛将通常引起快速的瞳孔响应，即显著减小可通过其观察内部眼部特征的区域并由此限制了可获得的视野。瞳孔收缩也将会显著减少用于对眼部特征成像的光的渗透。
本实施例旨在克服上述问题中的一个或多个问题。
图1是所公开的方法的流程图表示。
图2A是所公开设备的示意图表示。
图2B是备选的设备实施例的示意图。
图3是所公开的方法的流程图表示。
图4是眼部特征，即视网膜脉管系统的代表性图像。
图5是所公开的方法的流程图表示。
图6是在图4之后的时间点拍摄的眼部特征，即，视网膜脉管系统的代表性图像。
图7是图4的视网膜脉管系统数据的图形表示。
图8是图6的视网膜脉管系统数据的图形表示。
图9是显示差异的图7和图8的数据的图形比较。
发明内容
一个实施例是获得眼部特征的图像的方法。该方法至少包括下述步骤定义与关注的眼部特征相关的一个或多个选择准则。选择准则可涉及眼部特征类型、眼部特征位置或其它相关特征。该方法还包括捕捉顺序眼部图像的流，并且根据所述选择准则对一些或全部眼部图像自主地评分。分数高于定义的分数阈值的图像可以被选择作为与其它个体眼部图像相比更加可能包括所关注的眼部特征的合适表示的个体图像。
当如上所述选择一个或多个合适的眼部图像时，图像可以显示、存储或者以电子方式发送给另一用户或数据库。可以以初始照明水平捕捉顺序眼部图像的初始流，可以选择所述初始照明水平以使对象眼睛的瞳孔收缩最小化。随后，可以在捕捉顺序眼部图像的流的第二部分的同时应用第二照明水平。所述第二照明水平通常具有比所述初始照明水平更高的强度。当选择超过分数阈值的个体眼部图像时，可以自主地提供第二照明水平。可以在与对象眼睛的预期瞳孔收缩响应时间相关的时间段期间应用第二照明水平。
所公开的方法包括如上所述的评分步骤。通过自主检测所希望的眼部特征的存在或者通过根据一般眼睛解剖学结构确定眼部特征位置可以对任何选择的眼部图像评分。已知的图像分析和特征检测算法可用于执行自主评分。评分过程还可以包括自主确定大体图像质量。
另一实施例是用于获得眼部特征的图像的设备。该设备包括数字摄像机，其适合拍摄顺序眼部图像的流；和处理器，其运行用于接受图像数据和根据预定选择准则对每个眼部图像自主地评分的软件或固件。该设备还可以包括显示器，用于显示选择的图像；数据存储装置，用于存储图像数据；或通信接口，用于以电子方式发送至少一个图像。
该设备还可以包括可变照明源，能够构造为在捕捉初始图像的同时提供初始照明水平并且当被触发时提供更高的第二照明水平。
在此描述的方法可以大部分通过自主软件或固件控制的过程来实现。在此公开的另一实施例包括具有用于执行所描述的方法的可执行指令的计算机可读介质。
具体实施例方式在此公开的实施例包括方法、设备和包含用于执行对眼部特征成像的方法的指令的计算机可读介质。如本文中所使用，眼部特征定义为眼睛的任何解剖学学结构、部分、表面或区域。例如，代表性眼部特征包括但不限于视网膜、视神经、视网膜脉管系统和类似结构。在此公开的方法和设备可用于获得动物眼睛或人眼的图像。获得的图像可用于任何合适的目的，包括但不限于异常、状况、疾病或健康眼部特征的诊断和随着时间对这些情况的监测。
对于在病人不能使其眼睛保持绝对静止的情况下获得眼部特征的一个或多个高质量图像而言，在此公开的方法和设备特别有用。例如，动物、婴儿和儿童通常不能为了眼部检查而使其眼睛保持静止。因此，利用可能具有相对有限视野的诊断摄像机聚焦特征和对特征成像变为试错的过程。另外，在此公开的方法和设备非常适合在使用该摄像机的眼科医师、兽医或其它适当受过训练的人员在获得图像之前不能使用药物扩大病人的瞳孔或者选择不使用药物扩大病人的瞳孔的情况下捕捉眼部特征的高质量图像。因此，在此公开了按照多个照明水平捕捉图像的方法，其中通常至少一个照明水平被选择为足够低以避免引起显著的瞳孔收缩。
