OQASTMⅡ欧卡斯客观视觉质量分析系统

运用双通道视觉质量分析系统评估角膜交联手术后的客观视觉质量王萌萌;董坤峰;张军红;刁科;李瑞芳;蔡祎【摘要】目的：：采用双通道视觉质量分析系统评估圆锥角膜患者角膜交联手术前后的客观视觉质量。

方法：收集2015-01/07患有进展期圆锥角膜而进行紫外光-核黄素角膜交联手术的患者病例资料。

利用双通道系统比较手术前和手术后6 mo 患者的客观散射指数( OSI)、对比度视力( VA)、调制传递函数截止频率( MTF cut off)和斯特列尔比( SR)。

结果：共收录患者13例16眼。

术后6 mo裸眼视力、最佳矫治视力、屈光度、Sim-k平均值与术前相比差异无统计学意义(P>0.05)；眼前节分析仪非侵袭平均泪膜破裂时间( NI Avg-BUT)比术前相比有明显下降，差异有统计学意义(P<0.05)。

双通道视觉质量分析系统术后6mo时的MTF cut off、Strehl Ratio、OSI与术前相比差异无统计学意义( P>0.05)；泪膜分析平均 OSI ( tear film analysis mean OSI)比术前明显升高，差异有统计学意义(P<0.05)。

结论：角膜交联手术没有使患者的术后视觉质量受到影响，但对术后6 mo的泪膜稳定性有轻度影响，长期结果有待进一步观察。

%•AIM:To evaluate the objective visual quality of patients who underwent corneal cross-linking for the keratoconus using double-pass analysis system.• METHODS: Advanced keratoconus patients who underwent UV - riboflavin corneal cross - linking from January to July 2015 were included. The outcomes of their objective scattering index ( OSI ) , predicted visual acuity ( VA ) , the cut - off frequency of modulation transfer function ( MTF cut- off ) , the Strehl ratio ( SR ) were compared before and 6mo after corneal cross-linking.•RESULTS: A total of 13 patients ( 16 eyes ) were included. There was no statisticallysignificant difference between pre- and 6mo postoperative data in uncorrected visual acuity, best corrected visual acuity, refractions and mean value of Sim-k (P>0. 05). Non-invasive average tear film break up time ( NIAvg-BUT ) detected by the Sirius system decreased after corneal cross-linking ( P<0. 05 ) . Using double - pass analysis system, no statistically significant change was found in MTF cut off, Strehl Ratio, OSI before and after treatment(P>0. 05).&nbsp;Tear Film Analysis Mean OSI increased at 6mo postoperatively (P<0. 05).• CONCLUSION: The subjective visual quality isn’t effected by corneal cross-linking. The tear stabilities of patients are influenced by these operations at 6mo postoperatively. More observations on long-term effect are needed to be taken in the future.【期刊名称】《国际眼科杂志》【年(卷),期】2016(016)006【总页数】3页(P1196-1198)【关键词】双通道分析系统;圆锥角膜;交联;客观视觉质量【作者】王萌萌;董坤峰;张军红;刁科;李瑞芳;蔡祎【作者单位】054001 中国河北省邢台市，河北省眼科医院屈光治疗科河北省眼科学重点实验室;054001 中国河北省邢台市，河北省眼科医院屈光治疗科河北省眼科学重点实验室;054001 中国河北省邢台市，河北省眼科医院屈光治疗科河北省眼科学重点实验室;054001 中国河北省邢台市，河北省眼科医院屈光治疗科河北省眼科学重点实验室;054001 中国河北省邢台市，河北省眼科医院屈光治疗科河北省眼科学重点实验室;054001 中国河北省邢台市，河北省眼科医院屈光治疗科河北省眼科学重点实验室【正文语种】中文Citation:Wang MM, Dong KF, Zhang JH,etal. Evaluation of objective visual quality after corneal cross-linking using double-pass analysissystem.GuojiYankeZazhi(IntEyeSci) 2016;16(6):1196-1198目的:采用双通道视觉质量分析系统评估圆锥角膜患者角膜交联手术前后的客观视觉质量。

集料图像测量系统(AIMSⅡ)的评价指标研究与合理性验证陈甲康; 高俊锋; 汪海年; 卜胤【期刊名称】《《筑路机械与施工机械化》》【年(卷),期】2019(036)009【总页数】6页(P100-105)【关键词】集料检测; 图像测量系统; 形态特征; 合理性验证【作者】陈甲康; 高俊锋; 汪海年; 卜胤【作者单位】长安大学道路结构与材料交通行业重点实验室陕西西安 710064; 江西省天驰高速科技发展有限公司江西南昌 330103【正文语种】中文【中图分类】U414.030 引言近年来，裂缝、车辙、坑槽等沥青路面病害问题日益突出，严重影响沥青路面的服务质量。

沥青混合料是一种多项复合材料，集料是其主要组成部分，对沥青混合料的各项性能会产生重要影响[1-3]。

集料的料源特性(如岩性、磨耗值、磨光值等)是甄选集料的重要依据，用以确保拌合出来的沥青混合料达到相应的技术要求，然而集料的棱角、形状以及表面纹理等形态特征对沥青混合料性能的影响尚未得到足够的重视[4]。

国内外相关规范，如《公路沥青路面施工技术规范》(JTG F40—2004)、美国ASTM D4791，依旧采用直接手工测量与间接物理力学测量的试验方法用来评价集料的形态特征[5-8]。

随着数字图像处理技术的发展，研究人员开始重视利用该技术来评价集料的形态特征，以解决传统试验方法精度低、耗时长、工作量大的问题。

李晓燕等使用自主研制的粗集料形态特征研究系统(MASCA)，发现粗集料的分形维数能够合理评价粗集料形态特征的最优定量指标[7]；杨芬等设计了“无影灯箱”，并发现数码相机和计算机图像处理软件(Image-Pro Plus)在测定针片状颗粒含量方面具有良好的可行性和较高的准确度[8]；Yufeng Liu等分别利用傅里叶级数的不同取值、不同振幅和频率值来评价集料的形状、棱角性和表面纹理[9]；Hyoungkwan Kim等利用基于激光技术的激光断面扫描系统对集料的形态特性进行了测量，并与人工测量结果进行了对比，发现2种测试方法具有良好的一致性[10]；对于新一代图像测量系统的应用，需要对其内置的指标进行直观性的验证。

OQAS客观视觉质量分析系统摘要本文旨在介绍OQAS（Objective Quality Assessment System）客观视觉质量分析系统，该系统是一种用于评估图像和视频质量的客观评估工具。

文章将从系统的背景和意义、系统结构、主要功能以及应用领域等方面进行详细阐述。

1.背景与意义随着网络和移动设备的普及，人们对图像和视频质量的要求越来越高。

然而，传统的主观评价方法受制于时间、成本和主观因素的限制，无法满足大规模质量评估的需求。

因此，客观评价方法逐渐成为评估图像和视频质量的重要手段。

OQAS客观视觉质量分析系统的出现填补了这一领域的空白。

2.系统结构OQAS客观视觉质量分析系统主要由以下几个模块组成： - 数据预处理模块：对输入的图像和视频进行预处理，包括去噪、边缘增强等操作，以提高分析的准确性。

- 特征提取模块：从预处理后的图像和视频中提取特征，如亮度、对比度、清晰度等。

- 模型训练与优化模块：使用机器学习算法对提取到的特征进行训练和优化，建立模型。

- 视觉质量评估模块：利用建立的模型对输入的图像和视频进行评估，得到客观的质量评分。

- 结果显示模块：将评估结果进行可视化展示，方便用户查看和分析。

3.主要功能OQAS客观视觉质量分析系统具有以下主要功能： - 图像和视频质量评估：基于机器学习算法和提取的特征，对输入的图像和视频进行客观质量评估，得到质量评分。

- 批量处理：支持批量处理多个图像或视频文件，提高评估效率。

- 质量分析报告生成：根据评估结果自动生成质量分析报告，提供给用户参考。

- 定制化配置：支持用户根据需求自定义评估参数和模型配置。

4.应用领域OQAS客观视觉质量分析系统在以下领域有着广泛的应用： - 视频制作和电影行业：可用于评估视频剪辑、特效处理等环节中的质量表现，提高制作效率和质量。

- 摄影和相机制造业：通过评估图像清晰度、色彩还原等指标，提供给摄影师和相机制造商参考，改进图像质量。

机器视觉检测系统内容起源网络，由“深圳机械展（11万皿，1100多家展商，超10万观众）“搜集整理！更多cnc加工中心、车铢磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、锻金冲压折弯、精密零件加工等展示，就在深圳机械展.现代工业自动化生产中包含到多种多样检验、生产监视和零件识别应用，如汽车零配件I出臺加工尺寸检验和自动装配完整性检验、电子装配线元件自动定位、IC上字符识别等。

通常这种带有高度反复性和智能性工作是由肉眼来完成，但在一些特殊情况下，如对微小尺寸正确快速测呈、形状匹配和颜色辨识等,依靠肉眼根本无法连续稳定地进行,其它物理星传感器也难以胜任。

大家开始考虑用CCD摄影机抓取图像后送入计算机或专用图像处理模块, 经过数字化处理,依据像素分布和亮度、颜色等信息来进行尺寸、形状、颜色等判别。

这种方法是把计算机处理快速性、可反复性和肉眼视觉高度智能化^抽象能力相结合，由此产生了机器视觉检测技术概念。

视觉检测技术是建立在计算机视觉研究基础上一门新兴测试技术。

和计算机视觉研究视觉模式识别、视觉了解等内容不一样，视觉检测技术关键研究是物体几何尺寸及物体位置测星, 如轿车白车身三维尺寸测星、模具等三维面形快速测星、大型工件同轴度测量和共面性测臺等，它能够广泛应用于在线测星、逆向工程等主动、实时测量过程。

视觉检测技术在国外发展很快,早在20世纪80年代,美国国家标准局就曾估计未来90%检测任务■将由视觉检测系统来完成。

所以仅在80年代,美国就有100多家企业跻身于视觉检测系统经营市场，可见视觉检测系统确实很有发展前途。

在近几届北京国际机床展览会上已经见到国外企业展出应用视觉检测技术研制优异仪器，如流动式光学三坐标测臺机、高速高精度数字化扫描系统、非接触式光学三坐标测臺机等。

2.机器视觉检测系统组成、分类及工作原理2.1系统组成和工作原理⑴系统组成经典视觉系统通常包含光源、億头、CCD摄影机、图像处理单元（或图像采集卡）、图像处理软件、监视器、通讯/输入输出单元等。

DOI:10.16605/ki.1007-7847.2022.10.0220基于公共基因表达数据库和临床样本队列构建白内障预测模型郭志强1*,张立友2,许利娟1,宫美娜1,韩笑1(1.沧州市第四医院(南皮县人民医院),中国河北沧州061500;2.沧州市眼科医院,中国河北沧州061000)摘要:基于基因表达数据库(Gene Expression Omnibus,GEO)筛选差异基因,建立白内障预测模型并对其进行评价。

首先,采用生物信息学方法从GEO 中筛选出与白内障相关的芯片数据,并采用GEO2R 软件和Net-workAnalyst 工具分析得到最显著的差异表达基因。

然后,依托我院健康管理中心白内障筛查队列,采用Cox 比例风险回归构建白内障发病风险预测模型,绘制列线图,通过C 指数、校准曲线、受试者操作特征(receiver operating characteristic,ROC)曲线、决策曲线分析(decision curve analysis,DCA)评价模型的区分度、校准度、预测能力和获益情况。

结果显示,在GSE5645、GSE193629和GSE161701数据集中,鱼精蛋白1(protamine 1,PRM 1)为高表达基因,五羟色胺2C 受体(serotonin 2C receptor ,HTR 2C )为低表达基因;白内障组和非白内障组在年龄、体重、收缩压、对比敏感度(contrast sensitivity,CS)、客观散射指数(objective scatter index,OSI)、调制传递函数截止频率(modulation transfer function cut off,MTF cut off)、斯特列尔比(Strehl ratio,SR)、动态视力、PRM 1、HTR 2C 和CX 46等指标的差异均有统计学意义(P <0.05);预测模型最终纳入年龄、OSI 、MTF cut off 、PRM 1和HTR 2C 共5个变量(P <0.05),建立的预测模型为log[h(t)/h 0(t)]=2.6892+0.012×年龄+1.320×OSI-0.041×MTF cut off+0.029×PRM 1-6.549×HTR 2C ;模型C 指数为0.875,置信区间为0.862~0.886;模型的预测概率与实际概率接近;ROC 曲线下面积(area under the curve,AUC)为0.904(95%CI:0.884~0.923),灵敏度和特异度分别为82.4%和92.3%;平均AUC 为0.911;当模型的高风险阈值为0.25~0.75时,净收益率>0。