TWI775356B - 用於眼底圖的影像前處理方法及影像處理裝置 - Google Patents
用於眼底圖的影像前處理方法及影像處理裝置 Download PDFInfo
- Publication number
- TWI775356B TWI775356B TW110109989A TW110109989A TWI775356B TW I775356 B TWI775356 B TW I775356B TW 110109989 A TW110109989 A TW 110109989A TW 110109989 A TW110109989 A TW 110109989A TW I775356 B TWI775356 B TW I775356B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- interest
- region
- processor
- eyeball
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 title claims abstract description 24
- 238000007781 pre-processing Methods 0.000 title claims abstract description 20
- 210000005252 bulbus oculi Anatomy 0.000 claims abstract description 26
- 238000009499 grossing Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 206010025421 Macule Diseases 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 210000003462 vein Anatomy 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000010412 Glaucoma Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 208000017442 Retinal disease Diseases 0.000 description 1
- 206010038923 Retinopathy Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000000416 exudates and transudate Anatomy 0.000 description 1
- 208000038015 macular disease Diseases 0.000 description 1
- 238000010339 medical test Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Eye Examination Apparatus (AREA)
- Image Processing (AREA)
- Color Image Communication Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本發明實施例提出一種用於眼底圖的影像前處理方法及影像處理裝置。自眼底圖取得興趣區域以產生第一影像。興趣區域是針對眼底圖中的眼球。對第一影像進行平滑處理以產生第二影像。增加第二影像中多個相鄰畫素之間的數值差異以產生第三影像。藉此,可增強特徵,並有助於後續影像辨識作業。
Description
本發明是有關於一種影像處理技術,且特別是有關於一種用於眼底(fundoscopic)圖的影像前處理方法及影像處理裝置。
醫療影像是針對生物體的特定部位拍攝所得的影像,且這些影像可用於評估罹患疾病的風險或疾病的嚴重程度。例如,透過眼底(fundoscopic)攝影檢查,可及早發現諸如視網膜病變、青光眼、黃斑部病或其他病變。一般而言,多數醫生都是透過人工判斷醫療影像上的病灶。雖然現今可透過電腦輔助評估醫療影像,但諸如效率、複雜度及準確度等指標仍有待突破。
有鑑於此,本發明實施例提供一種用於眼底圖的影像前處理方法及影像處理裝置,可強化特徵,進而增進後續辨識病灶或其他特徵的準確度。
本發明實施例的影像前處理方法包括(但不僅限於)下列步驟:自眼底圖取得興趣區域以產生第一影像。興趣區域是針對眼底圖中的眼球。對第一影像進行平滑(smoothing)處理以產生第二影像。增加第二影像中多個相鄰畫素之間的數值差異以產生第三影像。第三影像用於影像辨識。
本發明實施例的影像處理裝置包括(但不僅限於) 儲存器及處理器。儲存器儲存程式碼。處理器耦接儲存器。處理器載入且執行程式碼以經配置用以自眼底圖取得興趣區域以產生第一影像,對第一影像進行平滑處理以產生第二影像,並增加第二影像中多個相鄰畫素之間的數值差異以產生第三影像。興趣區域是針對眼底圖中的眼球。第三影像用於影像辨識。