如以下详细所述，在此公开的方法和设备使用例如能够利用数字视频摄像机、网络摄像机或其它数字设备(所述其它数字设备可以是也可以不是专门配置用作眼科检查摄像机)捕捉的顺序捕捉的个体眼部图像的流。在此公开的实施例可以利用任何合适的数字捕捉装置实现。
图1是表示根据在此公开的实施例获得视觉特征的图像的方法的选择步骤的流程图。如图1中所示，摄像机操作者可定义与关注的解剖学眼部特征相关的至少一个选择准则(步骤102)。选择准则的定义通常在捕捉任何图像之前完成。选择准则可以按照任何方式定义，但通常存储在与诊断摄像机关联的软件中。例如，选择准则可包括但不限于关于眼睛的总体解剖学结构的所希望的眼部特征类型或所希望的眼部特征位置。类似地，选择准则可要求在考虑特征位置或者不考虑特征位置的情况下在满足选择准则的图像中包括某一数量的多个特征，例如，血管。选择准则还可以包括非解剖学方面，例如照明水平、直方图数据、正确聚焦数据、图像锐度和其它准则。在定义了一个或多个合适的选择准则之后， 操作者可开始捕捉图像流(步骤104)。通常利用专用眼部检查摄像机捕捉图像流；然而， 能够利用构造为随时间过去捕捉个体数字图像的流的数字视频摄像机捕捉图像流。
在该方法的一个实施例中，以初始照明水平捕捉图像流(步骤104)。可以选择初始照明水平以避免如通常当强照明源聚焦在对象眼睛时观察到的情况那样刺激对象瞳孔的显著收缩。使用相对较低的初始照明水平可导致低于预期的图像质量。例如，在相对较低的初始照明水平捕捉的图像可能较暗、不清晰或者在其它方面低于最高质量。然而，在初始照明水平捕捉的图像可能足以启动如下所述导致更高质量最后图像的随后步骤。
如上所述，用于执行所公开的方法的诊断摄像机将配置为按照选择的捕捉速度在一段时间期间捕捉个体数字图像的流。虽然用于在病人眼睛内聚焦的镜头和其它光学部件可以是高度专业化的部件，但该数字捕捉机构可以利用例如通常用于网络摄像机或数字视频摄像机的传感器芯片和相关电子电路来实现。因此，诊断摄像机的输出可以作为视频流或者作为周期性选择的个体图像容易地实时显示在监视器上。对于帮助摄像机操作者为了成像而执行初始摄像机放置和关注的眼部特征的初始定位而言，这种功能很有用。例如，由于个体图像的流可以显示为视频，所以摄像机操作者可以最初在观察视频或静止图像输出的同时在眼睛周围操作相对较窄视场摄像机以大体上定位关注的眼部特征。因此，如果摄像机操作者希望对视神经根成像，他或她可以在观察监视器上的初始输出的同时操作摄像机以大体上估计视神经根的位置。初始定位调整是可选的。
然而，如果采用这些步骤，则操作者可通过按下开关或者以其它方式指示初始定位步骤已完成来触发捕捉方法中的随后步骤(步骤105)。
当在步骤105中触发摄像机时，可以由该与摄像机关联的处理器根据选择准则自主地对顺序的眼部图像的流中的每个图像评分(步骤106)。通常，该处理器是利用外部处理单元，诸如，计算机实现的外置处理器。另一方面，如果需要，则用于对每个图像评分的处理器可以被容纳在摄像机壳体内以便为评分过程执行机载软件或固件。评分过程可用于根据选择准则确定图像流中的任何个体图像是否满足阈值分数(步骤108)。实际评分过程可以利用任何已知图像分析算法来实现，所述任何已知图像分析算法包括但不限于诸如， Canny或Canny-Deriche方法的各种特征或边缘检测方法、诸如，Harris算子或Sii and Tomasi方法的角点检测方法、诸如，高斯拉普拉斯或高斯差方法的斑点检测方法，或者任何其它已知图像分析和检测方法。图像评分过程可包括确定指定类型的一个或多个眼部特征是否存在于图像中以及图像是否覆盖所希望的特征位置。通常，评分过程将包括将通过与以上列出的方法类似的方法从选择的图像提取的数据与存储的代表关注的特征的数据进行比较。因此，图像评分步骤可以自主地确定指定的眼部特征或类型是否存在于图像中，并且如果存在则确定其在图像内的位置。以下更详细地描述评分过程的一种可能实现方式的更具体的讨论。
