买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北大学申请的专利一种基于图像的巩膜黄疸分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120070411B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510282511.5，技术领域涉及：G06T7/00；该发明授权一种基于图像的巩膜黄疸分析方法是由慕依景;代钰设计研发完成，并于2025-03-11向国家知识产权局提交的专利申请。

本一种基于图像的巩膜黄疸分析方法在说明书摘要公布了：本发明公开了一种基于图像的巩膜黄疸分析方法，涉及图像识别技术领域，包括以下步骤：S1、进行图像数据采集；S2、对巩膜区域进行分割；S3、对巩膜区域进行颜色特征提取；S4、通过颜色特征进行黄疸程度评估；S5、对黄疸等级进行健康评估；S6、根据健康评估进行长期健康监控。通过结合云计算平台的数据集和图像特征提取技术，将更多维度的信息融入到模型训练过程中，通过使用基于图像特征和历史病程数据的多特征支持向量机模型，本方法不仅考虑了单一图像的特征，还结合了患者的历史数据，使得模型能够更加全面地反映患者的黄疸变化趋势，从而有效提高了黄疸程度的预测精度，避免了传统SVM方法在复杂数据条件下表现不佳的问题。

本发明授权一种基于图像的巩膜黄疸分析方法在权利要求书中公布了：1.一种基于图像的巩膜黄疸分析方法，其特征在于，包括以下步骤： S1、进行图像数据采集：利用高清相机，对眼部进行图像数据采集，得到眼部图像； 在运用高清相机进行图像采集的过程中使用自动曝光控制技术，实时评估当前图像的亮度信息，并根据亮度变化动态调整曝光参数，从而最大限度地减少图像过曝或曝光不足的情况，提高图像采集质量； 自动曝光控制模型构建如下： 表示图像中坐标为处的像素亮度值； 表示理想的目标亮度值，预设为一个标准亮度范围内的值，依据巩膜区域的要求来设定； 表示曝光调整系数，是通过反馈机制自动调节的曝光值； 是曝光调整的灵敏度系数，控制曝光调整的响应速度，取值范围为[0,1]； 是图像亮度变化的权重系数，用于调节亮度分布的相对影响； ； 其中： 表示图像中所有像素的平均亮度，即当前图像的平均亮度，是图像的像素数量； 表示当前图像的平均亮度与目标亮度之间的差值，决定曝光需要增大还是减小； 表示图像亮度分布的均匀性度量，若图像亮度变化较大，该项值会增加，反映需要更多的曝光调整来适应图像复杂的亮度变化； 其使用过程如下： 图像亮度评估：首先，通过相机实时获取当前拍摄图像的亮度分布，并计算出该图像的平均亮度； 反馈调整：根据当前图像平均亮度与目标亮度之间的差值，模型计算出曝光调整系数；如果图像亮度过低，则为正值，表示需要增大曝光；如果图像亮度过高，则为负值，表示需要减小曝光； 亮度变化补偿：在调整曝光的同时，模型通过引入图像亮度分布的均匀性指标，进一步补偿亮度变化较大的区域，以避免曝光调整过度或不足； 曝光调节实施：最终，通过调整相机的曝光设置来实现自动曝光控制，确保图像的亮度达到目标值，从而保证巩膜区域的清晰度和色彩准确度； S2、对巩膜区域进行分割：对眼部图像进行分析，依据眼睛的形状、颜色以及亮度信息，分割出巩膜区域； S3、对巩膜区域进行颜色特征提取：将巩膜区域的图像转换为HSV颜色空间，直观的表示图像的色调、饱和度和亮度，从而得到巩膜区域的颜色特征； S4、通过颜色特征进行黄疸程度评估：基于颜色特征，设置支持向量机模型对巩膜的黄疸度进行量化评估，输出黄疸等级； 所述步骤S4中的支持向量机模型具体为基于颜色空间转换和多特征融合的支持向量机模型，其中公式为： ； 其中，：预测的黄疸程度，表示黄疸的分类标签； ：支持向量机的权重向量，表示模型对每个输入特征的加权系数； ：输入特征向量，包含患者在当前时刻的图像数据特征； ：SVM模型的偏置项，控制决策平面的偏移； ：符号函数，用于将线性组合转换为离散的类别标签； S5、对黄疸等级进行健康评估：基于黄疸等级，结合患者的历史病程数据进行健康评估，并生成健康评估结果； S6、根据健康评估进行长期健康监控：基于健康评估结果，并设立实时监控系统，利用患者巩膜图像的颜色特征与健康评估结果进行长期跟踪与动态监控，得到监控数据； 所述步骤S6中的实时监控系统基于云计算平台设置，具体为基于动态特征更新的自适应调整模型，其中参数包括： 表示在时间时刻通过SVM模型预测的黄疸程度，即步骤S4中计算得出的； 表示基于实时监控数据的状态更新，反映系统当前的监控状态； 是系统中用于衡量时间间隔的衰减因子，反映新输入数据在决策过程中的重要性； 是基于云计算平台获得的全局患者数据集，包含历史黄疸数据、图像数据信息； 表示基于实时监控调整的调整参数； 所述步骤S6中的实时监控系统的动态监控机制依赖于实时更新的预测输出和图像特征，并通过以下公式计算调整决策： ； 其中： 是基于当前时刻的特征向量、黄疸程度以及全局患者数据集计算的调整值； 是衰减因子，控制新输入数据的重要性；较大的会使新数据对系统调整的影响更大，反之则强调历史数据的重要性； 是上一个时刻系统的调整参数； 所述步骤S6中的计算公式为： ； ：基于当前时刻的特征向量、黄疸程度计算的调整值； ：基于全局患者数据集计算的调整值，包含了历史黄疸数据、其他患者的图像数据； 和：权重系数，表示当前数据和全局数据对最终调整值的影响权重； 所述步骤S6中计算得出的的使用过程包括以下步骤： 获取实时数据：在每个时刻，系统会从患者的巩膜区域获取图像数据，并且通过SVM模型预测黄疸程度，即步骤S3和S4； 计算当前调整参数：通过公式计算得出； 应用调整参数； 反馈和动态调整：随着时间的推移，系统会不断地根据每一时刻的图像数据和黄疸预测结果更新调整参数；新的调整参数会影响下一时刻的数据采集和处理策略；每次新的计算后，都会对系统的行为产生直接影响，从而确保监控系统能够适应黄疸的变化； 实时动态响应：通过这种方式，系统可以不断适应患者黄疸变化的不同情况；每次获取新数据后，系统根据的更新，自动调整图像采集和处理策略，以确保监控的准确性和及时性； 其中，应用调整参数包括：曝光设置：若当前黄疸预测结果显示为轻度或重度黄疸，系统需要增加曝光度，以保证图像的质量足够清晰，便于后续分析； 与曝光时间之间的关系如下： ； 为当前曝光时间，为曝光因子经验值，为曝光时间调整系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北大学，其通讯地址为：710069 陕西省西安市太白北路229号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。