基於上述,依據本發明實施例的用於眼底圖的影像前處理方法及影像處理裝置,在進行影像辨識之前,自初始的眼底圖切割出興趣區域,並進一步平滑處理及數值強化。藉此,可增強特徵,降低雜訊,並提昇後續影像辨識的辨識準確度。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
圖1是依據本發明一實施例的影像處理裝置100的元件方塊圖。請參照圖1,影像處理裝置100包括(但不僅限於)儲存器110及處理器130。影像處理裝置100可以是桌上型電腦、筆記型電腦、智慧型手機、平板電腦、伺服器、醫療檢測儀器或其他運算裝置。
儲存器110可以是任何型態的固定或可移動隨機存取記憶體(Radom Access Memory,RAM)、唯讀記憶體(Read Only Memory,ROM)、快閃記憶體(flash memory)、傳統硬碟(Hard Disk Drive,HDD)、固態硬碟(Solid-State Drive,SSD)或類似元件。在一實施例中,儲存器110用以記錄程式碼、軟體模組、組態配置、資料(例如,影像、數值、參考值、距離等)或檔案,並待後文詳述其實施例。
處理器130耦接儲存器110,處理器130並可以是中央處理單元(Central Processing Unit,CPU)、圖形處理單元(Graphic Processing unit,GPU),或是其他可程式化之一般用途或特殊用途的微處理器(Microprocessor)、數位信號處理器(Digital Signal Processor,DSP)、可程式化控制器、現場可程式化邏輯閘陣列(Field Programmable Gate Array,FPGA)、特殊應用積體電路(Application-Specific Integrated Circuit,ASIC)、神經網路加速器或其他類似元件或上述元件的組合。在一實施例中,處理器130用以執行影像處理裝置100的所有或部份作業,且可載入並執行儲存器110所記錄的各程式碼、軟體模組、檔案及資料。
下文中,將搭配影像處理裝置100中的各項裝置、元件及模組說明本發明實施例所述之方法。本方法的各個流程可依照實施情形而隨之調整,且並不僅限於此。
圖2是依據本發明一實施例的影像前處理方法的流程圖。請參照圖2,處理器130可自眼底圖取得興趣區域以產生第一影像(步驟S210)。具體而言,眼底圖是針對人或其他生物體進行眼底攝影所取得的影像。處理器130可透過內建或外接的影像擷取裝置取得眼底圖,或者處理器130可自伺服器、電腦或儲存媒體下載眼底圖。值得注意的是,來自不同來源的眼底圖的形狀或大小可能不同。為了正規化這些眼底圖,處理器130可先切割出視為重要或有用資訊的興趣區域。
本發明實施例的興趣區域是針對眼底圖中的眼球。在一實施例中,處理器130可自眼底圖中定位眼球的中心。例如,處理器130可在眼底圖中像素的梯度方向上的直線相交最多的一點視為眼球的位置。又例如,處理器130可對眼底圖進行霍夫轉換(Hough transformation),以選出最符合限制條件的圓形,並據以決定興趣區域邊界輪廓的圓心。處理器13可依據眼球的中心進一步決定興趣區域。例如,處理器130可依據中心設定較符合或最符合眼球輪廓的圓形,並將此圓形的輪廓作為興趣區域的邊界。又例如,處理器130可將霍夫轉換所得的圓形作為興趣區域。
在另一實施例中,處理器130可由眼底圖的外側開始至中心找尋眼球的邊界。例如,處理器130自眼底圖的四邊朝向中心依序逐漸掃描,並判斷掃描區域的亮度。值得注意的是,眼球的邊界的一側的亮度值(或稱明度(Brightness),即顏色的亮度)高於另一側。一般而言,眼底圖中眼球以外的區域的亮度值較低且可能是黑色。當任一邊上的相鄰畫素的亮度差異高於差異門檻值或某一個或更多個畫素的亮度值高於亮度門檻值(即,一側的亮度值高於另一側)時,處理器130可決定此邊上的興趣區域的最外側已找到。處理器130可將眼底圖的四個邊分別找到的最外側為界線,即形成四邊形。處理器130可將此四邊形的最短邊長度作為圓形(視為眼球)的直徑,並據以將此直徑所形成的圓形作為眼球的邊界。圓心位置是四邊形的中心。在另一實施例中,為了先濾除常出現在週邊的干擾,處理器130以四邊形的最短邊長度的一半再乘上一個大於0且小於1的浮點數作為半徑長度,再以此為半徑長度取圓形。此外,圓心位置仍是位於四邊形的中心。接著,處理器130可依據眼球的邊界決定興趣區域。即,將眼球的邊界作為興趣區域的邊界。
在一實施例中,處理器130可自眼底圖切割出興趣區域。即,處理器130將眼底圖中不為興趣區域的區域刪除。處理器130可進一步在興趣區域外加上背景色以形成第一影像。此背景色在後續針對眼底圖的影像辨識(例如,辨識病灶、辨識嚴重程度等)將視為無用資訊。無用資訊可能被特徵擷取(feature extraction)排除或其數值較低。例如,背景色是紅、綠、藍的數值皆為128、64或0所形成,但不以此為限。此外,第一影像的大小、形狀及/或比例可固定,從而正規化不同眼底圖。在一些實施例中,前述圓形可能變更成橢圓形或其他幾何圖形。
舉例而言,圖3是依據本發明一實施例的第一影像的示意圖。請參照圖3,圖中所示的圓形區域(即,興趣區域)對應到眼球。
