CN108198185B - 眼底病灶图像的分割方法及、装置、存储介质、处理器 - Google Patents
眼底病灶图像的分割方法及、装置、存储介质、处理器 Download PDFInfo
- Publication number
- CN108198185B CN108198185B CN201711163741.1A CN201711163741A CN108198185B CN 108198185 B CN108198185 B CN 108198185B CN 201711163741 A CN201711163741 A CN 201711163741A CN 108198185 B CN108198185 B CN 108198185B
- Authority
- CN
- China
- Prior art keywords
- image
- fundus
- focus image
- determining
- segmenting
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000011218 segmentation Effects 0.000 title claims description 22
- 239000002872 contrast media Substances 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 230000002708 enhancing effect Effects 0.000 claims abstract description 11
- 230000000877 morphologic effect Effects 0.000 claims abstract description 10
- 230000003902 lesion Effects 0.000 claims description 68
- 230000009466 transformation Effects 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000009792 diffusion process Methods 0.000 claims description 5
- 210000004220 fundus oculi Anatomy 0.000 abstract description 37
- 238000003709 image segmentation Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 230000010412 perfusion Effects 0.000 description 17
- 238000003745 diagnosis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 206010029113 Neovascularisation Diseases 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 206010047571 Visual impairment Diseases 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 206010012689 Diabetic retinopathy Diseases 0.000 description 1
- 208000007135 Retinal Neovascularization Diseases 0.000 description 1
- 201000005667 central retinal vein occlusion Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 208000004644 retinal vein occlusion Diseases 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
- 230000004393 visual impairment Effects 0.000 description 1
Images
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