在与病人关联的因素和摄像机的光学性能的限制的组合组合在一起而使得从图像流随机选择的任何个体图像不可能正确显示关注的眼部特征的情况下，如上所述对每个图像评分特别有用。例如，婴儿、儿童和动物通常在眼部检查期间频繁移动眼睛或头。因此， 即使非常熟练的操作者也可能难以使摄像机保持聚焦在关注的区域或结构上，如果摄像机相对于整个眼睛结构具有相对较窄视场则尤其如此。在此描述的方法的特征在于在合理的时间段期间捕捉几百或几千的顺序图像。在步骤106中对每个图像评分，直至捕捉到满足指示关注的眼部特征的存在的预定分数阈值的一个或多个图像。因此在此描述的方法显著减少与对象眼睛移动和摄像机具有相对较窄视场关联的问题。
如果特定图像不满足选择的阈值分数，则可以对图像流中的下一图像评分。当选择的图像满足选择的阈值分数时(步骤108)，可以由与处理器关联的软件选择该图像(步骤110)。选择的图像的相对亮度或照度可以已经在如上所述的评分步骤106中被确定。作为替代地，当选择图像时可以进行选择的图像的相对亮度的补充确定(步骤11幻。如果选择的图像被适当良好地照明，则该图像可以被显示(步骤114)，存储在内存或存储器中(步骤116)或者通过通信接口或端口以数字方式发送(步骤118)。另一方面，如果选择的图像未被充分良好照明以正确显示所有关注的眼部特征，则可以在选择的持续时间期间增强摄像机照明输出(步骤120)。照明增强的持续时间通常对应于预期瞳孔反应时间，所述预期瞳孔反应时间是已知的或者可以针对对象眼睛确定合适的所述预期瞳孔反应时间。例如， 如果对象具有0. 25秒的应用高照明和显著瞳孔收缩响应之间的已知延迟，则可在0. 25秒或更短时间期间增强照明。在照明增强之后，可以在增强的照明水平捕捉一系列后续图像 (步骤122)。可以如上所述以及如图1的步骤106-118中所示对在顺序眼部图像流的这个第二部分期间捕捉的图像评分并处理。
很重要的，应该注意的是，步骤120的照明增强可以由满足分数阈值的图像的捕捉自动触发。如上所述，与先前图像相比，满足分数阈值的这种图像更加可能包括关注的眼部特征。由于与摄像机处理器关联的软件可以在捕捉到满足分数阈值的图像时立即增强照明水平，所以随后的高度照明的图像更加可能包括关注的眼部特征，因为在对象有机会移动其眼睛之前以及在显著瞳孔收缩响应之前将捕捉到关注的眼部特征。
多种方法可用于相对于较低水平照明时间控制增强照明时间。例如，软件可构造为在增强照明水平对帧计数。当这种数据与帧捕捉速度相关时，这种数据能够用于确保当预期发生显著瞳孔收缩响应时或者在预期发生显著瞳孔收缩响应之前撤销增强照明。如上所述，在图像流的增强照明阶段期间捕捉的图像更加可能包括关注的眼部特征并且因为使用增强照明水平而更加可能是更高质量图像。假设选择的图像满足或超过阈值分数，这些图像可以如上所述被评分并且显示、存储或者发送。
以上参照图1描述的一般化方法可以利用很多类型的合适的诊断摄像机和处理设备来实现。图2A是适合实现公开的方法的摄像机200的一个非限制性例子的示意图。摄像机200包括适合把照明光聚焦到对象眼睛上并且把眼部特征的反射图像聚焦到数字传感器204上的镜头202或其它光学元件。可以从照明源206提供照明并通过分束器208、镜子、棱镜或类似光学部件引导其通过镜头202并到达对象的眼睛。作为替代地，可以远程地从单独设备或以其它方式通过成像镜头系统直接提供照明。
