CN103565404B - 识别关注对象的特征及处理断层图像的方法和设备 - Google Patents

识别关注对象的特征及处理断层图像的方法和设备 Download PDF

Info

Publication number
CN103565404B
CN103565404B CN201310326084.3A CN201310326084A CN103565404B CN 103565404 B CN103565404 B CN 103565404B CN 201310326084 A CN201310326084 A CN 201310326084A CN 103565404 B CN103565404 B CN 103565404B
Authority
CN
China
Prior art keywords
image
optic disc
faultage image
layer
position data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201310326084.3A
Other languages
English (en)
Other versions
CN103565404A (zh
Inventor
L·品特尔
K·彼得罗夫斯基
M·波佩克
W·苏拉
K·左克夫斯基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Inc
Original Assignee
Canon Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Canon Inc filed Critical Canon Inc
Publication of CN103565404A publication Critical patent/CN103565404A/zh
Application granted granted Critical
Publication of CN103565404B publication Critical patent/CN103565404B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明涉及识别关注对象的特征及处理断层图像的方法和设备。提供一种用于判断在断层图像中被测对象的特征的位置的方法和设备，该方法包括：在附加图像中确定关注对象的特征的特征点；基于检测到的特征点确定在附加图像中与特征相关的位置数据；以及在断层图像中识别关注对象的特征，其中，使用附加图像中的所确定的位置数据来引导识别。本发明还涉及一种计算机可读取的载体介质，其可以是非易失性的并且在由处理器执行的情况下配置计算机以执行该方法。

Description

识别关注对象的特征及处理断层图像的方法和设备
技术领域
本发明涉及一种用于在使用光学相干断层成像(OCT)的摄像系统中确定被测对象的特征在断层图像中的位置的方法和设备。特别地，但非排他地，本发明涉及在光学断层图像数据获取、特别是OCT扫描期间检测在眼的特定层之间的边界以及检测诸如视盘(盲点)或者中央凹等的某些眼特有的特征。
背景技术
光学相干断层成像(OCT)是一种用于进行能够提供组织结构的图像的高分辨率截面摄像的技术。OCT是一种确定样本在OCT光束的方向上的散射分布的干涉的方法。各个散射分布被称作轴向扫描、或者A扫描。跨结构的一系列A扫描使得能够对通过组织的前部或者后部的平面进行截面的重建。这称为B扫描。
利用光学相干断层成像结果(结构数据)的层分割和特征识别(分割/特征)算法是大部分市售的OCT装置(例如SOCT Copernicus，Optopol；RS-3000,Nidek;OCT-2000,Topcon;Cirrus HD-OCT,Carl Zeiss Meditec)提供的基本功能。
分割/特征算法试图检测在特定层之间的边界以及检测诸如视盘(盲点)或者中央凹等的某些眼特有的特征。在许多情况下，能够使用健康眼的模型来进行精确的层分割。然而，在对某些病变眼摄像的情况下该方法失败。已知的方法中还存在以下缺陷，即难以对单个断层图像(即，在XZ或者YZ平面中进行的单个B扫描，其中Z轴表示摄像样本的深度)进行精确的层分割和/或特征检测。这样的困难是由于缺乏关于视网膜的被扫描区域的位置的信息。在这种情况下以及在诸如视网膜中的洞等的某些病变的情况下，可能将假非解剖区域识别为视盘区域。
为了克服上述不足，能够通过分析从3D OCT数据所重建的眼底状图像(即，在XY平面上的投影图像)的特征来获得附加信息。关于视盘的位置的附加信息对于改进分割/特征算法的性能非常有用。附加信息可以用于与视盘的位置相关地确定单个B扫描的位置，并且基于该信息，调整和/或修改分割算法的参数。然而，由于以下原因中的一个或者多个而不能进行基于3D OCT数据量的视盘检测：
在视盘附近的断层图像的质量不足以进行成功的检测；
检查区域不包括视盘；或者
检查区域包括视盘，但是由于3D数据的低分辨率(例如，B扫描和/或A扫描的数量少)而不能检测。
因此，对用于与视网膜的例如视盘的某些共同特征相关地识别B扫描的位置的改进方法存在需求。因此，需要有在分割处理之前找到视盘(或者视网膜的其它特征)的位置的产品或者处理。
发明内容
为了实现上述目标，在第一方面中提供了一种用于在断层图像中识别关注对象的特征的方法，该方法包括：
-在附加图像中确定关注对象的特征的特征点；
-基于检测到的特征点确定在附加图像中与特征相关的位置数据；以及
-在断层图像中识别关注对象的特征，其中，使用所确定的在附加图像中的位置数据来引导识别。
在一个实施例中，断层图像中的特征和附加图像中的特征是关注对象的相同特征。
优选为附加图像不是断层图像。例如，可以通过以扫描激光检眼镜、眼底照相机或者其它视网膜摄像装置摄像来获得附加图像。
在一个实施例中引导识别包括校正特征的初始识别。
优选为引导识别包括使附加图像的位置数据与断层图像的位置数据相匹配。
有利地，引导识别还包括利用匹配后的位置数据来确定在断层图像中的如下关注区域，其中，要在该关注区域中搜索在断层图像中要识别的特征。
在一个实施例中，通过利用图像匹配算法将附加图像与断层图像对齐来进行将附加图像的位置数据与断层图像的位置数据的匹配。
在其它实施例中，通过手动地将附加图像与断层图像对齐来进行将附加图像的位置数据与断层图像的位置数据的匹配。
在其它实施例中，通过确定在附加图像与断层图像之间的关系并且利用所确定的关系来将附加图像与断层图像对齐来进行将附加图像的位置数据与断层图像的位置数据的匹配。
在其它实施例中，通过确定在硬件组件之间的关系并且利用所确定的关系来将附加图像与断层图像对齐来进行将附加图像的位置数据与断层图像的位置数据的匹配。
有利地，可以将断层图像转换为二维图像。
优选为，关注对象为眼并且特征与眼中的视网膜的视盘相关。
在一个实施例中，将与视盘相关的特征用于限定对视网膜的层的厚度的校正区域。
在其它实施例中，将与视盘相关的特征用于限定会聚视网膜的层的区域。
在其它实施例中，将与视盘相关的特征用于限定去除牵拉(traction)的假阳性检测的区域。
有利地，根据本发明的设备适于进行用于在断层图像中识别关注对象的特征的方法。
根据本发明的计算机可读取的介质优选为包括在执行的情况下使得装置执行用于在断层图像中识别关注对象的特征的方法的指示。计算机可读取的载体介质可以是非易失性的。
在另一方面中提供一种用于处理断层图像的方法，该方法包括，在断层图像中识别视盘；在断层图像中检测层边界；以及，在断层图像中，将检测出的层边界会聚到识别出的视盘周围的视网膜色素上皮层(RPE)的端部。
在一个实施例中，检测包括检测多个层边界，并且会聚包括将除在玻璃体与视网膜神经纤维层(RNFL)之间检测到的任何边界之外的各个检测到的层边界会聚到识别出的视盘周围的视网膜色素上皮层的端部。
在另一方面中，提供一种用于处理断层图像的方法，该方法包括，在断层图像中识别视盘；以及在断层图像中沿着从识别出的视盘内部开始并且朝向断层图像的边缘结束的路径检测视网膜神经纤维层。
在其它方面中，提供了一种用于在断层图像中识别关注对象的特征的设备，所述设备包括：-第一确定部件，用于在附加图像中确定所述关注对象的特征的特征点；-第二确定部件，基于检测到的特征点确定所述附加图像中的与所述特征相关的位置数据；以及-识别部件，用于在所述断层图像中识别所述关注对象的特征，其中，使用所确定的所述附加图像中的位置数据来引导所述识别。
在其它方面中，提供了一种用于处理断层图像的设备，所述设备包括：-识别部件，用于在断层图像中识别视盘；-检测部件，用于在所述断层图像中检测层边界；以及-会聚部件，用于在所述断层图像中，使检测到的层边界会聚到识别出的视盘周围的视网膜色素上皮层的端部。
在其它方面中，提供了一种用于处理断层图像的设备，所述设备包括：-识别部件，用于在断层图像中识别视盘；以及-检测部件，用于在所述断层图像中沿着从识别出的视盘内部开始并且朝向所述断层图像的边缘终止的路径来检测视网膜神经纤维层。
可以将通过根据本发明的方法和设备获得的数据用于改进进一步分析的结果，例如可以不管OCT而检测到视盘的位置和形状以及中央凹的位置。可以减小用于OCT视盘检测算法的搜索区域从而改进结果的性能和质量。
附图说明
现在将以示例方式对附图进行参考，其中：
图1示出根据本发明的方法的实施例的具有SLO视盘检测的流程图；
图2示出具有SLO视盘检测的用于层分析的方法的流程图；
图3示出在图1中的步骤S104和S105中所利用的OCT视盘搜索区域与眼底图像之间的关系；
图4示出在图2的步骤S203中将错误地检测为层的牵拉去除后的结果图像；以及
图5示出在图2的步骤S204中去除从内部视盘区域检测到的层后的结果图像。
具体实施方式
在第一实施例中，在OCT数据获取的同时由第二摄像设备拍摄视网膜的图像。在本实施例中，第二摄像设备包括扫描激光检眼镜(SLO)，其获得视网膜的图像，但是应当理解本发明不限于此。可以使用适合于获得关注特征的图像的任何适合的摄像设备。例如，对于用以识别视盘的视网膜摄像，可以使用适合于视网膜摄像的眼底照相机或者其它类似装置。
基于所拍摄的图像来获得所拍摄的视网膜的特定特征的位置。
参考图1，示出本发明的实施例的流程图。总的来说，首先在附加图像上检测视盘位置。这可以通过应用诸如边缘检测滤波器、检测圆形区域的变换等的常见图像处理技术来实现。
这生成包括诸如视盘中心的坐标以及表示视盘边界的多边形等的视盘位置的一组数据。
第二，将附加图像与OCT扫描区域对齐以使得在附加图像上可见的视网膜特征的位置与那些元素在OCT图像上的位置对齐。可以通过准备OCT数据的二维投影并且使用任何适合的数学优化技术来进行这样的操作，以找到这两个图像的最佳匹配。在找到这样的最佳匹配变换的情况下，将从附加图像提取的数据变换到OCT数据的空间，由此使其能够在OCT检测算法中使用。
根据图1中示出的优选实施例，在步骤S101中，通过应用一系列图像滤波器以增强图像并且去除噪声(诸如高斯模糊或者中位数)来检测视网膜图像上的视盘。随后，使用诸如Hough变换或者检测视盘边缘的定向滤波器组等的被设计用于检测图像上的圆形区域的任何算法。结果包括在视网膜图像上所确定的视盘的中心的坐标以及描绘视盘边界的多边形。
在步骤S102中，将在步骤S101中所确定的坐标匹配或者转换到OCT图像空间。步骤S102中的匹配处理可以按以下方法之一进行：
通过适当地对齐硬件组件，以使得视网膜图像与OCT扫描区域的关系已知。接着，能够利用在硬件组件之间已知的几何关系来将SLO和OCT数据集两者对齐；
通过确定在视网膜图像与OCT数据之间的关系(例如，依赖于在视网膜和OCT摄像中的一个或者两者中所使用的扫描参数组的函数)并且进行特定计算以对齐两个数据集；
通过利用传统的图像匹配算法来将视网膜图像与OCT投影图像对齐；
通过手动对齐图像(例如，通过将视网膜图像和OCT图像投影在显示器上并且让用户调整某一个所显示的图像的参数，直到图像变得对齐为止)。
在视网膜图像上检测到视盘并且视网膜图像与OCT数据适当对齐的情况下，可以执行步骤S103并且检查OCT是否包含视盘区域。如果是，则可以进行在OCT图像上的视盘检测。否则，随后的所有用于特征检测的算法在层检测期间可以将视网膜图像视盘检测用作参考。
根据优选实施例，将OCT数据转换为类似眼底图像的二维图像，即投影图像。可以以与在视网膜图像上检测视盘相似的方式来执行在投影图像上的视盘检测(图1中的步骤S104和S105)。然而，可以以若干方式来利用在视网膜图像检测上的视盘检测以改进并且简化OCT视盘检测算法。例如：
可以将视网膜图像视盘检测的AABB(轴向对齐包围框)映射到OCT坐标系中以限制搜索区域。这在图3中示出，其中示出已拍摄了视盘305的视网膜图像301。将包围视网膜图像301中所检测到的视盘特征的包围框303映射或者投影到OCT图像数据的相对应的区域304上。由所投影的包围框区域303来限制OCT检测算法搜索视盘的区域；
在视网膜图像检测表示视盘位于OCT数据的边缘的情况下，OCT视盘检测算法可以相对应地调整视盘位置以反映这一点；
OCT检测算法可以将在OCT图像上检测到的视盘的形状与在视网膜图像上检测到的视盘的形状相比较。形状之间的相关性或者相似度提供了关于识别是否可靠的度量。例如，可以使用用于确定相关值的任何数学运算。
需要在步骤S106/S107检查是否在OCT图像中检测到了视盘。由于病变、图像伪影或者OCT检测的质量差，OCT检测的结果可能没有好到足以在随后的层检测处理中使用。在这种情况下，有必要使用视网膜图像检测结果以保留使用某些层检测改进的可能性。
因此，在SLO上检测视盘后，例如可以将所提取的SLO位置数据用于至少以下目的：
在OCT检测失败(或者不可用)的情况下，在层检测算法中利用检测到的SLO视盘位置数据而不是OCT检测；
从层检测中排除从SLO图像所检测到的视盘区域(解剖学上，那里不存在层)；
使层会聚到RPE边界在解剖学上到达视神经并且中断的点；以及
符合在视盘区域附近的层厚度上的差异。
解剖学上，在视盘区域内部不存在牵拉，因此在那里能够清楚地确定玻璃体/RNFL边界的位置。接着，可以使用此信息将牵拉区别于玻璃体/RNFL层(二者具有相似的梯度)以改进分析结果。
以下将参考图2来说明利用在视网膜图像中的视盘检测来引导或者辅助层检测的识别以及识别的这些方面。
在图2的步骤S201中进行初始层检测。在使用从视网膜图像所转换的视盘位置信息引导OCT图像中的层检测结果之前需要这一步。例如，该检测可以通过以下方法中的一个或者多个来进行：
应用梯度滤波器以暴露在层之间的亮度差异；以及
利用边缘跟踪算法。
可以在初始检测中使用视盘检测的结果，以使得算法忽略不能可靠地进行层检测的区域。
有时，在初始检测的处理中，某些层被错误地检测-例如，其检测到的垂直位置可能过低或者过高。由于断层图像的质量差异以及层的亮度上的相似，因此有时可能将(如断层图像上所见的)较低层检测为较高层。因而，在步骤S202中，基于在视盘附近的解剖层厚度来校正OCT图像的所检测到的层。
解剖学上，在眼的不同区域中，层一般不超过厚度的限定范围。通过检查层是否符合适当的厚度范围并且在需要的情况下进行一些调整，关于视盘的信息可以提供校正被错误地检测的层的方法。
在检测期间，有时可能将病变检测为层。例如，牵拉具有与RNFL层非常类似的噪声特征。因此，会将牵拉错误地检测为RNFL层，造成对其余全部层的错误检测。然而，在视盘的附近一般不存在牵拉，因此能够使用所检测到的视盘位置将RNFL层区别于这些病变。通过在图2的方法的步骤S203中使用视盘位置去除对牵拉的假阳性检测来利用该属性。
在图4中更详细地示出了典型情况，其中图4示出与所要检测的RNFL层403几乎对齐的牵拉401。存在可能将牵拉401误识别为RNFL层的一部分的风险。然而，能够将检测到的视盘的位置用于确定从所检测到的视盘区域内部开始并且在断层图像的边缘结束的追踪路径402。接着，算法可以尝试从检测到的视盘区域向断层图像的边缘追踪RNFL层，由此避开了牵拉。作为替代，算法可以对检测到的边界片段分配值以选择有效的层边界而非牵拉。
按照人眼解剖学，在视盘区域内部不存在视网膜层。在步骤S204中利用了该属性。算法在检测层边界时可以省略此区域以避免假阳性检测。
在图5中示出了这一点，其中502示出应当省略层边界的检测的检测到的视盘区域。
按照人眼解剖学，全部的视网膜层边界(除了玻璃体/RNFL以外)会聚到RPE层在视神经头周围终止的位置。因此，在步骤S205中，可以使用基于检测到的视盘位置的信息进行必要的调整，以使得所检测到(除RNFL层以外)的层适于反映该已知属性。例如，可以强制使非RNFL层的层边界在两侧会聚到RPE端部。
在图5中示出了这一点，其中示出跨视盘区域502连续的原始检测到的层边界503。将校正后的层边界504强制会聚到基于检测到的视盘区域502而确定的RPE端部505a和505b，从而存在非RNFL边界被强制会聚的会聚区域501。
在其它实施例中，SLO视盘多边形的形状可以用于评价OCT投影图像的缩放比率。接着，可以使用OCT投影图像来检测视盘。在检测后，OCT图像上的视盘具有圆形的形状的概率高，这实际上简化了检测处理。
上述实施例涉及眼的OCT摄像，然而，应当理解本发明还适用于具有相似的定义良好的形状和结构的其它对象的摄像。例如，手指和脚趾或者包括分层的物质或组织的任何其它对象。此外，除了层检测以外，也可以对图像对象上可见的任何其它特征进行这里说明的有利的方法。
尽管已说明了体现本发明的启示的各种实施例，但是本领域的技术人员还能容易地设计仍然体现这些启示的许多其它变形实施例。
体现本发明的方法也可以是计算机实现的方法。因此，本发明扩展到在由计算机或者处理器执行的情况下、使得计算机或者处理器执行以上说明的任何方法的程序。
这样的程序可以由其自身提供、或者可以承载在载体介质中、由载体介质承载或者在载体介质上承载。载体介质可以是存储介质或者记录介质、特别是计算机可读取的存储介质。示例包括硬盘驱动器、DVD或者存储器装置。
载体介质还可以是诸如信号等的传输介质。因此，可以通过包括因特网的网络来以信号的形式发布、下载或者上传体现本发明的程序。
该程序可以是非易失性的。

Claims (15)

1.一种用于处理视网膜的断层图像的方法，所述方法包括：
-在附加图像中确定视盘；
-确定所述附加图像中的与所述视盘相关的位置数据；
-基于所确定的位置数据来在所述断层图像中识别视盘；以及
-基于识别出的视盘来在所述断层图像中检测层边界。
2.根据权利要求1所述的方法，其中，所述附加图像不是断层图像。
3.根据权利要求1所述的方法，其中，识别视盘包括使所述附加图像的所述位置数据与所述断层图像的位置数据匹配。
4.根据权利要求3所述的方法，其中，识别视盘还包括利用匹配后的位置数据来确定在所述断层图像中的如下视盘区域，其中，要在该视盘区域中搜索在所述断层图像中要识别的视盘。
5.根据权利要求3所述的方法，其中，通过利用图像匹配算法将所述附加图像与所述断层图像对齐，进行所述附加图像的所述位置数据与所述断层图像的位置数据的匹配。
6.根据权利要求3所述的方法，其中，通过手动地将所述附加图像与所述断层图像对齐，进行所述附加图像的所述位置数据与所述断层图像的位置数据的匹配。
7.根据权利要求3所述的方法，其中，通过确定在所述附加图像与所述断层图像之间的关系、并且利用所确定的关系来将所述附加图像与所述断层图像对齐，进行所述附加图像的所述位置数据与所述断层图像的位置数据的匹配。
8.根据权利要求3所述的方法，其中，通过确定在硬件组件之间的关系、并且利用所确定的关系来将所述附加图像与所述断层图像对齐，进行所述附加图像的所述位置数据与所述断层图像的位置数据的匹配。
9.根据权利要求1所述的方法，其中，将所述断层图像转换为二维图像。
10.根据权利要求1至9中任一项所述的方法，还包括：
使检测到的层边界会聚到视盘周围的视网膜色素上皮层的端部位置，其中，所述端部位置是基于识别出的视盘的位置而确定的。
11.根据权利要求1所述的方法，其中，使用与视盘相关的特征限定用于去除对牵拉的假阳性检测的区域。
12.一种用于处理视网膜的断层图像的方法，所述方法包括：
-在断层图像中识别视盘；
-在所述断层图像中检测层边界；以及
-在所述断层图像中，使检测到的层边界会聚到识别出的视盘周围的视网膜色素上皮层的端部。
13.根据权利要求12所述的方法，其中，所述检测包括检测多个所述层边界，并且所述会聚包括将除在玻璃体与视网膜神经纤维层之间检测到的任何边界之外的各个检测到的层边界会聚到识别出的视盘周围的视网膜色素上皮层的端部。
14.一种用于处理视网膜的断层图像的设备，所述设备包括：
-第一确定部件，用于在附加图像中确定视盘；
-第二确定部件，用于确定所述附加图像中的与所述视盘相关的位置数据；
-识别部件，用于基于所确定的位置数据来在所述断层图像中识别视盘；以及
-检测部件，用于基于识别出的视盘来在所述断层图像中检测层边界。
15.一种用于处理视网膜的断层图像的设备，所述设备包括：
-识别部件，用于在断层图像中识别视盘；
-检测部件，用于在所述断层图像中检测层边界；以及
-会聚部件，用于在所述断层图像中，使检测到的层边界会聚到识别出的视盘周围的视网膜色素上皮层的端部。
CN201310326084.3A 2012-07-30 2013-07-30 识别关注对象的特征及处理断层图像的方法和设备 Expired - Fee Related CN103565404B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP12178557.0 2012-07-30
EP12178557.0A EP2693399B1 (en) 2012-07-30 2012-07-30 Method and apparatus for tomography imaging

Publications (2)

Publication Number Publication Date
CN103565404A CN103565404A (zh) 2014-02-12
CN103565404B true CN103565404B (zh) 2016-08-10

Family

ID=46982378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310326084.3A Expired - Fee Related CN103565404B (zh) 2012-07-30 2013-07-30 识别关注对象的特征及处理断层图像的方法和设备

Country Status (4)

Country Link
US (1) US9582732B2 (zh)
EP (1) EP2693399B1 (zh)
JP (1) JP5769766B2 (zh)
CN (1) CN103565404B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2693399B1 (en) * 2012-07-30 2019-02-27 Canon Kabushiki Kaisha Method and apparatus for tomography imaging
JP6118698B2 (ja) * 2013-09-30 2017-04-19 株式会社Ihi 画像解析装置及びプログラム
CN104434026B (zh) * 2014-12-17 2016-08-17 深圳市斯尔顿科技有限公司 视网膜注视点偏离黄斑中心凹的检测方法
US10123689B2 (en) 2015-10-28 2018-11-13 Oregon Health & Science University Systems and methods for retinal layer segmentation in OCT imaging and OCT angiography
CN106447663A (zh) * 2016-09-30 2017-02-22 深圳市莫廷影像技术有限公司 一种去除重影的眼科oct图像高清配准方法及装置
US10346723B2 (en) * 2016-11-01 2019-07-09 Snap Inc. Neural network for object detection in images
US10832402B2 (en) * 2017-03-10 2020-11-10 Carl Zeiss Meditec, Inc. Methods for detection and enhanced visualization of pathologies in a human eye
CN112526608B (zh) * 2020-11-16 2022-08-02 哈尔滨工程大学 一种基于射线简正波的深海完整声道会聚区分类方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101400295A (zh) * 2006-01-19 2009-04-01 光视有限公司 通过光学相干层析x射线摄影技术检查眼睛的方法
CN101896114A (zh) * 2008-07-31 2010-11-24 佳能株式会社 眼部诊断支持设备及其方法、程序和记录介质
CN102479385A (zh) * 2010-11-19 2012-05-30 佳能株式会社 图像处理设备和图像处理方法

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7668342B2 (en) * 2005-09-09 2010-02-23 Carl Zeiss Meditec, Inc. Method of bioimage data processing for revealing more meaningful anatomic features of diseased tissues
JP4916779B2 (ja) * 2005-09-29 2012-04-18 株式会社トプコン 眼底観察装置
US7524061B2 (en) * 2005-10-12 2009-04-28 Siemens Corporate Research, Inc. System and method for robust optic disk detection in retinal images using vessel structure and radon transform
WO2007133964A2 (en) * 2006-05-12 2007-11-22 The General Hospital Corporation Processes, arrangements and systems for providing a fiber layer thickness map based on optical coherence tomography images
JP5095167B2 (ja) * 2006-09-19 2012-12-12 株式会社トプコン 眼底観察装置、眼底画像表示装置及び眼底観察プログラム
US8223143B2 (en) * 2006-10-27 2012-07-17 Carl Zeiss Meditec, Inc. User interface for efficiently displaying relevant OCT imaging data
WO2009131655A2 (en) * 2008-04-23 2009-10-29 University Of Pittsburgh - Of The Commonwealth System Of Higher Education Automated assessment of optic nerve head with spectral domain optical coherence tomograph
WO2010138645A2 (en) * 2009-05-29 2010-12-02 University Of Pittsburgh - Of The Commonwealth System Of Higher Education Blood vessel segmentation with three-dimensional spectral domain optical coherence tomography
JP4850927B2 (ja) * 2009-06-02 2012-01-11 キヤノン株式会社 画像処理装置、画像処理方法及びコンピュータプログラム
JP4909377B2 (ja) * 2009-06-02 2012-04-04 キヤノン株式会社 画像処理装置及びその制御方法、コンピュータプログラム
JP2011087672A (ja) * 2009-10-21 2011-05-06 Topcon Corp 眼底画像処理装置及び眼底観察装置
JP5582772B2 (ja) * 2009-12-08 2014-09-03 キヤノン株式会社 画像処理装置及び画像処理方法
WO2011074078A1 (ja) * 2009-12-15 2011-06-23 キヤノン株式会社 画像処理装置、画像処理方法、撮像システム及びプログラム
JP5631032B2 (ja) * 2010-03-19 2014-11-26 キヤノン株式会社 画像処理装置、画像処理システム、画像処理方法、及び画像処理をコンピュータに実行させるためのプログラム
JP5645432B2 (ja) * 2010-03-19 2014-12-24 キヤノン株式会社 画像処理装置、画像処理システム、画像処理方法、及び画像処理をコンピュータに実行させるためのプログラム
JP5451492B2 (ja) * 2010-03-31 2014-03-26 キヤノン株式会社 画像処理装置、その制御方法及びプログラム
JP5693101B2 (ja) * 2010-08-30 2015-04-01 キヤノン株式会社 画像処理装置及び画像処理方法
JP5751815B2 (ja) * 2010-12-09 2015-07-22 キヤノン株式会社 画像処理装置、撮影システム、画像処理方法及びプログラム
US8801187B1 (en) * 2010-12-23 2014-08-12 Carl Zeiss Meditec, Inc. Methods to reduce variance in OCT analysis of the macula
JP5792967B2 (ja) * 2011-02-25 2015-10-14 キヤノン株式会社 画像処理装置及び画像処理システム
JP5822485B2 (ja) * 2011-02-25 2015-11-24 キヤノン株式会社 画像処理装置、画像処理方法、画像処理システム、ｓｌｏ装置、およびプログラム
EP2690581A1 (en) * 2012-07-27 2014-01-29 Canon Kabushiki Kaisha Method and apparatus for detecting a pupil
EP2693399B1 (en) * 2012-07-30 2019-02-27 Canon Kabushiki Kaisha Method and apparatus for tomography imaging
EP2692284A1 (en) * 2012-07-30 2014-02-05 Canon Kabushiki Kaisha Method and apparatus for geometric correction of OCT data representing a scan obtained by means of optical coherence tomography imaging of a sample
JP6099903B2 (ja) * 2012-08-30 2017-03-22 キヤノン株式会社 画像処理装置および画像処理方法
US9107610B2 (en) * 2012-11-30 2015-08-18 Kabushiki Kaisha Topcon Optic neuropathy detection with three-dimensional optical coherence tomography
JP2016002380A (ja) * 2014-06-18 2016-01-12 キヤノン株式会社 画像処理装置、その作動方法及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101400295A (zh) * 2006-01-19 2009-04-01 光视有限公司 通过光学相干层析x射线摄影技术检查眼睛的方法
EP1976424A4 (en) * 2006-01-19 2010-07-28 Optovue Inc EYE EXAMINATION METHOD BY OPTICAL COHERENCE TOMOGRAPHY
CN101896114A (zh) * 2008-07-31 2010-11-24 佳能株式会社 眼部诊断支持设备及其方法、程序和记录介质
CN102479385A (zh) * 2010-11-19 2012-05-30 佳能株式会社 图像处理设备和图像处理方法

Also Published As

Publication number Publication date
EP2693399A1 (en) 2014-02-05
US20140029825A1 (en) 2014-01-30
EP2693399B1 (en) 2019-02-27
JP5769766B2 (ja) 2015-08-26
JP2014023933A (ja) 2014-02-06
CN103565404A (zh) 2014-02-12
US9582732B2 (en) 2017-02-28

Similar Documents

Publication Publication Date Title
CN103565404B (zh) 识别关注对象的特征及处理断层图像的方法和设备
JP7229881B2 (ja) 医用画像処理装置、学習済モデル、医用画像処理方法及びプログラム
Abràmoff et al. Retinal imaging and image analysis
JP7250653B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP7269413B2 (ja) 医用画像処理装置、医用画像処理システム、医用画像処理方法及びプログラム
US9098742B2 (en) Image processing apparatus and image processing method
US7524061B2 (en) System and method for robust optic disk detection in retinal images using vessel structure and radon transform
US9585560B2 (en) Image processing apparatus, image processing method, and program
JP6226510B2 (ja) 画像処理システム、処理方法及びプログラム
US8699774B2 (en) Image processing apparatus, control method thereof, and program
US9418423B2 (en) Motion correction and normalization of features in optical coherence tomography
US20110137157A1 (en) Image processing apparatus and image processing method
AU2021202217B2 (en) Methods and systems for ocular imaging, diagnosis and prognosis
KR20130100384A (ko) 화상처리장치, 그 제어방법 및 컴퓨터 프로그램
US10165939B2 (en) Ophthalmologic apparatus and ophthalmologic apparatus control method
JP2018020192A (ja) 画像処理システム、処理方法及びプログラム
WO2020075719A1 (ja) 画像処理装置、画像処理方法及びプログラム
JP6864450B2 (ja) 眼科撮影装置
Niemeijer et al. Registration of 3D spectral OCT volumes combining ICP with a graph-based approach
JP2018038689A (ja) 眼科撮影装置及び眼科画像処理装置
JP6892234B2 (ja) 眼科撮影装置
JP2017127397A (ja) 画像処理装置、推定方法、システム及びプログラム
WO2019216019A1 (ja) 画像処理装置、画像処理方法及びプログラム
Harabiš et al. Automatic landmarks detection for retinal image registration

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160810

CF01 Termination of patent right due to non-payment of annual fee