處理器130可對第一影像進行平滑處理以產生第二影像(步驟S230)。具體而言,平滑處理是一種空間域濾波技術,可直接對影像中的畫素模糊化及去除雜訊。例如,相鄰畫素的數值差異(或稱距離)將被拉近。
在一實施例中,平滑處理為高斯模糊(Gaussian Blur)。而處理器130可對第一影像進行高斯模糊。例如,處理器130使用高斯卷積核與第一影像中的各像素進行卷積運算,再對卷積結果進行求和,從而得到第二影像。
舉例而言,圖4是依據本發明一實施例的第二影像的示意圖。請參照圖3及圖4,與圖3相比,經高斯模糊的圖4中的部分雜訊的細節被模糊,但血管、黃斑部、靜脈及/或動脈的邊緣仍被保留。
在其他實施例中,平滑處理也可以是中值濾波、均值濾波、盒形濾波或其他處理。
處理器130可增加第二影像中多個相鄰畫素之間的數值差異以產生第三影像(步驟S250)。具體而言,平滑處理會拉近相鄰像素的數值差異。而為了進一步強化特徵,在一實施例中,處理器130可依據那些相鄰像素之間的數值差異與參考值之間的距離按比例增加對應數值差異(即,更新/改變數值差異)。例如,參考值是128,處理器130可分別計算各像素在紅、綠、藍通道的數值與相鄰的像素之間的原數值差異,並比較原數值差異與參考值之間的距離。若距離越遠,則處理器130可將增加數值差異的幅度加大。若距離越近,則處理器130可將增加數值差異的幅度減少。比例可能是1、2、5、或10倍。接著,處理器130可依據增加的數值差異(即,更新的數值差異)改變對應像素的數值,使兩像素的數值差異符合更新的數值差異。
在一些實施例中,所改變的數值有上限或下限的規範。例如,上限為255,且下限為0。當所改變的數值超過上限或下限,將設為特定值(例如,上限、下限或其他值)。
須說明的是,原數值差異與更新的數值差異之間的數學關係不限於比例關係,在其他實施例中,處理器130也可能視實際需求而採用線性關係、指數關係或其他數學關係。
舉例而言,圖5是依據本發明一實施例的第三影像的示意圖。請參照圖4及圖5,圖5中的血管、黃斑部、視盤、靜脈、動脈或其他物件更加明顯。
另值得注意的是,本發明實施例的第三影像可用於影像辨識。在一實施例中,處理器130將第三影像輸入至基於機器學習演算法(例如,深度神經網路(Deep Neural Network,DNN)、多層感知器(Multi-Layer Perceptron,MLP)、支持向量機(Support Vector Machine,SVM)或其他機器學習模型)的檢測模型。在一實施例中,檢測模型即可用於影像辨識。須說明的是,第三影像可用於檢測模型的訓練階段及/或推論(inference)階段的前處理。一般而言,檢測模型通常不經影像前處理,且立即對初始的眼底圖進行特徵擷取。透過本發明實施例的影像前處理,可讓針對諸如出血、滲出物、水腫等病灶的影像辨識結果更加準確。或者,本發明實施例的影像前處理可讓血管、黃斑部、靜脈等部分更加容易被辨識,但不以此為限。
在另一實施例中,影像辨識可以是基於尺度不變特徵轉換(scale-invariant feature transform,SIFT) 、haar特徵、Adaboost或其他辨識技術。
綜上所述,在本發明實施例的用於眼底圖的影像前處理方法及影像處理裝置中,決定眼底圖中的興趣區域,對影像平滑處理及增加數值差異。藉此,可增強特徵,並有助於後續的影像辨識、模型訓練或其他影像應用。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100:影像處理裝置
110:儲存器
130:處理器
S210~S250:步驟
圖1是依據本發明一實施例的影像處理裝置的元件方塊圖。
圖2是依據本發明一實施例的影像前處理方法的流程圖。
圖3是依據本發明一實施例的第一影像的示意圖。
圖4是依據本發明一實施例的第二影像的示意圖。
圖5是依據本發明一實施例的第三影像的示意圖。
S210~S250:步驟
Claims (14)
- 一種影像前處理方法,包括: 自一眼底圖取得一興趣區域以產生一第一影像,其中該興趣區域是針對該眼底圖中的一眼球; 對該第一影像進行一平滑(smoothing)處理以產生一第二影像;以及 增加該第二影像中多個相鄰畫素之間的數值差異以產生一第三影像。
- 如請求項1所述的影像前處理方法,其中自該眼底圖取得該興趣區域的步驟包括: 自該眼底圖中定位該眼球的一中心;以及 依據該中心決定該興趣區域。
- 如請求項1所述的影像前處理方法,其中自該眼底圖取得該興趣區域的步驟包括: 由該眼底圖的外側開始找尋該眼球的邊界,其中該眼球的邊界的一側的亮度值高於另一側;以及 依據該眼球的邊界決定該興趣區域。
- 如請求項1所述的影像前處理方法,其中產生該第一影像的步驟包括: 自該眼底圖切割出該興趣區域;以及 在該興趣區域外加上一背景色以形成該第一影像。
- 如請求項1所述的影像前處理方法,其中該平滑處理為一高斯模糊(Gaussian Blur),且對該第一影像進行該平滑處理的步驟包括: 對該第一影像進行該高斯模糊。
- 如請求項1所述的影像前處理方法,其中增加該第二影像中該些相鄰畫素之間的數值差異的步驟包括: 依據該數值差異與一參考值之間的距離按比例增加該數值差異。
- 如請求項1所述的影像前處理方法,其中產生該第三影像的步驟之後,更包括: 將該第三影像輸入至基於機器學習演算法的一檢測模型。