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Eye Examination Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种眼底病灶图像的分割方法及、装置、存储介质、处理器,该方法包括:确定眼底病灶图像的边缘信息,其中,眼底病灶图像是眼底图像中未灌注造影剂区域的图像;利用预设的增强矩阵以及边缘信息对眼底病灶图像进行增强显示;对增强显示后的眼底病灶图像进行图像二值化处理;利用形态学开操作对进行图像二值化处理后的眼底病灶图像做去除像素噪声的处理;在去除像素噪声之后的眼底病灶图像上确定分割眼底病灶图像的起始点集;在起始点集上利用快速步进方法分割眼底病灶图像。通过本发明,解决了眼底图像中未灌注造影剂区域的图像分割不准确的问题,达到准确的分割未灌注造影剂区域的图像的效果。
Description
技术领域
本发明涉及医疗领域,具体而言,涉及一种眼底病灶图像的分割方法及、装置、存储介质、处理器。
背景技术
眼底新生血管是多种眼科疾病(如视网膜中央经脉阻塞或糖尿病性视网膜病变等)的并发症,如不进行及时治疗,则可能会造成患者的视力损害。眼底新生血管的出现和视网膜毛细血管的无灌注区的分布相关,由于无灌注区域处于缺氧状态,故产生新生血管生长因子,从而导致新生血管的出现。因此,无灌注造影剂的区域的准确检测对眼底新生血管的及时治疗至关重要。
医生在实际诊疗过程中,可能由于经验等原因出现诊断不准确的情况,即现有技术中存在着对眼底图像中未灌注造影剂区域的图像分割不准确的问题。
针对上述存在的技术问题,相关技术中尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种眼底病灶图像的分割方法及、装置、存储介质、处理器,以至少解决相关技术中眼底图像中未灌注造影剂区域的图像分割不准确的问题。
根据本发明的一个实施例,提供了一种眼底病灶图像的分割方法,包括:确定所述眼底病灶图像的边缘信息,其中,所述眼底病灶图像是眼底图像中未灌注造影剂区域的图像;利用预设的增强矩阵以及所述边缘信息对所述眼底病灶图像进行增强显示;对增强显示后的所述眼底病灶图像进行图像二值化处理;利用形态学开操作对进行图像二值化处理后的所述眼底病灶图像做去除像素噪声的处理;在去除所述像素噪声之后的所述眼底病灶图像上确定分割所述眼底病灶图像的起始点集;在所述起始点集上利用快速步进方法分割所述眼底病灶图像。
可选地,确定所述眼底病灶图像的边缘信息包括:利用扩散滤波器去除所述眼底图像的背景噪声,得到所述眼底病灶图像的边缘梯度信息;对所述边缘梯度信息做梯度变换,得到所述眼底病灶图像的边缘信息。
可选地,对所述边缘梯度信息做梯度变换,得到所述眼底病灶图像的边缘信息,包括:使用水平和垂直两个方向的一阶微分算子对所述眼底病灶图像进行卷积;对卷积后的所述眼底病灶图像中的每个像素所对应的水平及垂直梯度求和,得到所述眼底病灶图像的边缘信息。
可选地,在去除所述像素噪声之后的所述眼底病灶图像上确定分割所述眼底病灶图像的起始点集包括:对去除所述像素噪声之后的所述眼底病灶图像进行距离变换的操作,得到距离图像;在所述距离图像上确定所述眼底病灶图像的起始点集。
可选地,利用所述预设的增强矩阵以及所述边缘信息对所述眼底病灶图像进行增强显示包括:在预设的尺度因子范围中确定所述眼底病灶图像的各个尺度因子;利用预设的迭代步长计算所述眼底病灶图像中的像素点在所述各个尺度因子下的前景相似度;在各个所述前景相似度中确定最大值,并将所述最大值作为增强所述眼底病灶图像的像素值。
可选地,确定分割所述眼底病灶图像的起始点集包括:在所述眼底病灶图像中确定像素值发生变化的像素点,将所述发生变化的像素点作为所述起始点集,并确定所述起始点集的坐标。
可选地,在所述起始点集上利用快速步进方法分割所述眼底病灶图像之后,所述方法还包括:在没有完全分割出所述眼底病灶图像的情况下,继续输入所述起始点集对所述眼底病灶图像进行分割。
根据本发明的另一个实施例,提供了一种眼底病灶图像的分割装置,包括:第一确定模块,用于确定所述眼底病灶图像的边缘信息,其中,所述眼底病灶图像是眼底图像中未灌注造影剂区域的图像;显示模块,用于利用预设的增强矩阵以及所述边缘信息对所述眼底病灶图像进行增强显示;第一处理模块,用于对增强显示后的所述眼底病灶图像进行图像二值化处理;第二处理模块,用于利用形态学开操作对进行图像二值化处理后的所述眼底病灶图像做去除像素噪声的处理;第二确定模块,用于在去除所述像素噪声之后的所述眼底病灶图像上确定分割所述眼底病灶图像的起始点集;分割模块,用于在所述起始点集上利用快速步进方法分割所述眼底病灶图像。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行上述任一项所述的方法。
根据本发明的又一个实施例,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任一项所述的方法。
