CN108392174B - 一种早产儿视网膜病变的自动检查方法及系统 - Google Patents
一种早产儿视网膜病变的自动检查方法及系统 Download PDFInfo
- Publication number
- CN108392174B CN108392174B CN201810354164.2A CN201810354164A CN108392174B CN 108392174 B CN108392174 B CN 108392174B CN 201810354164 A CN201810354164 A CN 201810354164A CN 108392174 B CN108392174 B CN 108392174B
- Authority
- CN
- China
- Prior art keywords
- lesion
- fundus
- stage
- fundus image
- additional
- 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
- 206010038933 Retinopathy of prematurity Diseases 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000003902 lesion Effects 0.000 claims abstract description 308
- 201000010099 disease Diseases 0.000 claims abstract description 63
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 63
- 230000002028 premature Effects 0.000 claims abstract description 59
- 238000005192 partition Methods 0.000 claims abstract description 29
- 210000002189 macula lutea Anatomy 0.000 claims abstract description 11
- 238000011269 treatment regimen Methods 0.000 claims abstract description 7
- 208000017442 Retinal disease Diseases 0.000 claims abstract description 4
- 206010038923 Retinopathy Diseases 0.000 claims abstract description 4
- 230000036285 pathological change Effects 0.000 claims description 39
- 231100000915 pathological change Toxicity 0.000 claims description 39
- 238000012544 monitoring process Methods 0.000 claims description 25
- 210000004204 blood vessel Anatomy 0.000 claims description 18
- 210000001525 retina Anatomy 0.000 claims description 16
- 238000012706 support-vector machine Methods 0.000 claims description 13
- 238000003745 diagnosis Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 11
- 210000001210 retinal vessel Anatomy 0.000 claims description 9
- 230000035755 proliferation Effects 0.000 claims description 8
- 210000001747 pupil Anatomy 0.000 claims description 8
- 230000002792 vascular Effects 0.000 claims description 8
- 210000004127 vitreous body Anatomy 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 206010025421 Macule Diseases 0.000 claims description 6
- 230000005236 sound signal Effects 0.000 claims description 6
- 206010038848 Retinal detachment Diseases 0.000 claims description 4
- 230000010339 dilation Effects 0.000 claims description 4
- 210000004220 fundus oculi Anatomy 0.000 claims description 4
- 206010020718 hyperplasia Diseases 0.000 claims description 4
- 230000002390 hyperplastic effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000004264 retinal detachment Effects 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims description 4
- 206010036595 Premature delivery Diseases 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 210000003733 optic disk Anatomy 0.000 abstract description 5
- 230000036541 health Effects 0.000 description 9
- 238000011282 treatment Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 6
- 230000007774 longterm Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/06—Children, e.g. for attention deficit diagnosis
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Ophthalmology & Optometry (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明提供了一种早产儿视网膜病变的自动检查方法及系统，其中，所述方法包括：采集早产儿的眼底图像，并针对所述眼底图像中的视乳头、黄斑以及锯齿缘，识别所述眼底图像中的病变分区；根据所述病变分区中的病变特征，确定所述眼底图像对应的病变分期；根据所述眼底图像中后极部呈现的病变特征，判断所述眼底图像中是否存在附加病变；根据确定的所述病变分期以及判定的所述附加病变，确定所述眼底图像对应的眼底疾病类型，并针对所述眼底疾病类型，提供匹配的治疗策略。本申请提供的技术方案，能够高精度地检测早产儿视网膜病变。
Description
技术领域
本发明涉及眼科疾病识别技术领域，特别涉及一种早产儿视网膜病变的自动检查方法及系统。
背景技术
早产儿视网膜病变(Retinopathy of Premature，ROP)是占儿童致盲原因的6％-18％。认识ROP的眼部改变，认真做好筛查工作，发现阈值病变及时转诊或及时治疗，是降低致盲率的正确途径。
当前的早产儿视网膜病变方法通常专注于在急进型早产儿视网膜病变后极部视网膜血管迂曲程度的识别及诊断，仅覆盖了早产儿视网膜病变中的一类特殊病变，一方面导致识别精度不高，另一方面由于指标单一，导致应用比较片面。
发明内容
本申请的目的在于提供一种早产儿视网膜病变的自动检查方法及系统，能够全面并且高精度地检测早产儿视网膜病变的。
为实现上述目的，本申请提供一种早产儿视网膜病变的自动检查方法，所述方法包括：采集早产儿的眼底图像，并针对所述眼底图像中的视乳头、黄斑以及锯齿缘，识别所述眼底图像中的病变分区；根据所述病变分区中的病变特征，确定所述眼底图像对应的病变分期；根据所述眼底图像中后极部呈现的病变特征，判断所述眼底图像中是否存在附加病变；根据确定的所述病变分期以及判定的所述附加病变，确定所述眼底图像对应的眼底疾病类型，并针对所述眼底疾病类型，确定匹配的治疗策略。
进一步地，识别所述眼底图像中的病变分区包括：以所述视乳头的中央为中心，以所述视乳头的中央到所述黄斑的中央的凹距离的两倍为半径画圆，并将画出的圆形区域作为第一病变分区；以所述视乳头的中央为中心，以所述视乳头的中央与所述锯齿缘的距离为半径画圆，并将画出的圆形区域中除去所述第一病变分区后的环状区域作为第二病变分区；将所述眼底图像中除所述第一病变分区和所述第二病变分区以外的区域作为第三病变分区。
进一步地，确定所述眼底图像对应的病变分期包括：若当前的病变特征发生于矫正胎龄34周，并且在眼底视网膜颞侧的有血管区与无血管区之间出现分界线，判定当前的病变特征对应第一病变分期；若当前的病变特征发生于矫正胎龄35周，并且眼底分界线隆起呈嵴样改变，判定当前的病变特征对应第二病变分期；若当前的病变特征发生于矫正胎龄36周，并且眼底分界线的嵴样病变上出现视网膜血管扩张增殖，同时伴随纤维组织增生，判定当前的病变特征对应第三病变分期；若在增生部位发生牵引性视网膜脱离，并逐渐向后极部发展，判定当前的病变特征对应第四病变分期；若视网膜发生全脱离，判定当前的病变特征对应第五病变分期。
进一步地，在判定当前的病变特征对应第四病变分期时，所述方法还包括：若黄斑在位，判定为第四病变分期中的第一期；若黄斑脱离，判定为第四病变分期中的第二期。
进一步地，确定所述眼底图像对应的眼底疾病类型包括：若第一病变分区或者第二病变分区出现伴随附加病变的第三病变分期，并且相邻病变连续至少5个钟点或者累积达到8个钟点，判定当前的眼底疾病类型为阈值病变。
进一步地，确定所述眼底图像对应的眼底疾病类型包括：若第一病变分区出现伴有附加病变的任一病变分期，或者第一病变分区出现不伴有附加病变的第三病变分期，或者第二病变分区出现伴有附加病变的第二或第三病变分期，判定当前的眼底疾病类型为阈值前病变的第一型；若第一病变分区出现不伴有附加病变的第一或第二病变分期，或者第二病变分区出现不伴有附加病变的第三病变分期，判定当前的眼底疾病类型为阈值前病变的第二型。
进一步地，确定所述眼底图像对应的眼底疾病类型包括：若在第一病变分区出现发生在后极部、遍布4个象限、血管短路不仅发生于视网膜的有血管区和无血管区的交界处，也可发生于视网膜内，并且病变不按第一至第三病变分期的规律进展，判定当前的眼底疾病类型为急进型早产儿视网膜病变。
进一步地，判断所述眼底图像中是否存在附加病变包括：若后极部至少2个象限出现视网膜血管扩张、迂曲，或者虹膜血管充血或扩张、瞳孔无法散大、玻璃体存在混浊特征，判定所述眼底图像中存在附加病变；并通过指定标识表征所述附加病变；
或，通过一类支持向量机判断眼底图像中是否存在附加病变，具体为：
以不存在附加病变的眼底图像作为训练集；
选取图像中的后极部区域作为判断区域；
在判断区域中进行特征提取，所述特征包括血管直径、血管长度与血管端点之间的直线距离之比、瞳孔大小、玻璃体颜色中的一种或多种；
将所提取的特征作为正样本训练一类支持向量机；
通过训练出的一类支持向量机判断眼底图像中是否存在附加病变，当眼底图像被标记为负样本时，判定眼底图像中存在附加病变。
为实现上述目的，本申请提供一种早产儿视网膜病变的自动检查系统，所述系统包括：病变分区识别单元，用于采集早产儿的眼底图像，并针对所述眼底图像中的视乳头、黄斑以及锯齿缘，识别所述眼底图像中的病变分区；病变分期识别单元，用于根据所述病变分区中的病变特征，确定所述眼底图像对应的病变分期；附加病变判断单元，用于根据所述眼底图像中后极部呈现的病变特征，判断所述眼底图像中是否存在附加病变；眼底疾病类型确定单元，用于根据确定的所述病变分期以及判定的所述附加病变，确定所述眼底图像对应的眼底疾病类型，并针对所述眼底疾病类型，确定匹配的治疗策略。
进一步地，所述病变分区识别单元包括：第一病变分区识别模块，用于以所述视乳头的中央为中心，以所述视乳头的中央到所述黄斑的中央的凹距离的两倍为半径画圆，并将画出的圆形区域作为第一病变分区；第二病变分区识别模块，以所述视乳头的中央为中心，以所述视乳头的中央与所述锯齿缘的距离为半径画圆，并将画出的圆形区域中除去所述第一病变分区后的环状区域作为第二病变分区；第三病变分区识别模块，将所述眼底图像中除所述第一病变分区和所述第二病变分区以外的区域作为第三病变分区。
由上可见，针对早产儿的眼底图像，可以通过对病变分区、病变分期以及附加病变进行识别，同时，根据识别结果，可以综合分析出眼底图像对应的眼底疾病类型。这样，通过对多种数据的综合分析，可以全面检测出眼底疾病类型，并且可以提高检测的精度。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中早产儿视网膜病变的自动检查方法流程图；
图2为本发明实施例中右眼的病变分区示意图；
图3为本发明实施例中左眼的病变分区示意图；
图4为本发明实施例中早产儿视网膜病变的自动检查系统的功能模块图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
请参阅图1，本申请提供一种早产儿视网膜病变的自动检查方法，所述方法包括：
S1：采集早产儿的眼底图像，并针对所述眼底图像中的视乳头、黄斑以及锯齿缘，识别所述眼底图像中的病变分区；
S2：根据所述病变分区中的病变特征，确定所述眼底图像对应的病变分期；
S3：根据所述眼底图像中后极部呈现的病变特征，判断所述眼底图像中是否存在附加病变；
S4：根据确定的所述病变分期以及判定的所述附加病变，确定所述眼底图像对应的眼底疾病类型，并针对所述眼底疾病类型，确定匹配的治疗策略。
请参阅图2和图3，识别所述眼底图像中的病变分区包括：
以所述视乳头(视盘)的中央为中心，以所述视乳头的中央到所述黄斑的中央的凹距离的两倍为半径画圆，并将画出的圆形区域作为第一病变分区(Ⅰ区)；
以所述视乳头的中央为中心，以所述视乳头的中央与所述锯齿缘的距离为半径画圆，并将画出的圆形区域中除去所述第一病变分区后的环状区域作为第二病变分区(Ⅱ区)；
将所述眼底图像中除所述第一病变分区和所述第二病变分区以外的区域作为第三病变分区(Ⅲ区)。
其中，图2和图3中的3、6、9、12分别指四个不同的时钟方向。
在本实施方式中，确定所述眼底图像对应的病变分期包括：
若在眼底视网膜颞侧的有血管区与无血管区之间出现分界线，判定当前的病变特征对应第一病变分期；
若眼底分界线隆起呈嵴样改变，判定当前的病变特征对应第二病变分期；
若眼底分界线的嵴样病变上出现视网膜血管扩张增殖，同时伴随纤维组织增生，判定当前的病变特征对应第三病变分期；
若在增生部位发生牵引性视网膜脱离，并逐渐向后极部发展，判定当前的病变特征对应第四病变分期；
若视网膜发生全脱离，判定当前的病变特征对应第五病变分期。
在本实施方式中，在判定当前的病变特征对应第四病变分期时，所述方法还包括：
若黄斑在位，判定为第四病变分期中的第一期；若黄斑脱离，判定为第四病变分期中的第二期。
在本实施方式中，确定所述眼底图像对应的眼底疾病类型包括：
若第一病变分区或者第二病变分区出现伴随附加病变的第三病变分期，并且相邻病变连续至少5个钟点或者累积达到8个钟点，判定当前的眼底疾病类型为阈值病变。
在本实施方式中，确定所述眼底图像对应的眼底疾病类型包括：
若第一病变分区出现伴有附加病变的任一病变分期，或者
第一病变分区出现不伴有附加病变的第三病变分期，或者
第二病变分区出现伴有附加病变的第二或第三病变分期，判定当前的眼底疾病类型为阈值前病变的第一型；
若第一病变分区出现不伴有附加病变的第一或第二病变分期，或者
第二病变分区出现不伴有附加病变的第三病变分期，判定当前的眼底疾病类型为阈值前病变的第二型。
在本实施方式中，确定所述眼底图像对应的眼底疾病类型包括：
若在第一病变分区出现发生在后极部、遍布4个象限、血管短路不仅发生于视网膜的有血管区和无血管区的交界处，也可发生于视网膜内，并且病变不按第一至第三病变分期的规律进展，判定当前的眼底疾病类型为急进型早产儿视网膜病变。
在本实施方式中，判断所述眼底图像中是否存在附加病变包括：
若后极部至少2个象限出现视网膜血管扩张、迂曲，或者虹膜血管充血或扩张、瞳孔无法散大、玻璃体存在混浊特征，判定所述眼底图像中存在附加病变；并通过指定标识表征所述附加病变。例如，可以通过“+”来表示附加病变；
或，通过一类支持向量机判断眼底图像中是否存在附加病变，具体为：
以不存在附加病变的眼底图像作为训练集；
选取图像中的后极部区域作为判断区域；
在判断区域中进行特征提取，所述特征包括血管直径(用于表征血管扩张)、血管长度与血管端点之间的直线距离之比(用于表征血管迂曲)、瞳孔大小、玻璃体颜色中的一种或多种；
将所提取的特征作为正样本训练一类支持向量机；
通过训练出的一类支持向量机判断眼底图像中是否存在附加病变，当眼底图像被标记为负样本时，判定眼底图像中存在附加病变。
由于附加病变的图像相对于无附加病变的图像较少，通过二类支持向量机或其他分类器进行判断往往准确性不够高，而且还需要在训练时进行标记，增加了训练的工作量，而使用一类支持向量机不仅不需要进行标记，而且所需的训练样本相对较少，判断效果也往往更加准确。
在实际应用中，采用基于图像识别技术实现的早产儿视网膜病变自动检查决策，可以应用于早产儿视网膜病变的远程筛查及诊疗随访，包含：
1.早产儿的眼部情况及全身健康档案建立
2.早产儿视网膜病变初次及远程筛查
3.早产儿视网膜病变临床确诊辅助
4.早产儿视网膜病变临床干预支持
5.早产儿视网膜病变手术时机决策
6.早产儿视网膜病变治疗转归随访
7.早产儿视网膜病变远期随访跟踪
其中，第5点的手术时机决策部分，是在第四病变分区的前提下，通过测量血管间的区域面积，来考虑手术治疗。第6点的关于治疗转归随访部分，包含每一次眼底图像识别并且与前一次的眼底图像对比，并确定异常血管或病变区域较前减少或者增加，再次匹配治疗策略。
此外，还可以应用于大型综合医院眼科或眼科专科医院内属的早产儿视网膜病变诊疗中心以及早产儿视网膜病变诊疗中心为所覆盖的城市、县、乡、镇区域医疗卫生机构，其中：
大型综合医院眼科或眼科专科医院的早产儿视网膜病变诊疗中心：
作为整体区域医疗体系的中心，通过该方法实现对收治早产儿视网膜病变患儿的临床辅助诊断，抗VEGF治疗及手术治疗时机辅助决策，对治疗后患儿的定期临床随访及远期跟踪；
城市、县、乡、镇各级别医疗卫生机构：
作为整体区域医疗体系的中心所辐射的触点，在现有网络及远程临床影像传输的基础上，通过该方法实现区域内各级别医疗卫生机构上传案例的实时筛查，并依据筛查结果判断随访及上级转诊治疗。
通过该方法的技术实现及临床应用，在早产儿筛查方面，可有效提升每位儿童眼底病专业医生所覆盖的早产儿数量，并进一步减弱地域限制的影响；在精准医疗提升方面，可有效辅助临床医师进行干预、手术时机的判断，使每一名患儿得到更精准的个体化治疗；在个体健康管理方面，可有效实现远期随访，并通过统一系统纳入个人健康档案。
此外，在实际应用中，还可以采用四万余例脱敏早产儿眼底诊断影像做为训练的自动诊断判别服务器程序和多客户端(IOS/Android/web/小程序)做为判别应用工具的载体，提供广大早产儿群体以及基层医生、监护人便捷高效、准确的诊断辅助工具。其实现方案由下列子模块组合构成：影像数据库、疾病特征数据库、疾病分类数据库、用户健康档案、用户管理系统、专家系统、实时建议系统、诊断阈值监控及决策系统、治疗管理系统、趋势分析及建议系统、流程管理系统、消息管理系统、异常警报系统、系统管理模块、硬件数据对接模块、扩展模块。
请参阅图4，对应前述早产儿视网膜病变的自动检查方法，本申请还提供一种早产儿视网膜病变的自动检查系统，所述系统包括：
病变分区识别单元，用于采集早产儿的眼底图像，并针对所述眼底图像中的视乳头、黄斑以及锯齿缘，识别所述眼底图像中的病变分区；
病变分期识别单元，用于根据所述病变分区中的病变特征，确定所述眼底图像对应的病变分期；
附加病变判断单元，用于根据所述眼底图像中后极部呈现的病变特征，判断所述眼底图像中是否存在附加病变；
眼底疾病类型确定单元，用于根据确定的所述病变分期以及判定的所述附加病变，确定所述眼底图像对应的眼底疾病类型，并针对所述眼底疾病类型，确定匹配的治疗策略。
在一个实施方式中，所述病变分区识别单元包括：
第一病变分区识别模块，用于以所述视乳头的中央为中心，以所述视乳头的中央到所述黄斑的中央的凹距离的两倍为半径画圆，并将画出的圆形区域作为第一病变分区；
第二病变分区识别模块，以所述视乳头的中央为中心，以所述视乳头的中央与所述锯齿缘的距离为半径画圆，并将画出的圆形区域中除去所述第一病变分区后的环状区域作为第二病变分区；
第三病变分区识别模块，将所述眼底图像中除所述第一病变分区和所述第二病变分区以外的区域作为第三病变分区。
由上可见，针对早产儿的眼底图像，可以通过对病变分区、病变分期以及附加病变进行识别，同时，根据识别结果，可以综合分析出眼底图像对应的早产儿视网膜病变。这样，通过对多种数据的综合分析，可以检测出早产儿视网膜病变，并且可以提高检测的精度。
所述病变分期识别单元还用于：
若在眼底视网膜颞侧的有血管区与无血管区之间出现分界线，判定当前的病变特征对应第一病变分期；
若眼底分界线隆起呈嵴样改变，判定当前的病变特征对应第二病变分期；
若眼底分界线的嵴样病变上出现视网膜血管扩张增殖，同时伴随纤维组织增生，判定当前的病变特征对应第三病变分期；
若在增生部位发生牵引性视网膜脱离，并逐渐向后极部发展，判定当前的病变特征对应第四病变分期；
若视网膜发生全脱离，判定当前的病变特征对应第五病变分期。
所述病变分期识别单元还用于在判定当前的病变特征对应第四病变分期时，若黄斑在位，判定为第四病变分期中的第一期；若黄斑脱离，判定为第四病变分期中的第二期。
所述病变分期识别单元还用于在确定所述眼底图像对应的眼底疾病类型时，若第一病变分区或者第二病变分区出现伴随附加病变的第三病变分期，并且相邻病变连续至少5个钟点或者累积达到8个钟点，判定当前的眼底疾病类型为阈值病变。
所述病变分期识别单元还用于在确定所述眼底图像对应的眼底疾病类型时，若第一病变分区出现伴有附加病变的任一病变分期，或者
第一病变分区出现不伴有附加病变的第三病变分期，或者
第二病变分区出现伴有附加病变的第二或第三病变分期，判定当前的眼底疾病类型为阈值前病变的第一型；
若第一病变分区出现不伴有附加病变的第一或第二病变分期，或者
第二病变分区出现不伴有附加病变的第三病变分期，判定当前的眼底疾病类型为阈值前病变的第二型。
所述病变分期识别单元还用于在确定所述眼底图像对应的眼底疾病类型时，若在第一病变分区出现发生在后极部、遍布4个象限、血管短路不仅发生于视网膜的有血管区和无血管区的交界处，也可发生于视网膜内，并且病变不按第一至第三病变分期的规律进展，判定当前的眼底疾病类型为急进型早产儿视网膜病变。
所述附加病变判断单元还用于：
若后极部至少2个象限出现视网膜血管扩张、迂曲，或者虹膜血管充血或扩张、瞳孔无法散大、玻璃体存在混浊特征，判定所述眼底图像中存在附加病变；并通过指定标识表征所述附加病变；
或，通过一类支持向量机判断眼底图像中是否存在附加病变，具体为：
以不存在附加病变的眼底图像作为训练集；
选取图像中的后极部区域作为判断区域；
在判断区域中进行特征提取，所述特征包括血管直径、血管长度与血管端点之间的直线距离之比、瞳孔大小、玻璃体颜色中的一种或多种；
将所提取的特征作为正样本训练一类支持向量机；
通过训练出的一类支持向量机判断眼底图像中是否存在附加病变，当眼底图像被标记为负样本时，判定眼底图像中存在附加病变。
在一个实施例中，所述系统包括服务器，所述服务器包括家庭监控子系统和病变判断子系统，其中：
所述病变判断子系统，包括服务器和用于供医生使用的医生客户端：
服务器，所述服务器中包括所述病变分区识别单元、病变分期识别单元、附加病变判断单元、眼底疾病类型确定单元，还包括存储单元，所述存储单元中存储有早产儿的唯一标识与其对应的眼底疾病类型；
所述家庭监控子系统，包括：
用于供早产儿的监护人使用的监护客户端；
设置于早产儿居室内的儿童玩具，所述儿童玩具的壳体外表面上设置有摄像头、实时采集儿童玩具的震动强度的震动传感器、实时采集光线强度的光线传感器、以及实时采集声音信号强度的声音传感器，其中，所述摄像头的壳体上设置有灯体，所述灯体暴露于摄像头的壳体外表面上，并且所述灯体的光线照射范围朝向所述摄像头的取景范围，所述灯体与所述摄像头的取景镜头之间的距离小于预设距离例如1厘米；所述儿童玩具的壳体内部设置有处理器，处理器与监护客户端之间通讯连接，处理器与所述灯体、震动传感器、光线传感器、声音传感器和摄像头之间连接；
所述处理器，用于：
获取所述震动传感器采集到的震动强度；当该震动强度等于或大于预设震动强度时(说明儿童玩具正在被使用)，获取所述光线传感器所采集到的光线亮度；
判断所述光线传感器所采集到的光线亮度与预设亮度阈值(该阈值可设置为婴幼儿可承受的最大健康亮度，超过这个亮度会对婴幼儿的视力造成损伤)之间的大小关系，当所述光线亮度等于或大于预设亮度阈值时，向所述监护客户端发送亮度过高提醒，由所述监护客户端在接收到所述亮度过高提醒时执行第一提醒操作，以提醒监护人要降低居室环境的光线亮度(从而使得监护人可以及时将居室环境的亮度降低，以避免对婴幼儿视力造成损伤)；当所述光线亮度小于预设亮度阈值时，控制所述灯体开始闪烁(优选地，可以控制灯体的亮度为比所述光线亮度大、但是比所述预设亮度阈值小的亮度，形成灯体强度与环境亮度之间的反差，从而可进一步保证早产儿能够注意到灯体在闪烁)；
在所述灯体闪烁的同时获取所述声音传感器在所述灯体闪烁的过程中所采集到的声音信号强度，将该声音信号强度称为同步声音强度；当所述同步声音强度等于或大于预设声音强度时，禁止所述摄像头进行拍摄(同步声音强度等于或大于预设声音强度时，说明现场有干扰声源，早产儿的注意力可能被声源吸引而不会注意看灯体，因此，此时禁止摄像头进行拍摄，避免了无效摄像和监测，优化了操作，节省了系统开支，而且可提高检测结果的准确性)；
而当所述同步声音强度小于预设声音强度时，在所述灯体闪烁的同时控制所述摄像头进行拍摄，获取所述摄像头拍摄到的图像，识别所述图像中出现的人脸特征，判断所述人脸特征是否与预存的所述早产儿的人脸特征匹配；当匹配时(说明是早产儿在看儿童玩具)，判断在所述灯体开始闪烁后的预设时间段内所获取的所述摄像头拍摄到的图像中是否存在连续N帧图像，该N帧图像中每帧图像中均包括所述早产儿的预设人脸特征(预设人脸特征包括眼睛特征、鼻部特征和嘴部特征三个特征，当每帧图像中均包括这三个特征时，说明早产儿是将真个脸部朝向摄像头的，可认为早产儿在看灯体)，该预设人脸特征包括眼睛特征、鼻部特征和嘴部特征；当获取的所述摄像头拍摄到的图像中不存在所述连续N帧图像时(N可以摄像头单位时间如1秒内拍摄的帧数的整数倍，例如整数倍可以是5～10,；获取的所述摄像头拍摄到的图像中不存在所述连续N帧图像，说明早产儿并未持续注意灯体，有可能是偶尔看灯体或者根本都没有看灯体，鉴于婴幼儿对事物的好奇行为，通常，如果一个灯体开始闪烁，婴幼儿是会看灯体的，至少要盯着看几秒钟，因此，如果婴幼儿在灯体闪烁的情况下并未盯着看灯体一定时间，说明婴幼儿可能是眼部有问题)，向所述监护客户端发送眼部病变可疑提醒，由所述监护客户端在接收到所述眼部病变可疑提醒时执行第二提醒操作(第二提醒操作用于提醒监护人早产儿可能有眼部病变，要予以注意)，所述处理器还向所述服务器发送提醒，所述提醒中包括眼部病变可疑提醒、所述早产儿的唯一标识和早产情况信息(早产天数、出生日期、出生时的体重和身高等)、以及所述早产儿监护人的联系方式；
所述服务器，用于将每次收到的所述提醒与所述早产儿的唯一标识对应存储，并统计预设单位时间内(如1天或者一周内)所述早产儿的唯一标识所对应的所述提醒的次数，当该次数等于或大于预设次数时，从存储单元中调取所述早产儿的唯一标识所对应的眼底疾病类型，向所述医生客户端发送所述早产儿的唯一标识所对应的眼底疾病类型和所述提醒，向所述处理器发送图像调取通知；
所述处理器，用于在接收到所述图像调取通知时，获取所述摄像头获取的至少一组所述连续N帧图像，将所述至少一组所述连续N帧图像发送给所述监护客户端；
所述医生客户端，用于在接收到所述早产儿的唯一标识所对应的眼底疾病类型和所述提醒时，输出所述早产儿的唯一标识所对应的眼底疾病类型和所述提醒中所包括的内容，由所述医生客户端的用户根据所述联系方式与所述监护人取得联系之后，接收所述监护客户端发送来的所述至少一组所述连续N帧图像，并将其播放，医生客户端的用户如医生看到播放的至少一组所述连续N帧图像，可初步根据播放内容初步判断早产儿是否有病变特征；医生客户端还可以将所述早产儿的唯一标识所对应的眼底疾病类型显示给医生，为医生的医学诊断提供快捷的数据支持。
上述技术方案，通过儿童玩具中设置的各器件，实现了在早产儿玩玩具的过程中，完成对早产儿眼部情况的初步数据采集；并借助网络侧的服务器、医生客户端、监护客户端之间便捷有效的信息交互，为远程的医生对早产儿的眼部进行远程监测提供了准确的数据支持，也就是说，上述技术方案提供了一种智能、高效地远程监测早产儿眼部健康情况的辅助工具。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种早产儿视网膜病变的自动检查系统，其特征在于，所述系统包括：
病变分区识别单元，用于采集早产儿的眼底图像，并针对所述眼底图像中的视乳头、黄斑以及锯齿缘，识别所述眼底图像中的病变分区；
病变分期识别单元，用于根据所述病变分区中的病变特征，确定所述眼底图像对应的病变分期；
附加病变判断单元，用于根据所述眼底图像中后极部呈现的病变特征，判断所述眼底图像中是否存在附加病变；
眼底疾病类型确定单元，用于根据确定的所述病变分期以及判定的所述附加病变，确定所述眼底图像对应的眼底疾病类型，并针对所述眼底疾病类型，确定匹配的治疗策略；
所述附加病变判断单元还用于：
若后极部至少2个象限出现视网膜血管扩张、迂曲，或者虹膜血管充血或扩张、瞳孔无法散大、玻璃体存在混浊特征，判定所述眼底图像中存在附加病变；并通过指定标识表征所述附加病变；
或，通过一类支持向量机判断眼底图像中是否存在附加病变，具体为：
以不存在附加病变的眼底图像作为训练集；
选取图像中的后极部区域作为判断区域；
在判断区域中进行特征提取，所述特征包括血管直径、血管长度与血管端点之间的直线距离之比、瞳孔大小、玻璃体颜色中的一种或多种；
将所提取的特征作为正样本训练一类支持向量机；
通过训练出的一类支持向量机判断眼底图像中是否存在附加病变，当眼底图像被标记为负样本时，判定眼底图像中存在附加病变；
所述系统还包括家庭监控子系统和病变判断子系统，其中：
所述病变判断子系统，包括服务器和用于供医生使用的医生客户端：
服务器，所述服务器中包括所述病变分区识别单元、病变分期识别单元、附加病变判断单元、眼底疾病类型确定单元，还包括存储单元，所述存储单元中存储有早产儿的唯一标识与其对应的眼底疾病类型；
所述家庭监控子系统，包括：
用于供早产儿的监护人使用的监护客户端；
设置于早产儿居室内的儿童玩具，所述儿童玩具的壳体外表面上设置有摄像头、实时采集儿童玩具的震动强度的震动传感器、实时采集光线强度的光线传感器、以及实时采集声音信号强度的声音传感器，其中，所述摄像头的壳体上设置有灯体，所述灯体暴露于摄像头的壳体外表面上，并且所述灯体的光线照射范围朝向所述摄像头的取景范围，所述灯体与所述摄像头的取景镜头之间的距离小于预设距离；所述儿童玩具的壳体内部设置有处理器，处理器与监护客户端之间通讯连接，处理器与所述灯体、震动传感器、光线传感器、声音传感器和摄像头之间连接；
所述处理器，用于：
获取所述震动传感器采集到的震动强度；当该震动强度等于或大于预设震动强度时，获取所述光线传感器所采集到的光线亮度；
判断所述光线传感器所采集到的光线亮度与预设亮度阈值之间的大小关系，当所述光线亮度等于或大于预设亮度阈值时，向所述监护客户端发送亮度过高提醒，由所述监护客户端在接收到所述亮度过高提醒时执行第一提醒操作，以提醒监护人要降低居室环境的光线亮度；当所述光线亮度小于预设亮度阈值时，控制所述灯体开始闪烁；
在所述灯体闪烁的同时获取所述声音传感器在所述灯体闪烁的过程中所采集到的声音信号强度，将该声音信号强度称为同步声音强度；当所述同步声音强度等于或大于预设声音强度时，禁止所述摄像头进行拍摄；
当所述同步声音强度小于预设声音强度时，在所述灯体闪烁的同时控制所述摄像头进行拍摄，获取所述摄像头拍摄到的图像，识别所述图像中出现的人脸特征，判断所述人脸特征是否与预存的所述早产儿的人脸特征匹配；当匹配时，判断在所述灯体开始闪烁后的预设时间段内所获取的所述摄像头拍摄到的图像中是否存在连续N帧图像，该N帧图像中每帧图像中均包括所述早产儿的预设人脸特征，该预设人脸特征包括眼睛特征、鼻部特征和嘴部特征；当获取的所述摄像头拍摄到的图像中不存在所述连续N帧图像时，向所述监护客户端发送眼部病变可疑提醒，由所述监护客户端在接收到所述眼部病变可疑提醒时执行第二提醒操作，所述处理器还向所述服务器发送提醒，所述提醒中包括眼部病变可疑提醒、所述早产儿的唯一标识和早产情况信息以及所述早产儿监护人的联系方式；
所述服务器，用于将每次收到的所述提醒与所述早产儿的唯一标识对应存储，并统计预设单位时间内所述早产儿的唯一标识所对应的所述提醒的次数，当该次数等于或大于预设次数时，从存储单元中调取所述早产儿的唯一标识所对应的眼底疾病类型，向所述医生客户端发送所述早产儿的唯一标识所对应的眼底疾病类型和所述提醒，向所述处理器发送图像调取通知；
所述处理器，用于在接收到所述图像调取通知时，获取所述摄像头获取的至少一组所述连续N帧图像，将所述至少一组所述连续N帧图像发送给所述监护客户端；
所述医生客户端，用于在接收到所述早产儿的唯一标识所对应的眼底疾病类型和所述提醒时，输出所述早产儿的唯一标识所对应的眼底疾病类型和所述提醒中所包括的内容，由所述医生客户端的用户根据所述联系方式与所述监护人取得联系之后，接收所述监护客户端发送来的所述至少一组所述连续N帧图像，并将其播放，医生客户端的用户看到播放的至少一组所述连续N帧图像，可初步根据播放内容初步判断早产儿是否有病变特征；医生客户端还可以将所述早产儿的唯一标识所对应的眼底疾病类型显示给医生，为医生的医学诊断提供快捷的数据支持。
2.根据权利要求1所述的系统，其特征在于，所述病变分区识别单元包括：
第一病变分区识别模块，用于以所述视乳头的中央为中心，以所述视乳头的中央到所述黄斑的中央的凹距离的两倍为半径画圆，并将画出的圆形区域作为第一病变分区；
第二病变分区识别模块，以所述视乳头的中央为中心，以所述视乳头的中央与所述锯齿缘的距离为半径画圆，并将画出的圆形区域中除去所述第一病变分区后的环状区域作为第二病变分区；
第三病变分区识别模块，将所述眼底图像中除所述第一病变分区和所述第二病变分区以外的区域作为第三病变分区。
3.根据权利要求2所述的系统，其特征在于，
所述病变分期识别单元还用于：
若在眼底视网膜颞侧的有血管区与无血管区之间出现分界线，判定当前的病变特征对应第一病变分期；
若眼底分界线隆起呈嵴样改变，判定当前的病变特征对应第二病变分期；
若眼底分界线的嵴样病变上出现视网膜血管扩张增殖，同时伴随纤维组织增生，判定当前的病变特征对应第三病变分期；
若在增生部位发生牵引性视网膜脱离，并逐渐向后极部发展，判定当前的病变特征对应第四病变分期；
若视网膜发生全脱离，判定当前的病变特征对应第五病变分期。
4.根据权利要求3所述的系统，其特征在于，
所述病变分期识别单元还用于：
在判定当前的病变特征对应第四病变分期时，若黄斑在位，判定为第四病变分期中的第一期；若黄斑脱离，判定为第四病变分期中的第二期。
5.根据权利要求3所述的系统，其特征在于，
所述病变分期识别单元还用于在确定所述眼底图像对应的眼底疾病类型时，若第一病变分区或者第二病变分区出现伴随附加病变的第三病变分期，并且相邻病变连续至少5个钟点或者累积达到8个钟点，判定当前的眼底疾病类型为阈值病变。
6.根据权利要求3所述的系统，其特征在于，
所述病变分期识别单元还用于在确定所述眼底图像对应的眼底疾病类型时，若第一病变分区出现伴有附加病变的任一病变分期，或者
第一病变分区出现不伴有附加病变的第三病变分期，或者
第二病变分区出现伴有附加病变的第二或第三病变分期，判定当前的眼底疾病类型为阈值前病变的第一型；
若第一病变分区出现不伴有附加病变的第一或第二病变分期，或者
第二病变分区出现不伴有附加病变的第三病变分期，判定当前的眼底疾病类型为阈值前病变的第二型。
7.根据权利要求3所述的系统，其特征在于，
所述病变分期识别单元还用于：
在确定所述眼底图像对应的眼底疾病类型时，若在第一病变分区出现发生在后极部、遍布4个象限、血管短路不仅发生于视网膜的有血管区和无血管区的交界处，也可发生于视网膜内，并且病变不按第一至第三病变分期的规律进展，判定当前的眼底疾病类型为急进型早产儿视网膜病变。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810354164.2A CN108392174B (zh) | 2018-04-19 | 2018-04-19 | 一种早产儿视网膜病变的自动检查方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810354164.2A CN108392174B (zh) | 2018-04-19 | 2018-04-19 | 一种早产儿视网膜病变的自动检查方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108392174A CN108392174A (zh) | 2018-08-14 |
| CN108392174B true CN108392174B (zh) | 2021-01-19 |
Family
ID=63100132
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810354164.2A Active CN108392174B (zh) | 2018-04-19 | 2018-04-19 | 一种早产儿视网膜病变的自动检查方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108392174B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110570421B (zh) * | 2019-09-18 | 2022-03-22 | 北京鹰瞳科技发展股份有限公司 | 多任务的眼底图像分类方法和设备 |
| CN111192325A (zh) * | 2019-12-30 | 2020-05-22 | 广州乌扑信息科技有限公司 | 一种标准的rop读片辅助系统 |
| CN113222927B (zh) * | 2021-04-30 | 2023-08-01 | 汕头大学·香港中文大学联合汕头国际眼科中心 | 一种早产儿视网膜病变附加性病变的自动检查机器 |
| CN116894805B (zh) * | 2022-03-29 | 2024-03-19 | 山东第一医科大学附属省立医院(山东省立医院) | 基于广角眼底图像的病变特征的识别系统 |
| CN114862760B (zh) * | 2022-03-30 | 2023-04-28 | 中山大学中山眼科中心 | 一种早产儿视网膜病变检测方法及装置 |
| CN114972806A (zh) * | 2022-05-12 | 2022-08-30 | 上海工程技术大学 | 一种基于计算机视觉的医学图像分析方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9622657B2 (en) * | 2014-12-12 | 2017-04-18 | Michael T. Trese | Automated system for measurement of zone 1 in assessment of severity of retinopathy of prematurity |
| CN104463140B (zh) * | 2014-12-23 | 2017-09-29 | 天津工业大学 | 一种彩色眼底图像视盘自动定位方法 |
| CN105411525B (zh) * | 2015-11-10 | 2017-05-31 | 广州河谷互动医疗科技有限公司 | 一种眼底照片图像智能获取识别系统 |
| CN107423571B (zh) * | 2017-05-04 | 2018-07-06 | 深圳硅基仿生科技有限公司 | 基于眼底图像的糖尿病视网膜病变识别系统 |
| CN107203778A (zh) * | 2017-05-05 | 2017-09-26 | 平安科技（深圳）有限公司 | 视网膜病变程度等级检测系统及方法 |
-
2018
- 2018-04-19 CN CN201810354164.2A patent/CN108392174B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108392174A (zh) | 2018-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108392174B (zh) | 一种早产儿视网膜病变的自动检查方法及系统 | |
| US20180140180A1 (en) | Method and system for classifying optic nerve head | |
| JP5607640B2 (ja) | 眼の特徴の画像を得る方法と装置 | |
| CN109528155B (zh) | 一种适用于高度近视并发开角型青光眼的智能筛查系统及其建立方法 | |
| CN105411525B (zh) | 一种眼底照片图像智能获取识别系统 | |
| US20210391056A1 (en) | Health big data service method and system based on remote fundus screening | |
| JP2020528817A (ja) | 毒性及び神経生理性を判定するために瞳孔画像をキャプチャ及び分析するシステム及び方法 | |
| AU2005221167A1 (en) | Apparatus and method for assessing retinal damage | |
| US20220361744A1 (en) | Systems and methods for evaluating pupillary responses | |
| CN110870759A (zh) | 用于远程眼底筛查的质量控制方法和系统、及存储设备 | |
| CN109994173A (zh) | 一种眼底病监测系统 | |
| CN106725295A (zh) | 一种微型体检设备、装置及其使用方法 | |
| CN105512490B (zh) | 一种基于虹膜信息检测健康的可穿戴设备 | |
| Monjur et al. | Smartphone based fundus camera for the diagnosis of retinal diseases | |
| CN111402184B (zh) | 一种实现远程眼底筛查和健康服务的方法和系统 | |
| CN111292286B (zh) | 糖网眼底特征数据变化的分析方法与系统，及存储设备 | |
| CN113077889A (zh) | 一种人工智能眼病筛查服务方法和系统 | |
| KR102418399B1 (ko) | 인공지능 기반 치매 조기 진단 플랫폼 | |
| Kiresur et al. | Automatic detection of diabetic retinopathy in fundus image: a survey | |
| CN215534276U (zh) | 基于ai的白内障患者视力损害程度评估系统 | |
| Doss | An Optimized Soft Computing Model Using Neural Network with ANT Colony Optimization Algorithm for Retinal Image Segmentation | |
| Kalaboukhova et al. | An objective method for measuring relative afferent pupillary defect in glaucomatous optic neuropathy—stimulus optimization | |
| US20230190097A1 (en) | Cataract detection and assessment | |
| CN108537113B (zh) | 眼睛伤害度评估方法 | |
| Gómez-Díaz et al. | Improvement in the Digital Acquisition of the Pupillary Response to Controlled Stimulation by means of Computational Tools and Low-Cost Optoelectronics Device |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liang Jianhong Inventor after: Zhao Huaan Inventor before: Liang Jianhong |