- 一種影像處理裝置,包括: 一儲存器,儲存一程式碼;以及 一處理器,耦接該儲存器,載入且執行該程式碼以經配置用以: 自一眼底圖取得一興趣區域以產生一第一影像,其中該興趣區域是針對該眼底圖中的一眼球; 對該第一影像進行一平滑處理以產生一第二影像;以及 增加該第二影像中多個相鄰畫素之間的數值差異以產生一第三影像。
- 如請求項8所述的影像處理裝置,其中該處理器更經配置用以: 自該眼底圖中定位該眼球的一中心;以及 依據該中心決定該興趣區域。
- 如請求項8所述的影像處理裝置,其中該處理器更經配置用以: 由該眼底圖的外側自中心找尋該眼球的邊界,其中該眼球的邊界的一側的亮度值高於另一側;以及 依據該眼球的邊界決定該興趣區域。
- 如請求項8所述的影像處理裝置,其中該處理器更經配置用以: 自該眼底圖切割出該興趣區域;以及 在該興趣區域外加上一背景色以形成該第一影像。
- 如請求項8所述的影像處理裝置,其中該平滑處理為一高斯模糊,且該處理器更經配置用以: 對該第一影像進行該高斯模糊。
- 如請求項8所述的影像處理裝置,其中該處理器更經配置用以: 依據該數值差異與一參考值之間的距離按比例增加該數值差異。
- 如請求項8所述的影像處理裝置,其中該處理器更經配置用以: 將該第三影像輸入至基於機器學習演算法的一檢測模型。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110109989A TWI775356B (zh) | 2021-03-19 | 2021-03-19 | 用於眼底圖的影像前處理方法及影像處理裝置 |
CN202110411128.7A CN115115528A (zh) | 2021-03-19 | 2021-04-16 | 用于眼底图的图像前处理方法及图像处理装置 |
US17/235,938 US11954824B2 (en) | 2021-03-19 | 2021-04-21 | Image pre-processing method and image processing apparatus for fundoscopic image |
JP2021119515A JP7337124B2 (ja) | 2021-03-19 | 2021-07-20 | 眼底検査画像用の画像前処理方法及び画像処理装置 |
EP21196275.8A EP4060601A1 (en) | 2021-03-19 | 2021-09-13 | Image pre-processing for a fundoscopic image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110109989A TWI775356B (zh) | 2021-03-19 | 2021-03-19 | 用於眼底圖的影像前處理方法及影像處理裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI775356B true TWI775356B (zh) | 2022-08-21 |
TW202238514A TW202238514A (zh) | 2022-10-01 |
Family
ID=77739002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110109989A TWI775356B (zh) | 2021-03-19 | 2021-03-19 | 用於眼底圖的影像前處理方法及影像處理裝置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11954824B2 (zh) |
EP (1) | EP4060601A1 (zh) |
JP (1) | JP7337124B2 (zh) |
CN (1) | CN115115528A (zh) |
TW (1) | TWI775356B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9002085B1 (en) * | 2013-10-22 | 2015-04-07 | Eyenuk, Inc. | Systems and methods for automatically generating descriptions of retinal images |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3618877B2 (ja) | 1996-02-05 | 2005-02-09 | キヤノン株式会社 | 眼科画像処理装置 |
US6915024B1 (en) * | 2000-09-29 | 2005-07-05 | Hewlett-Packard Development Company, L.P. | Image sharpening by variable contrast mapping |
JP4190221B2 (ja) * | 2002-07-09 | 2008-12-03 | Hoya株式会社 | 画像輪郭強調装置 |