通过本发明,由于在确定眼底病灶图像的边缘信息后,其中,眼底病灶图像是眼底图像中未灌注造影剂区域的图像,利用预设的增强矩阵以及边缘信息对所述眼底病灶图像进行增强显示;对增强显示后的眼底病灶图像进行图像二值化处理;利用形态学开操作对进行图像二值化处理后的眼底病灶图像做去除像素噪声的处理;在去除像素噪声之后的眼底病灶图像上确定分割所述眼底病灶图像的起始点集;在起始点集上利用快速步进方法分割所述眼底病灶图像。因此,可以解决相关技术中眼底图像中未灌注造影剂区域的图像分割不准确的问题,达到准确的分割未灌注造影剂区域的图像的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种眼底病灶图像的分割方法的移动终端的硬件结构框图;
图2是根据本发明实施例的眼底病灶图像的分割方法的流程图;
图3是本实施例中的方法流程图;
图4为眼底造影图像示意图;
图5是根据本发明实施例的眼底病灶图像的分割装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种眼底病灶图像的分割方法的移动终端的硬件结构框图。如图1所示,移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,移动终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块,如本发明实施例中的眼底病灶图像的分割方法对应的程序指令/模块,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种眼底病灶图像的分割方法,图2是根据本发明实施例的眼底病灶图像的分割方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,确定上述眼底病灶图像的边缘信息,其中,上述眼底病灶图像是眼底图像中未灌注造影剂区域的图像;
步骤S204,利用预设的增强矩阵以及上述边缘信息对上述眼底病灶图像进行增强显示;
步骤S206,对增强显示后的上述眼底病灶图像进行图像二值化处理;
步骤S208,利用形态学开操作对进行图像二值化处理后的上述眼底病灶图像做去除像素噪声的处理;
步骤S210,在去除上述像素噪声之后的上述眼底病灶图像上确定分割上述眼底病灶图像的起始点集;
步骤S212,在上述起始点集上利用快速步进方法分割上述眼底病灶图像。
通过上述步骤,由于在确定眼底病灶图像的边缘信息后,其中,眼底病灶图像是眼底图像中未灌注造影剂区域的图像,利用预设的增强矩阵以及边缘信息对上述眼底病灶图像进行增强显示;对增强显示后的眼底病灶图像进行图像二值化处理;利用形态学开操作对进行图像二值化处理后的眼底病灶图像做去除像素噪声的处理;在去除像素噪声之后的眼底病灶图像上确定分割上述眼底病灶图像的起始点集;在起始点集上利用快速步进方法分割上述眼底病灶图像。因此,可以解决相关技术中眼底图像中未灌注造影剂区域的图像分割不准确的问题,达到准确的分割未灌注造影剂区域的图像的效果。
在本实施例中,上述步骤即是将眼底病灶图像进行的分割优选步骤,上述中的步骤的执行顺序可以进行调换,预设的增强矩阵可以是黑塞Hessian矩阵。
可选地,上述步骤的执行主体可以为终端等,但不限于此。
在一个可选的实施例中,确定上述眼底病灶图像的边缘信息包括:利用扩散滤波器去除上述眼底图像的背景噪声,得到上述眼底病灶图像的边缘梯度信息;对上述边缘梯度信息做梯度变换,得到上述眼底病灶图像的边缘信息。在本实施例中,背景噪声可以是眼底图像的底片,即掩膜图像。做梯度变换的目的是确认病灶图像的边缘,便于准确的进行图像的分割。
在一个可选的实施例中,对上述边缘梯度信息做梯度变换,得到上述眼底病灶图像的边缘信息,包括:使用水平和垂直两个方向的一阶微分算子对上述眼底病灶图像进行卷积;对卷积后的上述眼底病灶图像中的每个像素所对应的水平及垂直梯度求和,得到上述眼底病灶图像的边缘信息。
在一个可选的实施例中,在去除上述像素噪声之后的上述眼底病灶图像上确定分割上述眼底病灶图像的起始点集包括:对去除上述像素噪声之后的上述眼底病灶图像进行距离变换的操作,得到距离图像;在上述距离图像上确定上述眼底病灶图像的起始点集。在本实施例中,上述中的像素噪声包括图像中的细小的毛刺或者是其他的黑点。
在一个可选的实施例中,利用上述预设的增强矩阵以及上述边缘信息对上述眼底病灶图像进行增强显示包括:在预设的尺度因子范围中确定上述眼底病灶图像的各个尺度因子;利用预设的迭代步长计算上述眼底病灶图像中的像素点在上述各个尺度因子下的前景相似度;在各个上述前景相似度中确定最大值,并将上述最大值作为增强上述眼底病灶图像的像素值。在本实施例中,上述中的通过确定调整的像素值对图像进行调整的方法,使得分割出的图像更加的清晰。
在一个可选的实施例中,确定分割上述眼底病灶图像的起始点集包括:在上述眼底病灶图像中确定像素值发生变化的像素点,将上述发生变化的像素点作为上述起始点集,并确定上述起始点集的坐标。在本实施例中,上述中的起始点集可以是人为在眼底病灶图像中作出的标记,或者是通过其他的方式使眼底病灶图像中的部分像素发生变化的方式,起始点集的位置可以是眼底病灶图像中的任何位置,确定出进行分割的坐标点即可。
在一个可选的实施例中,在上述起始点集上利用快速步进方法分割上述眼底病灶图像之后,上述方法还包括:在没有完全分割出上述眼底病灶图像的情况下,继续输入上述起始点集对上述眼底病灶图像进行分割。在本实施例中,存在不会一次性的对眼底病灶图像作出完全分割的可能,即可能需要分割多次,将多次分割的图像进行组合,即为最终的眼底病灶图像。
下面结合具体实施例对本发明进行详细说明:
具体实施例1:
医生在实际诊疗过程中,可能由于经验等原因出现诊断不准确的情况,因此,需要一个准确的无灌注区自动检测方法为医生在眼底无灌注区检测过程中提供辅助诊断,提高医生的检测效率和准确性。此外,眼底无灌注区由于造影剂无法进入呈现低信号,并在边缘与正常区域出现分界线,造成图像的不清楚,需要将图像进行分割。本实施例提出一种基于快速步进的无灌注区分割方法,即,首先对经过降噪和梯度变换的图形进行Hessian矩阵增强,而后对齐进行二值化处理;然后对得到的二值化进行距离变换,在距离变换的基础上使用快速步进的方法进行分割。
下面对本实施例中的方法进行详细的描述:
图3是本实施例中的方法流程图,如图3所示,包括以下步骤:
301、图像降噪,本实施例中使用一个梯度各向异性扩散滤波器,在去除背景噪声的同时尽可能地保留图像的边缘梯度信息。
302、梯度变换,由于无灌注区边缘处存在明暗交界的情况,像素值存在梯度变化,因此本实施例通过计算梯度获取无灌注区的边缘信息。具体为使用水平及垂直两个方向的一阶微分算子对图像进行卷积,而后对每个像素所对应的水平及垂直梯度求和,所获得的图像即为梯度变换后的图像。
303、图像增强,由于无灌注区的边缘与血管类似,都是细长的管状结构,因此,我们使用适合于增强管状结构的多尺度Hessian矩阵增强方法对经过梯度变换后的图像进行增强。具体步骤为:
(1)设置尺度因子范围[a1,a2],迭代步长S;
(2)令尺度因子σ=a1;
(3)计算图像中像素与高斯函数二阶微分的卷积,得到Hessian矩阵H并计算其特征值λ1和λ2;
(4)计算像素点再当前尺度因子σ下的前景相似度响应z(x,y,σ)
(5)更新尺度因子σ=σ+S,判断是否满足结束条件σ≥a2,若不满足,则重复步骤(3)~(4);
(6)对于在不同尺度因子条件下获得的前景相似度响应求取最大值zmax,并将其作为该像素点的增强结果;
(7)输出增强图像。
304、二值化处理,使用阈值分割的方法对增强结果进行二值化。
305、形态学操作,由于无灌注区内的局部灰度不均匀导致像素梯度变化可能导致非边缘区域也被增强,为了避免其干扰后续快速步进分割方法的准确性,本方法使用形态学开操作去除二值图像中的细小目标。
306、距离变换,对二值图像进行距离变换,生成距离图像,其每个像素点的灰度为该像素点到距离其最近的前景点之间的距离。距离变换的结果将被作为快速进步法的速度图像用于眼底无灌注区的分割。
307、输入起始点集,我们使用画笔的方式,输入快速步进分割方法所需要的起始点集。具体方法如图4所示,图4为眼底造影图像示意图,其中,黑色弯曲线条表示血管,灰色区域表示眼底无灌注区。我们使用画笔的方式,在图4中绘制线条,如黑粗线所示。而后,我们将线条所对应的坐标记录,并作为起始点输入快速步进分割方法。
308、快速步进分割,基于快速进步分割方法是对水平集方法中的水平集演化方程的一种快速形式改进。其基本思想是输入一张速度图像,图像中每个像素的灰度值代表了轮廓曲线在该点的演化速度;计算一张时间图像,其中每个像素点的灰度值代表轮廓曲线演化至该点所需要的时间。具体步骤为:
(1)初始化水平集,将输入的起始点集标记为到达时间T为0的活动点;
(2)设定演化速度常量,建立“最小化堆栈”;
(3)设置活动点的邻域为窄带,计算到达时间T,按照到达时间的大小依次存入堆栈中;
(4)将图像中其余点标记为远点,到达时间T设置为无穷大;
(5)取出最小化堆栈中的栈顶元素,标记为活动点,并计算其窄带区域点的到达时间。若窄带区域点为活动点,则不改变其时间;若为窄带点,则更新到达时间;若为远点,则标记其为窄带点,更新到达时间并放入堆栈内;
(6)设置最大演化时间阈值,当某一点的运动时间超过该阈值,则演化停止,否则重复步骤(5);
(7)根据演化结果输出分割图像。
(8)根据分割结果是否已经达到目标,选择是否继续输入起始点。若还存在未分割的无灌注区域,则继续输入种子点并分割,并将两次分割结果合并;若分割已完成,则结束分割步骤。
综上所述,本实施例获得最终的眼底无灌注区分割图像。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种眼底病灶图像的分割装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的眼底病灶图像的分割装置的结构框图,如图5所示,该装置包括:第一确定模块502、显示模块504、第一处理模块506、第二处理模块508、第二确定模块510、分割模块512,下面对该装置进行详细说明:
第一确定模块502,用于确定上述眼底病灶图像的边缘信息,其中,上述眼底病灶图像是眼底图像中未灌注造影剂区域的图像;显示模块504,连接至上述中的第一确定模块502,用于利用预设的增强矩阵以及上述边缘信息对上述眼底病灶图像进行增强显示;第一处理模块506,连接至上述中的显示模块504,用于对增强显示后的上述眼底病灶图像进行图像二值化处理;第二处理模块508,连接至上述中的第一处理模块506,用于利用形态学开操作对进行图像二值化处理后的上述眼底病灶图像做去除像素噪声的处理;第二确定模块510,连接至上述中的第二处理模块508,用于在去除上述像素噪声之后的上述眼底病灶图像上确定分割上述眼底病灶图像的起始点集;分割模块512,连接至上述中的第二确定模块510,用于在上述起始点集上利用快速步进方法分割上述眼底病灶图像。
在一个可选的实施例中,上述中的第一确定模块502通过以下方式确定眼底病灶图像的边缘信息:利用扩散滤波器去除上述眼底图像的背景噪声,得到上述眼底病灶图像的边缘梯度信息;对上述边缘梯度信息做梯度变换,得到上述眼底病灶图像的边缘信息。
在一个可选的实施例中,上述中的第一确定模块502还用于通过以下方式对边缘梯度信息做梯度变换,得到上述眼底病灶图像的边缘信息,使用水平和垂直两个方向的一阶微分算子对上述眼底病灶图像进行卷积;对卷积后的上述眼底病灶图像中的每个像素所对应的水平及垂直梯度求和,得到上述眼底病灶图像的边缘信息。
在一个可选的实施例中,上述中的第二确定模块510通过以下方式在去除上述像素噪声之后的上述眼底病灶图像上确定分割上述眼底病灶图像的起始点集:对去除上述像素噪声之后的上述眼底病灶图像进行距离变换的操作,得到距离图像;在上述距离图像上确定上述眼底病灶图像的起始点集。
在一个可选的实施例中,上述中的显示模块504通过以下方式利用上述预设的增强矩阵以及上述边缘信息对上述眼底病灶图像进行增强显示:在预设的尺度因子范围中确定上述眼底病灶图像的各个尺度因子;利用预设的迭代步长计算上述眼底病灶图像中的像素点在上述各个尺度因子下的前景相似度;在各个上述前景相似度中确定最大值,并将上述最大值作为增强上述眼底病灶图像的像素值。
在一个可选的实施例中,上述中的第二确定模块510通过以下方式确定分割上述眼底病灶图像的起始点集:在上述眼底病灶图像中确定像素值发生变化的像素点,将上述发生变化的像素点作为上述起始点集,并确定上述起始点集的坐标。
在一个可选的实施例中,上述装置在上述起始点集上利用快速步进方法分割上述眼底病灶图像之后,还用于在没有完全分割出上述眼底病灶图像的情况下,继续输入上述起始点集对上述眼底病灶图像进行分割。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质,该存储介质包括存储的程序,其中,上述程序运行时执行上述任一项所述的方法。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以上各步骤的程序代码。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本发明的实施例还提供了一种处理器,该处理器用于运行程序,其中,该程序运行时执行上述任一项方法中的步骤。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种眼底病灶图像的分割方法,其特征在于,包括:
确定所述眼底病灶图像的边缘信息,其中,所述眼底病灶图像是眼底图像中未灌注造影剂区域的图像;
利用预设的增强矩阵以及所述边缘信息对所述眼底病灶图像进行增强显示;
对增强显示后的所述眼底病灶图像进行图像二值化处理;
利用形态学开操作对进行图像二值化处理后的所述眼底病灶图像做去除像素噪声的处理;
在去除所述像素噪声之后的所述眼底病灶图像上确定分割所述眼底病灶图像的起始点集;
在所述起始点集上利用快速步进方法分割所述眼底病灶图像;
其中,在去除所述像素噪声之后的所述眼底病灶图像上确定分割所述眼底病灶图像的起始点集包括:对去除所述像素噪声之后的所述眼底病灶图像进行距离变换的操作,得到距离图像;在所述距离图像上确定所述眼底病灶图像的起始点集。
2.根据权利要求1所述的方法,其特征在于,确定所述眼底病灶图像的边缘信息包括:
利用扩散滤波器去除所述眼底图像的背景噪声,得到所述眼底病灶图像的边缘梯度信息;
对所述边缘梯度信息做梯度变换,得到所述眼底病灶图像的边缘信息。
3.根据权利要求2所述的方法,其特征在于,对所述边缘梯度信息做梯度变换,得到所述眼底病灶图像的边缘信息,包括:
使用水平和垂直两个方向的一阶微分算子对所述眼底病灶图像进行卷积;
对卷积后的所述眼底病灶图像中的每个像素所对应的水平及垂直梯度求和,得到所述眼底病灶图像的边缘信息。
4.根据权利要求1所述的方法,其特征在于,利用所述预设的增强矩阵以及所述边缘信息对所述眼底病灶图像进行增强显示包括:
在预设的尺度因子范围中确定所述眼底病灶图像的各个尺度因子;
利用预设的迭代步长计算所述眼底病灶图像中的像素点在所述各个尺度因子下的前景相似度;
在各个所述前景相似度中确定最大值,并将所述最大值作为增强所述眼底病灶图像的像素值。
5.根据权利要求1所述的方法,其特征在于,确定分割所述眼底病灶图像的起始点集包括:
在所述眼底病灶图像中确定像素值发生变化的像素点,将所述发生变化的像素点作为所述起始点集,并确定所述起始点集的坐标。
6.根据权利要求1所述的方法,其特征在于,在所述起始点集上利用快速步进方法分割所述眼底病灶图像之后,所述方法还包括:
在没有完全分割出所述眼底病灶图像的情况下,继续输入所述起始点集对所述眼底病灶图像进行分割。
7.一种眼底病灶图像的分割装置,其特征在于,包括:
第一确定模块,用于确定所述眼底病灶图像的边缘信息,其中,所述眼底病灶图像是眼底图像中未灌注造影剂区域的图像;
显示模块,用于利用预设的增强矩阵以及所述边缘信息对所述眼底病灶图像进行增强显示;
第一处理模块,用于对增强显示后的所述眼底病灶图像进行图像二值化处理;
第二处理模块,用于利用形态学开操作对进行图像二值化处理后的所述眼底病灶图像做去除像素噪声的处理;
第二确定模块,用于在去除所述像素噪声之后的所述眼底病灶图像上确定分割所述眼底病灶图像的起始点集;
分割模块,用于在所述起始点集上利用快速步进方法分割所述眼底病灶图像;
其中,所述第二确定模块,还用于对去除所述像素噪声之后的所述眼底病灶图像进行距离变换的操作,得到距离图像;在所述距离图像上确定所述眼底病灶图像的起始点集。
8.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至6中任一项所述的方法。
9.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711163741.1A CN108198185B (zh) | 2017-11-20 | 2017-11-20 | 眼底病灶图像的分割方法及、装置、存储介质、处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711163741.1A CN108198185B (zh) | 2017-11-20 | 2017-11-20 | 眼底病灶图像的分割方法及、装置、存储介质、处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108198185A CN108198185A (zh) | 2018-06-22 |
CN108198185B true CN108198185B (zh) | 2020-10-16 |
Family
ID=62573171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711163741.1A Active CN108198185B (zh) | 2017-11-20 | 2017-11-20 | 眼底病灶图像的分割方法及、装置、存储介质、处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108198185B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109410127B (zh) * | 2018-09-17 | 2020-09-01 | 西安电子科技大学 | 一种基于深度学习与多尺度图像增强的图像去噪方法 |
CN114757893A (zh) * | 2018-10-29 | 2022-07-15 | 上海鹰瞳医疗科技有限公司 | 眼底图像规范化方法及设备 |
US20220076412A1 (en) * | 2018-12-28 | 2022-03-10 | Nikon Corporation | Image processing method, image display method, image processing device, image display device, image processing program, and image display program |
CN109993731A (zh) * | 2019-03-22 | 2019-07-09 | 依未科技(北京)有限公司 | 一种眼底病变分析方法及装置 |
CN110390667B (zh) * | 2019-06-18 | 2023-10-20 | 平安科技(深圳)有限公司 | 基于眼底oct影像的病灶提取方法、装置、设备及存储介质 |
CN110490904B (zh) * | 2019-08-12 | 2022-11-11 | 中国科学院光电技术研究所 | 一种弱小目标检测与跟踪方法 |
CN110889826B (zh) * | 2019-10-30 | 2024-04-19 | 平安科技(深圳)有限公司 | 眼部oct图像病灶区域的分割方法、装置及终端设备 |
CN111080580B (zh) * | 2019-11-29 | 2023-06-09 | 山东大学 | 基于中智集合的超声乳腺肿瘤快速阈值分割方法及系统 |
CN111862304B (zh) * | 2020-06-30 | 2023-09-05 | 西安增材制造国家研究院有限公司 | 基于骨架引导的分割下腔静脉和腹主动脉的方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870838A (zh) * | 2014-03-05 | 2014-06-18 | 南京航空航天大学 | 糖尿病视网膜病变的眼底图像特征提取方法 |
CN104299242A (zh) * | 2014-10-31 | 2015-01-21 | 中南大学 | 基于ngc-acm的荧光造影眼底图像提取方法 |
CN105989598A (zh) * | 2015-02-13 | 2016-10-05 | 中国科学院沈阳自动化研究所 | 基于局部强化主动轮廓模型的眼底图像血管分割方法 |
CN106097378A (zh) * | 2016-07-24 | 2016-11-09 | 江西理工大学 | 一种融合形状先验的水平集视网膜血管图像分割方法 |
CN106815853A (zh) * | 2016-12-14 | 2017-06-09 | 海纳医信(北京)软件科技有限责任公司 | 对眼底图像中视网膜血管的分割方法和装置 |
CN106934816A (zh) * | 2017-03-23 | 2017-07-07 | 中南大学 | 一种基于elm的眼底图像视网膜血管分割方法 |
CN107180421A (zh) * | 2016-03-09 | 2017-09-19 | 中兴通讯股份有限公司 | 一种眼底图像病变检测方法及装置 |
JP2017176210A (ja) * | 2016-03-28 | 2017-10-05 | 大日本印刷株式会社 | 眼底画像処理装置 |
-
2017
- 2017-11-20 CN CN201711163741.1A patent/CN108198185B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870838A (zh) * | 2014-03-05 | 2014-06-18 | 南京航空航天大学 | 糖尿病视网膜病变的眼底图像特征提取方法 |
CN104299242A (zh) * | 2014-10-31 | 2015-01-21 | 中南大学 | 基于ngc-acm的荧光造影眼底图像提取方法 |
CN105989598A (zh) * | 2015-02-13 | 2016-10-05 | 中国科学院沈阳自动化研究所 | 基于局部强化主动轮廓模型的眼底图像血管分割方法 |
CN107180421A (zh) * | 2016-03-09 | 2017-09-19 | 中兴通讯股份有限公司 | 一种眼底图像病变检测方法及装置 |
JP2017176210A (ja) * | 2016-03-28 | 2017-10-05 | 大日本印刷株式会社 | 眼底画像処理装置 |
CN106097378A (zh) * | 2016-07-24 | 2016-11-09 | 江西理工大学 | 一种融合形状先验的水平集视网膜血管图像分割方法 |
CN106815853A (zh) * | 2016-12-14 | 2017-06-09 | 海纳医信(北京)软件科技有限责任公司 | 对眼底图像中视网膜血管的分割方法和装置 |
CN106934816A (zh) * | 2017-03-23 | 2017-07-07 | 中南大学 | 一种基于elm的眼底图像视网膜血管分割方法 |
Non-Patent Citations (5)
Title |
---|
BLOOD VESSEL EXTRACTION AND BIFURCATIONS DETECTION USING HESSIAN MATRIX OF GAUSSIAN AND EUCLIDIAN DISTANCE;DIANA TRI SUSETIANINGTIAS 等;《Journal of Theoretical and Applied Information Technology》;20170815;第95卷(第15期);3471-3478 * |
Detection of retinalcapillary nonperfusion in fundus fluorescein angiogram of diabetic retinopathy;Seyed Hossein Rasta 等;《BioImpacts》;20151228;第5卷(第4期);摘要,"CNP detection algorithm" * |
基于 HESSIAN 增强和形态学尺度空间的视网膜血管分割;于挥 等;《计算机应用与软件》;20160815;第33卷(第8期);第1节,图1 * |
基于 Hessian 矩阵和水平集的视网膜血管分割;梁礼明 等;《科学技术与工程》;20160408;第16卷(第10期);第1节 * |
基于 Hessian 矩阵的多尺度视网膜图像增强方法;游嘉 等;《计算机应用》;20110601;第31卷(第6期);1560-1562 * |
Also Published As
Publication number | Publication date |
---|---|
CN108198185A (zh) | 2018-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108198185B (zh) | 眼底病灶图像的分割方法及、装置、存储介质、处理器 | |
CN110889826B (zh) | 眼部oct图像病灶区域的分割方法、装置及终端设备 | |
CN108198184B (zh) | 造影图像中血管分割的方法和系统 | |
CN110874594B (zh) | 基于语义分割网络的人体外表损伤检测方法及相关设备 | |
CN107180421B (zh) | 一种眼底图像病变检测方法及装置 | |
US11501428B2 (en) | Method, apparatus and system for detecting fundus image based on machine learning | |
EP3785603A1 (en) | Machine learning-based fundus image detection method, apparatus, and system | |
US20050249399A1 (en) | Artery-vein separation and vessel modeling | |
CN110929728B (zh) | 一种图像感兴趣区域划分方法、图像分割方法及装置 | |
CN110310280B (zh) | 肝胆管及结石的图像识别方法、系统、设备及存储介质 | |
CN113470102B (zh) | 高精度测量眼底血管弯曲度的方法、装置、介质和设备 | |
CN108510493A (zh) | 医学图像内目标对象的边界定位方法、存储介质及终端 | |
CN108198211A (zh) | 眼底图像的处理方法及装置、存储介质、处理器 | |
CN111986139B (zh) | 颈动脉内中膜厚度的测量方法、设备及存储介质 | |
JP6687395B2 (ja) | 医用画像処理装置、医用画像処理方法及び医用イメージング装置 | |
CN110766682A (zh) | 肺结核定位筛查装置及计算机设备 | |
Gou et al. | Retinal vessel extraction using dynamic multi-scale matched filtering and dynamic threshold processing based on histogram fitting | |
CN110335254B (zh) | 眼底图像区域化深度学习方法、装置和设备及存储介质 | |
Sachdeva et al. | Automatic segmentation and area calculation of optic disc in ophthalmic images | |
WilliamThomas et al. | A review of segmentation and edge detection methods for real time image processing used to detect brain tumour | |
CN110008881A (zh) | 多运动目标的奶牛行为的识别方法及装置 | |
CN112734701A (zh) | 眼底病灶检测方法、检测装置及终端设备 | |
US20220245806A1 (en) | Method for learning threshold value | |
Ahmed et al. | Optic disc segmentation using manual thresholding technique | |
CN118037757A (zh) | 角膜图像分割方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |