CN105243669A - 眼底图像自动识别分区方法 - Google Patents

Abstract

本发明公开了一种眼底图像自动识别分区方法。包括利用眼底照相设备获得<u>黑白</u>或彩色眼底图像照片，并按左眼或右眼分类存档；将左眼或右眼的眼底图像分为七个区，分别是1区—视盘区、2区—黄斑区、3区—黄斑颞侧区、4区—颞上区、5区—颞下区、6区—鼻上区、7区—鼻下区；根据眼底图像中的视盘、黄斑和血管网络信息，利用计算机图形学自动判断采集的眼底图像属于上述眼底七区之一。本发明方法将计算机自动图像识别引入到对眼底七区图像的处理中，提取了眼底不同区域的特征结构，作为自动定位采集的眼底图像的依据，为科研人员或读片医生对眼底七区图像的研读提供了全新的方式，从而大大提高读片效率，并降低出错概率。

Description

眼底图像自动识别分区方法

技术领域

本发明涉及一种基于计算机图像识别技术的眼底图像图像处理技术，特别涉及一种眼底图像自动识别分区方法。

背景技术

眼底视网膜图像通过眼底照相设备可以全面清楚地获得，由于照相时相机的角度不同，或因为病变位置的需要常常获得了不同眼底区域的眼底图像，现有的分区方法通常以视盘为中心分为鼻上，鼻下，颞上和颞下四个区，科研人员或读片医生对眼底图像进行研读，根据每一眼底区位出现的病变特征及严重程度，进行相关疾病诊断与分级，在进行眼底病变研读时，需要首先确定获得的眼底图像所属区域，在将眼底图像简单分为四个区域的条件下，单个病例的图像至少涉及数十张，读片量非常庞大，且容易混淆。

为了进一步的准确划分病变部位，有利于确定病况，获得有效治疗，现有趋势是进一步准确细分眼底区域，而细分的结果是进一步成几何级数地增加获得的眼底图像数量，给后续的读片造成极大的困难，也阻碍了该学科的发展。

随着计算机图像处理和识别技术的发展，通过眼底各区位的医学特征，自动进行分区辨识，能够大大提高读片医生的效率，也为计算机自动读片提供必要的基础。

发明内容

本发明根据现有技术的不足公开了一种眼底图像自动识别分区方法。本发明要解决的问题是提供一种利用计算机图像识别技术对眼底图像进行七区分类及其识别确定的方法。

本发明通过以下技术方案实现：

眼底图像自动识别分区方法，其特征在于：利用眼底照相设备获得黑白或彩色眼底图像照片，并按左眼或右眼分类存档；将左眼或右眼的眼底图像分为七个区，分别是1区—视盘区、2区—黄斑区、3区—黄斑颞侧区、4区—颞上区、5区—颞下区、6区—鼻上区、7区—鼻下区；根据眼底图像中的视盘、黄斑和血管网络信息，利用计算机图形学自动判断采集的眼底图像属于上述眼底七区之一。

本发明所述眼底七区图像是围绕视盘和黄斑来定义的：

1区—视盘区：在眼底，十字准线以视盘颞侧为中心；视盘不在中心提供了黄斑部分的视区；

2区—黄斑区：十字准线以黄斑附近为中心，通过从改良1区位置向颞侧旋动相机以获得适宜位置，不需要必要垂直方向上的调整；

3区—黄斑颞侧：将十字准线置于黄斑颞侧1.0-1.5个视盘直径的位置。在这个位置，黄斑将出现在边缘和屏幕视野中心的中路上；

4区—颞上区：区域的下边界的目标在穿过视盘上边界的水平线，区域的鼻侧在于穿过视盘中心的垂直线；

5区—颞下区：区域的上边界的目标在穿过视盘下边界的水平线，区域的鼻侧在于穿过视盘中心的垂直线；

6区—鼻上区：区域的下边界的目标在穿过视盘上边界的水平线，区域的颞侧在于穿过视盘中心的垂直；

7区—鼻下区：区域的上边界的目标在穿过视盘下边界的水平线，区域的颞侧在于穿过视盘中心的垂直线。

所述计算机图形学自动判断方法是：

提取右眼图像：

首先判断眼底图片中是否含有视盘，若含有视盘，并且视盘的位置靠近中部，则为1区图片；

若含视盘，但视盘位置接近边缘，则为2区图片；

对不含视盘的图片，判断是否有黄斑，如含有黄斑，则为3区图片，

对不含视盘也没有黄斑的图片，根据血管网络的特征来定位属于4-7区图片：若血管走势为向左上方，或通过抛物线法预估视盘位于图像右下方，则为4区图片；若血管走势为向左下方，或通过抛物线法预估视盘位于图像右上方，则为5区图片；若血管走势为向右上方，或通过抛物线法预估视盘位于图像左下方，则为6区图片；若血管走势为向右下方，或通过抛物线法预估视盘位于图像左上方，则为7区图片；

提取左眼图像：

首先判断眼底图片中是否含有视盘，若含有视盘，并且视盘的位置靠近中部，则为1区图片；

若含视盘，但视盘位置接近边缘，则为2区图片；

对不含视盘的图片，判断是否有黄斑，如含有黄斑，则为3区图片，

对不含视盘也没有黄斑的图片，根据血管网络的特征来定位属于4-7区图片：若血管走势为向右上方，或通过抛物线法预估视盘位于图像左下方，则为4区图片；若血管走势为向右下方，或通过抛物线法预估视盘位于图像左上方，则为5区图片；若血管走势为向左上方，或通过抛物线法预估视盘位于图像右下方，则为6区图片；若血管走势为向左下方，或通过抛物线法预估视盘位于图像右上方，则为7区图片。

所述根据眼底图像中的视盘信息，利用计算机图形学自动判断是：采用通用图像识别算法，用稀疏表示的方法求出视盘存在的置信度图，然后通过斑点检测的方法将峰值响应确定为视盘中心位置，将检测到的视盘中心点作为种子点，应用区域生长算法得到视盘的初始轮廓。

所述根据眼底图像中的血管网络信息，利用计算机图形学自动判断是：通过基于小波变换的边缘检测方法提取血管的初始轮廓，再采用数学形态学的方法消除边缘图像中的噪声。

所述根据眼底图像中的黄斑信息，利用计算机图形学自动判断是：通过对主血管进行抛物线拟合，并结合视盘区域信息定位黄斑中心。

本发明有益性，本发明方法将计算机自动图像识别引入到对眼底七区图像的处理中，提取了眼底不同区域的特征结构，作为自动定位采集的眼底图像的依据，为科研人员或读片医生对眼底七区图像的研读提供了全新的方式，从而大大提高读片效率，并降低出错概率。

附图说明

图1是本发明眼底七区分区示意图；

图2是本发明眼底照片分区示意图；

图3是本发明眼底照片1区示意图；

图4是本发明眼底照片2区示意图；

图5是本发明眼底照片3区示意图；

图6是本发明眼底照片4区示意图；

图7是本发明眼底照片5区示意图；

图8是本发明眼底照片6区示意图；

图9是本发明眼底照片7区示意图；

图10是本发明右眼识别分区流程框图；

图11是本发明左眼识别分区流程框图。

具体实施方式

下面通过实施例对本发明进行具体的描述，实施例只用于对本发明进行进一步的说明，不能理解为对本发明保护范围的限制，本领域的技术人员根据本发明的内容作出的一些非本质的改进和调整也属于本发明保护的范围。

眼底图像七区的分类定义：

如图1和图2所示，图1是本发明眼底七区分区示意图；图中包括左、右眼底的分区示意图，图中用圆圈表示了1至7区的位置示意，中心位置附近的黑点是视盘，中心位置附近的星号*是黄斑，图中各数字表示了各区编号。图2是本发明眼底照片分区示意图，图中只表示出了4区，图2中4区的血管走向清楚地显示了各区的信息特点。

结合图1和图2。

眼底七区图像围绕视盘和黄斑来定义的:

1区—视盘区：在眼底，十字准线以视盘颞侧为中心；视盘不在中心提供了黄斑部分的视区；

2区—黄斑区：十字准线以黄斑附近为中心，通过从改良1区位置向颞侧旋动相机以获得适宜位置，不需要必要垂直方向上的调整；

3区—黄斑颞侧：将十字准线置于黄斑颞侧1.0-1.5个视盘直径的位置。在这个位置，黄斑将出现在边缘和屏幕视野中心的中路上；

4区—颞上区：区域的下边界的目标在穿过视盘上边界的水平线，区域的鼻侧在于穿过视盘中心的垂直线；

5区—颞下区：区域的上边界的目标在穿过视盘下边界的水平线，区域的鼻侧在于穿过视盘中心的垂直线；

6区—鼻上区：区域的下边界的目标在穿过视盘上边界的水平线，区域的颞侧在于穿过视盘中心的垂直；

7区—鼻下区：区域的上边界的目标在穿过视盘下边界的水平线，区域的颞侧在于穿过视盘中心的垂直线。

眼底图像自动识别分区方法，利用眼底照相设备获得黑白或彩色眼底图像照片，并按左眼或右眼分类存档；将左眼或右眼的眼底图像分为七个区，分别是1区—视盘区、2区—黄斑区、3区—黄斑颞侧区、4区—颞上区、5区—颞下区、6区—鼻上区、7区—鼻下区；根据眼底图像中的视盘、黄斑和血管网络信息，利用计算机图形学自动判断采集的眼底图像属于上述眼底七区之一。

计算机图形学自动判断方法是：

结合图10，提取右眼图像：

首先判断眼底图片中是否含有视盘，若含有视盘，并且视盘的位置靠近中部，则为1区图片，如图3所示，图中圆圈部分为视盘；

若含视盘，但视盘位置接近边缘，则为2区图片，如图4所示，图中圆圈部分为视盘，中心阴影部分为黄斑；

对不含视盘的图片，判断是否有黄斑，如含有黄斑，则为3区图片，如图5所示，图中圆圈部分为黄斑。

对不含视盘也没有黄斑的图片，根据血管网络的特征来定位属于4-7区图片：若血管走势为向左上方，或通过抛物线法预估视盘位于图像右下方，则为4区图片，如图6所示，图中箭头方向为血管走势；若血管走势为向左下方，或通过抛物线法预估视盘位于图像右上方，则为5区图片，如图7所示，图中箭头方向为血管走势；若血管走势为向右上方，或通过抛物线法预估视盘位于图像左下方，则为6区图片，如图8所示，图中箭头方向为血管走势；若血管走势为向右下方，或通过抛物线法预估视盘位于图像左上方，则为7区图片，如图9所示，图中箭头方向为血管走势。

左眼识别方法与右眼类似，结合附图11，提取左眼图像：

首先判断眼底图片中是否含有视盘，若含有视盘，并且视盘的位置靠近中部，则为1区图片；

若含视盘，但视盘位置接近边缘，则为2区图片；

对不含视盘的图片，判断是否有黄斑，如含有黄斑，则为3区图片，

对不含视盘也没有黄斑的图片，根据血管网络的特征来定位属于4-7区图片：若血管走势为向右上方，或通过抛物线法预估视盘位于图像左下方，则为4区图片；若血管走势为向右下方，或通过抛物线法预估视盘位于图像左上方，则为5区图片；若血管走势为向左上方，或通过抛物线法预估视盘位于图像右下方，则为6区图片；若血管走势为向左下方，或通过抛物线法预估视盘位于图像右上方，则为7区图片。

根据眼底图像中的视盘信息，利用计算机图形学自动判断：采用通用图像识别算法，用稀疏表示的方法求出视盘存在的置信度图，然后通过斑点检测的方法将峰值响应确定为视盘中心位置，将检测到的视盘中心点作为种子点，应用区域生长算法得到视盘的初始轮廓。

通常视盘定位为方便进一步根据视盘位置确定黄斑区域，可以选择拟合抛物线的方法定位视盘，包括：

1、应用形态学的细化算法得到主血管的中心线点集；

2、对点集进行抛物线拟合，拟合后的抛物线顶点即为视盘中心点；

3、以此中心点为种子点，应用区域生长算法得到视盘区域初始轮廓，再通过基于圆形约束的主动轮廓模型得到精确轮廓；

4、根据视盘轮廓计算得到视盘的直径、半径；

根据眼底图像中的血管网络信息，利用计算机图形学自动判断：通过基于小波变换的边缘检测方法提取血管的初始轮廓，再采用数学形态学的方法消除边缘图像中的噪声。

主血管网络的分割可以采用以下方法：

1、采用对比度受限自适应直方图均衡(Contrast-limitedadaptivehistogramequalization,CLAHE)方法对视网膜图像中的绿色通道进行图像增强，该方法可明显提高血管与背景部分的对比度；

2、应用不同尺度的二维Gabor小波变换函数对已增强的图像进行处理，由于本研究只需要提取主血管的轮廓，因此需选择适当的尺度参数，再通过阈值处理即可得到主血管的初始轮廓；

3、由于得到的主血管初始轮廓有较多噪声且有些血管有断开的情况，因此需要应用形态学的方法对血管进行重构，先用开运算消除噪声，再用膨胀运算使主血管结构更加清晰。

根据眼底图像中的黄斑信息，利用计算机图形学自动判断：通过对主血管进行抛物线拟合，并结合视盘区域信息定位黄斑中心。

通常采用以下方法可以获得相应信息，由于黄斑是一个距离视盘大约有2.5个视盘直径的暗斑，因此根据视盘定位过程中得到的抛物线方程，在抛物线对称轴上找到距离视盘中心点2个视盘直径的点，此点即为黄斑中心点。以此点为中心，1个视盘半径的圆即为黄斑区域。

Claims (5)

1.眼底图像自动识别分区方法，其特征在于：利用眼底照相设备获得黑白或彩色眼底图像照片，并按左眼或右眼分类存档；将左眼或右眼的眼底图像分为七个区，分别是1区—视盘区、2区—黄斑区、3区—黄斑颞侧区、4区—颞上区、5区—颞下区、6区—鼻上区、7区—鼻下区；根据眼底图像中的视盘、黄斑和血管网络信息，利用计算机图形学自动判断眼底图像属于上述眼底七区之一。

2.根据权利要求1所述的眼底图像自动识别分区方法，其特征在于计算机图形学自动判断方法是：

提取右眼图像：

首先判断眼底图片中是否含有视盘，若含有视盘，并且视盘的位置靠近中部，则为1区图片；

若含视盘，但视盘位置接近边缘，则为2区图片；

对不含视盘的图片，判断是否有黄斑，如含有黄斑，则为3区图片，

对不含视盘也没有黄斑的图片，根据血管网络的特征来定位属于4-7区图片：若血管走势为向左上方，或通过抛物线法预估视盘位于图像右下方，则为4区图片；若血管走势为向左下方，或通过抛物线法预估视盘位于图像右上方，则为5区图片；若血管走势为向右上方，或通过抛物线法预估视盘位于图像左下方，则为6区图片；若血管走势为向右下方，或通过抛物线法预估视盘位于图像左上方，则为7区图片；

提取左眼图像：

首先判断眼底图片中是否含有视盘，若含有视盘，并且视盘的位置靠近中部，则为1区图片；

若含视盘，但视盘位置接近边缘，则为2区图片；

对不含视盘的图片，判断是否有黄斑，如含有黄斑，则为3区图片，

对不含视盘也没有黄斑的图片，根据血管网络的特征来定位属于4-7区图片：若血管走势为向右上方，或通过抛物线法预估视盘位于图像左下方，则为4区图片；若血管走势为向右下方，或通过抛物线法预估视盘位于图像左上方，则为5区图片；若血管走势为向左上方，或通过抛物线法预估视盘位于图像右下方，则为6区图片；若血管走势为向左下方，或通过抛物线法预估视盘位于图像右上方，则为7区图片。

3.根据权利要求1或2所述的眼底图像自动识别分区方法，其特征在于：

所述根据眼底图像中的视盘信息，利用计算机图形学自动判断是：采用通用图像识别算法，用稀疏表示的方法求出视盘存在的置信度图，然后通过斑点检测的方法将峰值响应确定为视盘中心位置，将检测到的视盘中心点作为种子点，应用区域生长算法得到视盘的初始轮廓。

4.根据权利要求1或2所述的眼底图像自动识别分区方法，其特征在于：

所述根据眼底图像中的血管网络信息，利用计算机图形学自动判断是：通过基于小波变换的边缘检测方法提取血管的初始轮廓，再采用数学形态学的方法消除边缘图像中的噪声。

5.根据权利要求1或2所述的眼底图像自动识别分区方法，其特征在于：

所述根据眼底图像中的黄斑信息，利用计算机图形学自动判断是：通过对主血管进行抛物线拟合，并结合视盘区域信息定位黄斑中心。