摄像机200也可以包括处理器210。处理器可以被包括在摄像机壳体212内，这将会方便该设备的便携式使用。作为替代地，如图2B中所示，处理器210能够与外置数据处理单元(诸如，通过USB端口、无线连接或其它方式链接到摄像机200的计算机211)关联。 如图2B中所示，不包括机载处理器210的摄像机仍然包括机载视频处理器213，正如通常与数字摄像机板关联。视频处理器213被设置为与传感器204进行数字通信，从而传感器 204上形成的任何图像被数字化并作为图像数据被传送给处理器210。在处理器210中，上述各种评分步骤可以与为处理提供的图像的捕捉基本上同时发生。
该处理器也可以设置为与一个或多个输入装置214进行数字通信。输入装置可以是但不限于通常已知的数字输入装置，诸如键盘、按钮、开关、触摸板、记录板、声音识别端口、USB或其它数据链路或其它已知输入装置。输入装置214可用于输入、下载或以其它方式定义可存储在与处理器210关联的存储器216中的至少一种选择准则。如上所述，存储的选择准则可用于对每个接收的图像评分。处理器210也可以与补充的机载或外置磁或光学数据存储装置218，诸如随机存取存储器(RAM)或各种类型闪存，进行数字通信。类似地，处理器210可以以数字方式链接到诸如计算机监视器的显示器220或例如调制解调器或USB 端口的通信端口 222。
如上所述，在某些情况下在执行特定评分和捕捉算法之前预览图像可能是有益的。例如，摄像师可能希望大体上或粗略地把摄像机指向并聚焦在某一位置或眼部特征。在初始定位之后，操作者可以通过按下开关或触发器2 执行自主图像评分、光增强和显示或存储步骤。虽然图2的监视器元件220显示为外置计算机监视器，但很重要地，应该注意的是，监视器能够与摄像机壳体212关联。
图3是显示对眼部图像评分的很多可能方法之一的流程图。图3的方法依赖于使用高斯差算法进行特征检测。其它特征检测算法能够用于实现在此描述的方法和设备。评分过程可以从待评分的图像的选择开始(步骤30 。包括但不限于高斯差方法的很多类型的评分或检测算法将会包括把掩模应用于图像数据(步骤304)。因此，图3的方法包括建立适合于检测由选择准则定义的所希望的特征类型和用于确定图像位置的大小高斯掩模。 还必须基于计算约束条件，通常为处理器性能，按照足以实现充分的特征检测而又足够大以产生足够的图像捕捉帧速的级别设置X和Y掩模偏移增量(步骤306)。
当把高斯掩模应用于图像数据并且选择合适的X和Y增量准则时，可以在处理器中计算确定图像的X-Y坐标(步骤308)。随即，可以针对当前X-Y坐标计算大图像掩模和小图像掩模之间的高斯差(步骤310)。高斯差的解可以缩放并用作初始分数。如果图像满足预定分数阈值(步骤31 并且图像覆盖所希望的X-Y位置(步骤316)，则可以选择该图像以用于进一步处理(图1的步骤110)。如果图像不满足分数阈值或者不覆盖所希望的 X-Y位置(或者在其它方面不满足指定的选择准则)，则可以对下一图像评分(步骤314)。
如上所述，在某些诊断情况下比较在不同时间点从同一眼睛获得的眼部特征的图像可能有用。这种功能可能对于正确诊断进行性眼部疾病和失调或者在一段时间期间核查眼睛健康而言很有用。随时间的过去而发展的代表性眼部异常包括但不限于产前视网膜病变、糖尿病诱发的视网膜病变、各种黄斑变性疾病、视网膜脱落和类似的眼部疾病或退化状况。
如上所述，在此公开的设备和方法可用于获得选择的眼部特征的一个或多个相对较高质量图像。例如，如图4中所示，可以获得对象眼睛的视网膜脉管系统的在选择的时间点拍摄的初始图像400。(另外参见图5的步骤502)。稍后，在合适的时间段已过去之后， 可以如上所述获得相同眼部特征的第二图像600。图6表示对象眼睛的视网膜脉管系统的第二图像600。(另外参见图5的步骤504)。
眼部特征的第一图像和随后图像可以由专家直接比较以做出诊断或辅助诊断 (步骤508)。作为替代地，上述自主瞄准和视觉特征识别过程可用于处理与选择的眼部特征相关的图像数据以创建图形数据表示(步骤506)。例如，参见作为数据映像分别从图像 400和600提取的图7和图8中显示的脉管系统图形700、800。使用已知图像比较技术比较视觉特征的这些图形表示能够产生具有初始图像和随后图像的数据的组合输出表示，所述输出突出显示第一图像和随后图像之间的一个或多个差异(步骤508)。例如，参见图9 的图形输出表示900，其中图7和图8的图形表示之间的差异以更亮的阴影、不同颜色或其它方式突出显示。
诸如图9中表示的图形映像类型输出不应解释为限制本发明的范围。然而，任何另外的输出应该构造为突出显示视觉特征的初始图像和随后图像之间的差异。在一段时间期间在对象中出现的差异可能指示各种眼部疾病或状况。因此，在此描述的方法、设备和软件可用于获取成对或多组诊断图像，这些诊断图像可根据需要自动表现为容易解释的图形输出。该输出或者原始图像可随后由在拍摄图像时未必在场的医生或其他非常熟练的人员查看。因此，所描述的实施例方便了进行性眼部疾病或失调的快速和准确的诊断。
因为以上描述的方法导致选择的眼部特征的高质量图像以及可选地导致显示选择的眼部特征随时间的变化的图形输出，所以在此描述的设备、方法和软件方便了远程诊断。例如，现场技术人员可以从人或动物对象收集图像并存储初始图像。稍后，可以以电子方式或者以其它方式把第一图像或第二图像(如果需要的话)发送给专家以进行分析和诊断(步骤512、514)。在发送之前，可以自主地比较这些图像并且代表这些图像之间的差异的获得的输出可以表现为图形或其它形式。在远程位置、发展中国家或者熟练医生或兽医难以直接访问每个病人的其它位置和情况下提供的兽医医疗护理或人类医疗护理的领域中，使用所公开的设备、方法和软件方便远程专家诊断的能力特别有用。
在此描述的方法和设备主要依赖于自动化的功能。例如，选择的方法步骤可以由与该设备关联的一个处理器或多个处理器自主地执行。所公开的实施例的范围包括具有用于执行在此描述的方法的指令的计算机可读介质。
很重要地，应该注意的是，尽管已在全功能数据处理系统的情况下描述了所公开的实施例，但本领域普通技术人员应该理解，在此描述的处理和方法能够以各种形式的指令的计算机可读介质的形式分布，并且本发明的范围包括实际用于执行所述分布的任何特定类型的信号承载介质。计算机可读介质的例子包括可读型介质，诸如软盘、硬盘驱动器、 RAM和CD-ROM，和传输型介质，诸如数字和模拟通信链路。
本发明的各种实施例还能够包括权利要求中列举的各种元素的排列，就好像每个从属权利要求是包括每个在前从属权利要求以及独立权利要求的限制的多项从属权利要求。这种排列明确地落在本发明的范围内。另外，如果在技术上可行，则在此公开的各种实施例即使作为单独实施例被公开也能够组合，并且这种组合落在说明书和本发明的范围内。
尽管已参照一些实施例具体地显示并描述了本发明，但本领域技术人员应该理解，在不脱离本发明的精神和范围的情况下可以对在此公开的各种实施例做出形式和细节上的修改，并且在此公开的各种实施例并非意在用作对权利要求的范围的限制。
权利要求
1.一种获得眼部特征的图像的方法，包括定义与关注的解剖学眼部特征相关的至少一种选择准则； 捕捉顺序眼部图像的流；以及利用所述选择准则对每个眼部图像自主地评分，以自主地选择与其它个体眼部图像相比更加可能包括所关注的眼部特征的一个或多个个体眼部图像。
2.如权利要求1所述的获得眼部特征的图像的方法，还包括下述步骤中的至少一个步骤在显示器上显示至少一个自主选择的图像； 在数据存储装置上存储至少一个自主选择的图像；以及以电子方式发送至少一个自主选择的图像。
3.如权利要求1所述的获得眼部特征的图像的方法，进一步包括 在捕捉顺序眼部图像的流的第一部分的同时提供初始照明水平；在捕捉顺序眼部图像的流的第二部分的同时提供第二照明水平，其中所述第二照明水平具有比所述初始照明水平更高的强度。
4.如权利要求3所述的获得眼部特征的图像的方法，还包括当自主选择与其它个体眼部图像相比更加可能包括所关注的眼部特征的个体眼部图像时，自主地提供所述第二照明水平。
5.如权利要求3所述的获得眼部特征的图像的方法，其中选择所述初始照明水平以将对象眼睛的瞳孔的收缩降到最小。
6.如权利要求5所述的获得眼部特征的图像的方法，其中顺序眼部图像的流的第二部分的捕捉的持续时间被选择为等于或小于对象眼睛的瞳孔的收缩响应时间。
7.如权利要求1所述的获得眼部特征的图像的方法，其中定义与所关注的解剖学眼部特征相关的至少一个选择准则的步骤包括以下至少一个指定眼部特征类型；以及指定眼部特征位置。
8.如权利要求7所述的获得眼部特征的图像的方法，其中所述对每个眼部图像自主地评分的步骤包括检测眼部特征和眼部特征位置中的至少一项。
9.如权利要求8所述的获得眼部特征的图像的方法，其中所述对每个眼部图像自主地评分的步骤还包括确定图像质量。
10.一种用于获得眼部特征的图像的设备，包括用于定义与关注的解剖学眼部特征相关的至少一个选择准则的装置； 用于捕捉顺序眼部图像的流的装置；以及用于利用所述选择准则对每个眼部图像自主地评分，以自主地选择与其它个体眼部图像相比更加可能包括所关注的眼部特征的一个或多个个体眼部图像的装置。
11.如权利要求10所述的用于获得眼部特征的图像的设备，进一步包括以下至少一个显示器，用于显示至少一个自主选择的图像； 数据存储装置，用于存储至少一个自主选择的图像；以及通信接口，用于以电子方式发送至少一个自主选择的图像。
12.如权利要求10所述的用于获得眼部特征的图像的设备，还包括可变照明源，用于在捕捉顺序眼部图像的流的第一部分的同时提供初始照明水平，并且在捕捉顺序眼部图像的流的第二部分的同时提供第二照明水平，其中所述第二照明水平具有比所述初始照明水平更高的强度。
13.如权利要求12所述的用于获得眼部特征的图像的设备，还包括用于当自主选择与其它个体眼部图像相比更加可能包括所关注的眼部特征的个体眼部图像时自主地提供所述第二照明水平的装置。
14.如权利要求12所述的用于获得眼部特征的图像的设备，其中由所述照明源提供的初始照明水平被选择成将对象眼睛的瞳孔的收缩降到最小。
15.如权利要求14所述的用于获得眼部特征的图像的设备，其中顺序眼部图像的流的第二部分的捕捉的持续时间被选择为等于或小于对象眼睛的瞳孔的收缩响应时间。
16.如权利要求10所述的用于获得眼部特征的图像的设备，其中所述用于定义与所关注的解剖学眼部特征相关的至少一种选择准则的装置包括以下至少一个用于指定眼部特征类型的装置；以及用于指定眼部特征位置的装置。
17.如权利要求16所述的用于获得眼部特征的图像的设备，其中所述用于对每个眼部图像自主地评分的装置包括用于检测眼部特征和眼部特征位置中的至少一项的装置。
18.如权利要求17所述的用于获得眼部特征的图像的设备，其中所述用于对每个眼部图像自主地评分的装置还包括用于确定图像质量的装置。
19.一种具有用于执行获得眼部特征的图像的方法的可执行指令的计算机可读介质， 该方法包括定义与关注的解剖学眼部特征相关的至少一种选择准则；捕捉顺序眼部图像的流；以及利用所述选择准则对每个眼部图像自主地评分，以自主地选择与其它个体眼部图像相比更加可能包括所关注的眼部特征的一个或多个个体眼部图像。
20.如权利要求19所述的具有用于执行获得眼部特征的图像的方法的可执行指令的计算机可读介质，该方法还包括下述步骤中的至少一个步骤在显示器上显示至少一个自主选择的图像；在数据存储装置上存储至少一个自主选择的图像；以及以电子方式发送至少一个自主选择的图像。
21.如权利要求19所述的具有用于执行获得眼部特征的图像的方法的可执行指令的计算机可读介质，该方法还包括下述步骤在捕捉顺序眼部图像的流的第一部分的同时提供初始照明水平；在捕捉顺序眼部图像的流的第二部分的同时提供第二照明水平，其中所述第二照明水平具有比所述初始照明水平更高的强度。
22.如权利要求21所述的具有用于执行获得眼部特征的图像的方法的可执行指令的计算机可读介质，该方法还包括下述步骤当自主选择与其它个体眼部图像相比更加可能包括所关注的眼部特征的个体眼部图像时，自主地提供所述第二照明水平。
23.如权利要求21所述的具有用于执行获得眼部特征的图像的方法的可执行指令的计算机可读介质，其中所述指令提供下述操作选择所述初始照明水平以将对象眼睛的瞳孔的收缩降到最小。
24.如权利要求23所述的具有用于执行获得眼部特征的图像的方法的可执行指令的计算机可读介质，其中所述指令提供下述操作顺序眼部图像的流的第二部分的捕捉的持续时间被选择为等于或小于对象眼睛的瞳孔的收缩响应时间。
25.如权利要求19所述的具有用于执行获得眼部特征的图像的方法的可执行指令的计算机可读介质，其中定义与所关注的解剖学眼部特征相关的至少一个选择准则的方法步骤包括以下至少一个指定眼部特征类型；以及指定眼部特征位置。
26.如权利要求25所述的具有用于执行获得眼部特征的图像的方法的可执行指令的计算机可读介质，其中所述对每个眼部图像自主地评分的方法步骤包括检测眼部特征和眼部特征位置中的至少一项。
27.如权利要求沈所述的具有用于执行获得眼部特征的图像的方法的可执行指令的计算机可读介质，其中所述对每个眼部图像自主地评分的方法步骤还包括确定图像质量。
28.—种诊断方法，包括获得眼部特征的第一图像；在稍后时间点获得所述眼部特征的第二图像；把第一图像和第二图像改变为图形表示；比较第一图形表示和第二图形表示；产生第一图形表示和第二图形表示之间的所述眼部特征的差异的图形表示；以及从所述差异的图形表示诊断视觉状况。
29.如权利要求28所述的诊断方法，还包括远程执行所述诊断步骤。
全文摘要
公开了一种用于获得眼部特征的图像的方法、设备和包含指令的软件。所公开的实施例至少包括下述步骤定义与关注的眼部特征相关的一个或多个选择准则。选择准则可涉及眼部特征类型、眼部特征位置或其它相关特征。该方法还包括捕捉顺序眼部图像的流，并且根据所述选择准则对一些或全部眼部图像自主地评分。分数高于定义的分数阈值的图像可以被选择作为与其它个体眼部图像相比更加可能包括关注的眼部特征的合适表示的个体图像。
文档编号A61B3/00GK102186406SQ200880131535
公开日2011年9月14日 申请日期2008年10月15日 优先权日2008年10月15日
发明者D·R·亨里克森 申请人:欧普蒂布兰德有限责任公司