KR20050025927A (ko) * | 2003-09-08 | 2005-03-14 | 유웅덕 | 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법 |
JP4636841B2 (ja) | 2004-09-29 | 2011-02-23 | キヤノン株式会社 | 眼科画像撮影装置及び撮影方法 |
US8320641B2 (en) * | 2004-10-28 | 2012-11-27 | DigitalOptics Corporation Europe Limited | Method and apparatus for red-eye detection using preview or other reference images |
JP2006263127A (ja) | 2005-03-24 | 2006-10-05 | Gifu Univ | 眼底画像診断支援システム、及び眼底画像診断支援プログラム |
JP2007117154A (ja) | 2005-10-25 | 2007-05-17 | Pentax Corp | 電子内視鏡システム |
US20070248277A1 (en) * | 2006-04-24 | 2007-10-25 | Scrofano Michael A | Method And System For Processing Image Data |
JP2015051054A (ja) | 2013-09-05 | 2015-03-19 | キヤノン株式会社 | 画像処理装置、画像処理システム及び画像処理方法 |
BR122018007961B1 (pt) * | 2015-09-11 | 2024-04-30 | Jumio Corporation | Método implementado por computador e sistema |
CN108229252B (zh) * | 2016-12-15 | 2020-12-15 | 腾讯科技(深圳)有限公司 | 一种瞳孔定位方法及系统 |
US20190014982A1 (en) * | 2017-07-12 | 2019-01-17 | iHealthScreen Inc. | Automated blood vessel feature detection and quantification for retinal image grading and disease screening |
CN111833334A (zh) | 2020-07-16 | 2020-10-27 | 上海志唐健康科技有限公司 | 一种基于孪生网络架构的眼底影像特征处理分析方法 |
-
2021
- 2021-03-19 TW TW110109989A patent/TWI775356B/zh active
- 2021-04-16 CN CN202110411128.7A patent/CN115115528A/zh active Pending
- 2021-04-21 US US17/235,938 patent/US11954824B2/en active Active
- 2021-07-20 JP JP2021119515A patent/JP7337124B2/ja active Active
- 2021-09-13 EP EP21196275.8A patent/EP4060601A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9002085B1 (en) * | 2013-10-22 | 2015-04-07 | Eyenuk, Inc. | Systems and methods for automatically generating descriptions of retinal images |
Also Published As
Publication number | Publication date |
---|---|
US11954824B2 (en) | 2024-04-09 |
EP4060601A1 (en) | 2022-09-21 |
US20220301111A1 (en) | 2022-09-22 |
TW202238514A (zh) | 2022-10-01 |
JP2022145411A (ja) | 2022-10-04 |
JP7337124B2 (ja) | 2023-09-01 |
CN115115528A (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021169128A1 (zh) | 眼底视网膜血管识别及量化方法、装置、设备及存储介质 | |
Sevastopolsky | Optic disc and cup segmentation methods for glaucoma detection with modification of U-Net convolutional neural network | |
Rebouças Filho et al. | Automatic histologically-closer classification of skin lesions | |
Liu et al. | Automatic skin lesion classification based on mid-level feature learning | |
Moradi et al. | Kernel sparse representation based model for skin lesions segmentation and classification | |
Panda et al. | New binary Hausdorff symmetry measure based seeded region growing for retinal vessel segmentation | |
Hsu et al. | Chronic wound assessment and infection detection method | |
Khowaja et al. | A framework for retinal vessel segmentation from fundus images using hybrid feature set and hierarchical classification | |
CN111882566B (zh) | 视网膜图像的血管分割方法、装置、设备及存储介质 | |
Cavalcanti et al. | Macroscopic pigmented skin lesion segmentation and its influence on lesion classification and diagnosis | |
WO2020001236A1 (zh) | 提取医学图像标注的方法及装置 | |
Liu et al. | Joint optic disc and cup segmentation based on densely connected depthwise separable convolution deep network | |
Dhane et al. | Spectral clustering for unsupervised segmentation of lower extremity wound beds using optical images | |
Ma et al. | Multichannel retinal blood vessel segmentation based on the combination of matched filter and U-Net network | |
JP6578058B2 (ja) | 画像処理装置、画像処理装置の作動方法及び画像処理装置の作動プログラム | |
Vij et al. | A systematic review on diabetic retinopathy detection using deep learning techniques | |
Choudhary et al. | Skin lesion detection based on deep neural networks | |
Biswal et al. | Robust retinal optic disc and optic cup segmentation via stationary wavelet transform and maximum vessel pixel sum | |
Khan et al. | An efficient technique for retinal vessel segmentation and denoising using modified ISODATA and CLAHE | |
Tang et al. | Selective search and intensity context based retina vessel image segmentation | |
Kanca et al. | Learning hand-crafted features for k-NN based skin disease classification | |
TWI775356B (zh) | 用於眼底圖的影像前處理方法及影像處理裝置 | |
WO2020140380A1 (zh) | 一种光学相干断层扫描图像的快速分割方法及装置 | |
Sathananthavathi et al. | Improvement of thin retinal vessel extraction using mean matting method | |
Xiang et al. | Segmentation of retinal blood vessels based on divergence and bot-hat transform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent |