CN108510497A - 视网膜图像病灶信息的显示方法及显示装置 - Google Patents

视网膜图像病灶信息的显示方法及显示装置 Download PDF

Info

Publication number
CN108510497A
CN108510497A CN201810315416.0A CN201810315416A CN108510497A CN 108510497 A CN108510497 A CN 108510497A CN 201810315416 A CN201810315416 A CN 201810315416A CN 108510497 A CN108510497 A CN 108510497A
Authority
CN
China
Prior art keywords
focal area
complete
incomplete
retinal images
overlap
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.)
Granted
Application number
CN201810315416.0A
Other languages
English (en)
Other versions
CN108510497B (zh
Inventor
段孟舸
厉元杰
段俊国
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.)
Yinhai Aperture (Guangzhou) Group Co.,Ltd.
Original Assignee
Sichuan Healthsun Vision Pharmaceutical Technology Development Co Ltd
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 Sichuan Healthsun Vision Pharmaceutical Technology Development Co Ltd filed Critical Sichuan Healthsun Vision Pharmaceutical Technology Development Co Ltd
Priority to CN201810315416.0A priority Critical patent/CN108510497B/zh
Publication of CN108510497A publication Critical patent/CN108510497A/zh
Application granted granted Critical
Publication of CN108510497B publication Critical patent/CN108510497B/zh
Active 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
    • G06T7/0002—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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Image Processing (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明公开一种视网膜图像病灶信息的显示方法，包括多张视网膜图像，所述显示方法包括：获取多张视网膜图像的叠加区域；判断叠加区域中是否存在不完整的病灶区域；在叠加区域中存在不完整的病灶区域的情况下，判断多张视网膜图像中是否存在与不完整的病灶区域对应的完整病灶区域；在多张视网膜图像中存在完整病灶区域的情况下，将完整病灶区域覆盖到不完整的病灶区域。本发明还公开一种视网膜图像病灶信息的显示装置。通过在视网膜图像的拼接过程中，对拼接图像的叠加区域中的不完整病灶进行检测，并通过将完整病灶对叠加区域中的不完整病灶进行覆盖，从而进一步提升拼接图像的精确性，提升了医生诊断的精确性，提高了用户体验。

Description

视网膜图像病灶信息的显示方法及显示装置
技术领域
本发明涉及医疗诊断领域，具体地涉及一种视网膜图像病灶信息的显示方法及一种视网膜图像病灶信息的显示装置。
背景技术
由于光学医疗诊断仪器的发展和普及，对于患者病情的诊断可以通过医疗诊断仪器首先采集患者的病情信息，医生根据该病情信息对患者的病情进行进一步的诊断，例如在需要对患者的视网膜进行病情诊断的时候，可以首先通过摄像机通过不同角度拍摄患者眼球的多张视网膜图片，并将拍摄的图片拼接到一起，获取患者的视网膜完整图像。
现有技术中通常采用供应商提供的专用于视网膜图片拼接的特定相机进行拍摄，针对散瞳后的患者，在固定的拍摄位置上按照固定角度一次性拍摄固定数量的视网膜图片，由于拍摄的位置以及时间固定，因此该拼接系统直接对拍摄的图片进行拼接来获得患者的视网膜完整图像。由于采用直接拼接的方式，该拼接系统对拍摄图片的精准要求非常高，在图片拼接过程中，一旦任意一张拍摄图片与视网膜的真实情况出现细微偏差，都会对医生的诊断造成较大困扰；同时，由于拍摄的位置以及时间必须固定，因此无法满足医生对更多图像细节采集的需求，且对于医生和患者来说都费时费力，效率低下。
进一步地，由于通过现有技术获取到患者的视网膜图像后，通过固定的拼接方式直接对视网膜图像进行拼接，当视网膜图像因拍摄角度、环境噪音等的影响而存在偏差时，可能导致拼接的视网膜图像存在病灶错位、病灶失真以及细节不清晰等问题，导致拼接完成后的视网膜图像中的病灶显示精度不高，降低了医生诊断的精确性，无法满足当用户对病情诊断的需求，降低了用户体验。
发明内容
为了克服现有技术中视网膜图像拼接精度不高，拼接后的视网膜图像对病灶显示的精确性不高的技术问题，本发明实施例提供一种视网膜图像病灶信息的显示方法及一种视网膜图像病灶信息的显示装置，通过在视网膜图像的拼接过程中，对拼接图像的叠加区域中的不完整病灶进行检测，并通过将完整病灶对叠加区域中的不完整病灶进行覆盖，从而进一步提升拼接图像的精确性，提升了医生诊断的精确性，提高了用户体验。
为了实现上述目的，本发明实施例提供一种视网膜图像病灶信息的显示方法，包括多张视网膜图像，所述显示方法包括：获取所述多张视网膜图像的叠加区域；判断所述叠加区域中是否存在不完整的病灶区域；在所述叠加区域中存在不完整的病灶区域的情况下，判断所述多张视网膜图像中是否存在与所述不完整的病灶区域对应的完整病灶区域；在所述多张视网膜图像中存在所述完整病灶区域的情况下，将所述完整病灶区域覆盖到所述不完整的病灶区域。
优选地，所述判断所述叠加区域中是否存在不完整的病灶区域，包括：获取所述叠加区域中的最顶层视网膜图像；获取所述最顶层视网膜图像的叠加区域中的所有病灶区域的轮廓线；获取所述叠加区域的边界线；判断在所述所有病灶区域的轮廓线中，是否存在与所述边界线具有至少两个交点的轮廓线；在所述所有病灶区域的轮廓线中存在与所述边界线具有至少两个交点的轮廓线的情况下，将与所述轮廓线对应的病灶区域确定为所述不完整的病灶区域。
优选地，所述判断所述视网膜图像中是否存在与所述不完整的病灶区域对应的完整病灶区域，包括：获取所述不完整的病灶区域的轮廓信息；基于所述轮廓信息与所述视网膜图像中的所有完整病灶区域进行相似度匹配；获取与所述不完整的病灶区域的相似度最高的完整病灶区域作为所述与所述不完整的病灶区域对应的完整病灶区域。
优选地，所述将所述完整病灶区域覆盖到所述不完整的病灶区域，包括：获取所述完整病灶区域的完整特征点以及在所述不完整的病灶区域上与所述完整特征点对应的特定特征点；基于所述完整特征点以及所述特定特征点，获得所述完整病灶区域与所述不完整的病灶区域的对应关系；基于所述对应关系将所述完整病灶区域覆盖到所述不完整的病灶区域。
相应的，本发明还提供一种视网膜图像病灶信息的显示装置，包括多张视网膜图像，所述显示装置包括：获取单元，用于获取所述多张视网膜图像的叠加区域；判断单元，用于判断所述叠加区域中是否存在不完整的病灶区域；完整病灶获取单元，用于在所述叠加区域中存在不完整的病灶区域的情况下，判断所述多张视网膜图像中是否存在与所述不完整的病灶区域对应的完整病灶区域；覆盖单元，用于在所述多张视网膜图像中存在所述完整病灶区域的情况下，将所述完整病灶区域覆盖到所述不完整的病灶区域。
优选地，所述判断单元包括：顶层图像获取模块，用于获取所述叠加区域中的最顶层视网膜图像；轮廓线获取模块，用于获取所述最顶层视网膜图像的叠加区域中的所有病灶区域的轮廓线；边界线获取模块，用于获取所述叠加区域的边界线；判断模块，用于判断在所述所有病灶区域的轮廓线中，是否存在与所述边界线具有至少两个交点的轮廓线；确定模块，用于在所述所有病灶区域的轮廓线中存在与所述边界线具有至少两个交点的轮廓线的情况下，将与所述轮廓线对应的病灶区域确定为所述不完整的病灶区域。
优选地，所述完整病灶获取单元包括：轮廓信息获取模块，用于获取所述不完整的病灶区域的轮廓信息；匹配模块，用于基于所述轮廓信息与所述视网膜图像中的所有完整病灶区域进行相似度匹配；选择模块，用于获取与所述不完整的病灶区域的相似度最高的完整病灶区域作为所述与所述不完整的病灶区域对应的完整病灶区域。
优选地，所述覆盖单元包括：特征点获取模块，用于获取所述完整病灶区域的完整特征点以及在所述不完整的病灶区域上与所述完整特征点对应的特定特征点；对应关系获取模块，用于基于所述完整特征点以及所述特定特征点，获得所述完整病灶区域与所述不完整的病灶区域的对应关系；覆盖模块，用于基于所述对应关系将所述完整病灶区域覆盖到所述不完整的病灶区域。
另一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明提供的方法。
通过本发明提供的技术方案，本发明至少具有如下技术效果：
通过在视网膜图像的拼接过程中，对拼接图像的叠加区域中的不完整的病灶区域进行检测，在拼接图像的叠加区域存在不完整的病灶区域的情况下，通过将与该不完整的病灶区域对应的完整病灶区域对该不完整病灶区域进行覆盖，消除了因拍摄误差或环境噪音导致的拼接偏差或细节不清晰等技术问题，从而进一步提升了拼接图像的精确性，提升了医生诊断的精确性，提高了用户体验。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明实施例提供的视网膜图像病灶信息的显示方法的具体实现流程图；
图2是本发明实施例提供的视网膜图像病灶信息的显示方法中获取病灶轮廓线与图像叠加区域的边界线的交点的示意图；
图3是本发明实施例提供的视网膜图像病灶信息的显示方法中根据不完整的病灶的轮廓线对不完整的病灶进行相似度匹配的示意图；
图4是本发明实施例提供的视网膜图像病灶信息的显示方法中根据特征点的对应关系获取不完整的病灶与完整病灶的对应关系的示意图；
图5是本发明实施例提供的视网膜图像病灶信息的显示装置的结构示意图。
具体实施方式
为了克服现有技术中视网膜图像拼接精度不高，拼接后的视网膜图像对病灶显示的精确性不高的技术问题，本发明实施例提供一种视网膜图像病灶信息的显示方法及显示装置，通过在视网膜图像的拼接过程中，对拼接图像的叠加区域中的不完整病灶进行检测，并通过将完整病灶对叠加区域中的不完整病灶进行覆盖，从而进一步提升拼接图像的精确性，提升了医生诊断的精确性，提高了用户体验。
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
本发明实施例中的术语“系统”和“网络”可被互换使用。“多个”是指两个或两个以上，鉴于此，本发明实施例中也可以将“多个”理解为“至少两个”。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。另外，需要理解的是，在本发明实施例的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。
请参见图1，本发明实施例提供一种视网膜图像病灶信息的显示方法，包括多张视网膜图像，所述显示方法包括：
S10)获取所述多张视网膜图像的叠加区域；
S20)判断所述叠加区域中是否存在不完整的病灶区域；
S30)在所述叠加区域中存在不完整的病灶区域的情况下，判断所述多张视网膜图像中是否存在与所述不完整的病灶区域对应的完整病灶区域；
S40)在所述多张视网膜图像中存在所述完整病灶区域的情况下，将所述完整病灶区域覆盖到所述不完整的病灶区域。
由于人体的眼球是一个三维的球体，而通过摄像机采集人体眼球的视网膜图像会存在透视效果，即在图像的边缘可能出现变形的问题，因此在通过现有的固定拼接方式进行图像拼接的过程中，当图像的边缘，尤其是在拼接图像的叠加区域存在患者的病灶时，可能因为病灶区域的变形而无法正常的拼接为一个完整的病灶区域，从而影响后续的图像拼接工作，以及对视网膜图像中的病灶统计等工作，并进而影响医生对病情的诊断。
进一步地，由于医生往往只关注视网膜图像中的病灶信息，因此在本发明实施例中，通过在拼接视网膜图像的过程中，判断在拼接图像的叠加区域是否存在残缺的病灶信息，并通过将该病灶在视网膜图像上的其他区域中的完整病灶覆盖到该残缺的病灶区域上，从而使得视网膜图像中的病灶信息能够在叠加区域中更加准确、完整的显示出来，因此医生能够获得更加精确、完整的病灶信息，并得出更精确的病情诊断结论。
在本发明实施例中，所述判断所述叠加区域中是否存在不完整的病灶区域，包括：获取所述叠加区域中的最顶层视网膜图像；获取所述最顶层视网膜图像的叠加区域中的所有病灶区域的轮廓线；获取所述叠加区域的边界线；判断在所述所有病灶区域的轮廓线中，是否存在与所述边界线具有至少两个交点的轮廓线；在所述所有病灶区域的轮廓线中存在与所述边界线具有至少两个交点的轮廓线的情况下，将与所述轮廓线对应的病灶区域确定为所述不完整的病灶区域。
在视网膜图像的拼接过程中，获取多张视网膜图像拼接的叠加区域，显而易见地，所述多张视网膜图像拼接形成了多个叠加区域，进一步地，获取在所述多个叠加区域中的病灶轮廓信息，请参见图2，在一种可能的实施方式中，在多个叠加区域中的一个叠加区域中，获取到有三个病灶的轮廓信息，分别为病灶A、病灶B以及病灶C，以及获得了每个病灶的轮廓线，进一步地，获得了该叠加区域的边界线，此时获取在该叠加区域中的每个病灶的轮廓线与该边界线的交点，其中，病灶A的轮廓线与边界线有一个交点P1，病灶B的轮廓线与边界线没有交点，病灶C的轮廓线与边界线有两个交点，分别为P2和P3，即此时只有病灶C的轮廓线与该叠加区域的边界线有至少两个交点，因此确定病灶C为不完整的病灶区域。
在本发明实施例中，通过判断叠加区域中的病灶轮廓线与叠加区域的边界线是否存在交点，并在具有至少两个交点的情况下，确定出不完整的病灶区域，而不是采用图像识别的方法识别整个病灶是否完整出现在叠加区域中，因此通过实施本发明实施例，一方面不需要对每个病灶区域进行提取以及识别，只需要很少的运算量就可以实现不完整的病灶区域的识别，降低了对识别设备的配置需求，提高了识别效率，提高了工作效率；另一方面，可以有效识别出完全包括在叠加区域中的完整病灶区域以及仅仅与叠加区域的边缘相切的完整病灶区域，从而不需要再做过多的操作，因此进一步减少了工作内容，提高了工作效率。
在本发明实施例中，所述判断所述视网膜图像中是否存在与所述不完整的病灶区域对应的完整病灶区域，包括：获取所述不完整的病灶区域的轮廓信息；基于所述轮廓信息与所述视网膜图像中的所有完整病灶区域进行相似度匹配；获取与所述不完整的病灶区域的相似度最高的完整病灶区域作为所述与所述不完整的病灶区域对应的完整病灶区域。
请参见图3，在一种可能的实施方式中，在获取到不完整的病灶区域后，进一步获取该不完整的病灶区域的轮廓信息，例如获取该不完整的病灶区域的轮廓线、或获取该不完整的病灶区域的轮廓线上的特征点等方式，在本发明实施例中，直接获取该不完整的病灶区域的轮廓线，然后将该轮廓线与视网膜图像中的所有完整病灶区域进行相似度匹配，并获取到与该不完整的病灶区域的相似度最高的完整病灶区域，将该完整病灶区域作为该不完整的病灶区域对应的完整病灶区域。
需要说明的是，在对不完整的病灶区域进行相似度匹配时，匹配范围并不局限于该不完整的病灶区域当前所在的视网膜图像上，而可以在所述多张视网膜图像中的任意一张视网膜图像上进行相似度匹配，都能实现本发明实施例的技术效果，因此都应该属于本发明实施例的保护范围，在此不做过多赘述。
在本发明实施例中，所述将所述完整病灶区域覆盖到所述不完整的病灶区域，包括：获取所述完整病灶区域的完整特征点以及在所述不完整的病灶区域上与所述完整特征点对应的特定特征点；基于所述完整特征点以及所述特定特征点，获得所述完整病灶区域与所述不完整的病灶区域的对应关系；基于所述对应关系将所述完整病灶区域覆盖到所述不完整的病灶区域。
请参见图4，在一种可能的实施方式中，在获取到不完整的病灶区域以及对应的完整病灶区域后，通过特征提取算法提取不完整的病灶的轮廓线上的特定特征点以及完整病灶的轮廓线上的完整特征点，例如在本发明实施例中，在完整病灶的轮廓线上提取出轮廓线的拐点WG1-WG8作为完整特征点，以及在不完整的病灶的轮廓线上提取出轮廓线的拐点BG1-BG5作为特定特征点，通过将完整特征点与特定特征点进行信息匹配，从而识别出与特定特征点一一对应的完整特征点，例如在本发明实施例中，点BG1与点WG1对应，点BG2与点WG8对应，点BG3与点WG7对应，点BG4与点WG6对应，点BG5与点WG5对应，从而获取到完整病灶区域与不完整的病灶区域的对应关系，然后按照上述特定特征点与完整特征点的对应关系，将完整病灶区域覆盖到不完整的病灶区域。
在另一种可能的实施方式中，在获取到不完整的病灶区域以及对应的完整病灶区域后，通过图像识别算法将所述完整病灶区域缓存到内存中，并根据不完整的病灶区域对该完整病灶区域进行旋转匹配操作，并将旋转匹配后的完整病灶区域移动到不完整的病灶区域上，以对该不完整的病灶区域进行覆盖。
需要说明的是，在本发明实施例中，在获取到多个对应的特征点后，可以根据所有的对应的特征点确定完整病灶与不完整的病灶的对应关系，也可以根据所述多个对应的特征点中的部分对应的特征点来确定完整病灶与不完整的病灶的对应关系，都应该属于本发明实施例的保护范围，而不应该视为对本发明实施例的保护范围的限制，在此不做过多赘述。
在本发明实施例中，由于所述多张视网膜图像是通过不同的拍摄角度进行拍摄形成的，因此通过在拼接的视网膜图像的叠加区域中识别不完整的病灶区域，并在所述多张视网膜图像中对该不完整的病灶区域进行相似度匹配，从而寻找到与该不完整的病灶区域对应的完整病灶区域，而不仅仅是在该不完整的病灶所在的视网膜图像上进行相似度匹配，因此将匹配范围最大化，使得不完整的病灶能够更容易地匹配到对应的完整病灶，从而进一步提高了拼接的视网膜图像中显示的病灶信息的完整性，有利于医生获得更清楚、完善的病灶信息，提高对患者病情的诊断精确性以及治疗的精确性，避免了对患者病情的拖延，减少了用户的病情治疗时间，提高了用户体验。
下面结合附图对本发明实施例所提供的视网膜图像病灶信息的显示装置进行说明。
请参见图5，基于同一发明构思，本发明实施例提供一种视网膜图像病灶信息的显示装置，包括多张视网膜图像，所述显示装置包括：获取单元，用于获取所述多张视网膜图像的叠加区域；判断单元，用于判断所述叠加区域中是否存在不完整的病灶区域；完整病灶获取单元，用于在所述叠加区域中存在不完整的病灶区域的情况下，判断所述多张视网膜图像中是否存在与所述不完整的病灶区域对应的完整病灶区域；覆盖单元，用于在所述多张视网膜图像中存在所述完整病灶区域的情况下，将所述完整病灶区域覆盖到所述不完整的病灶区域。
在本发明实施例中，所述判断单元包括：轮廓线获取模块，用于获取所述叠加区域中的所有病灶区域的轮廓线；边界线获取模块，用于获取所述叠加区域的边界线；判断模块，用于判断在所述所有病灶区域的轮廓线中，是否存在与所述边界线具有至少两个交点的轮廓线；确定模块，用于在所述所有病灶区域的轮廓线中存在与所述边界线具有至少两个交点的轮廓线的情况下，将与所述轮廓线对应的病灶区域确定为所述不完整的病灶区域。
在本发明实施例中，所述完整病灶获取单元包括：轮廓信息获取模块，用于获取所述不完整的病灶区域的轮廓信息；匹配模块，用于基于所述轮廓信息与所述视网膜图像中的所有完整病灶区域进行相似度匹配；选择模块，用于获取与所述不完整的病灶区域的相似度最高的完整病灶区域作为所述与所述不完整的病灶区域对应的完整病灶区域。
在本发明实施例中，所述覆盖单元包括：特征点获取模块，用于获取所述完整病灶区域的完整特征点以及在所述不完整的病灶区域上与所述完整特征点对应的特定特征点；对应关系获取模块，用于基于所述完整特征点以及所述特定特征点，获得所述完整病灶区域与所述不完整的病灶区域的对应关系；覆盖模块，用于基于所述对应关系将所述完整病灶区域覆盖到所述不完整的病灶区域。
进一步地，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明所述的方法。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (9)

1.一种视网膜图像病灶信息的显示方法，包括多张视网膜图像，其特征在于，所述显示方法包括：
获取所述多张视网膜图像的叠加区域；
判断所述叠加区域中是否存在不完整的病灶区域；
在所述叠加区域中存在不完整的病灶区域的情况下，判断所述多张视网膜图像中是否存在与所述不完整的病灶区域对应的完整病灶区域；
在所述多张视网膜图像中存在所述完整病灶区域的情况下，将所述完整病灶区域覆盖到所述不完整的病灶区域。
2.根据权利要求1所述的显示方法，其特征在于，所述判断所述叠加区域中是否存在不完整的病灶区域，包括：
获取所述叠加区域中的最顶层视网膜图像；
获取所述最顶层视网膜图像的叠加区域中的所有病灶区域的轮廓线；
获取所述叠加区域的边界线；
判断在所述所有病灶区域的轮廓线中，是否存在与所述边界线具有至少两个交点的轮廓线；
在所述所有病灶区域的轮廓线中存在与所述边界线具有至少两个交点的轮廓线的情况下，将与所述轮廓线对应的病灶区域确定为所述不完整的病灶区域。
3.根据权利要求1所述的显示方法，其特征在于，所述判断所述视网膜图像中是否存在与所述不完整的病灶区域对应的完整病灶区域，包括：
获取所述不完整的病灶区域的轮廓信息；
基于所述轮廓信息与所述视网膜图像中的所有完整病灶区域进行相似度匹配；
获取与所述不完整的病灶区域的相似度最高的完整病灶区域作为所述与所述不完整的病灶区域对应的完整病灶区域。
4.根据权利要求1所述的显示方法，其特征在于，所述将所述完整病灶区域覆盖到所述不完整的病灶区域，包括：
获取所述完整病灶区域的完整特征点以及在所述不完整的病灶区域上与所述完整特征点对应的特定特征点；
基于所述完整特征点以及所述特定特征点，获得所述完整病灶区域与所述不完整的病灶区域的对应关系；
基于所述对应关系将所述完整病灶区域覆盖到所述不完整的病灶区域。
5.一种视网膜图像病灶信息的显示装置，包括多张视网膜图像，其特征在于，所述显示装置包括：
获取单元，用于获取所述多张视网膜图像的叠加区域；
判断单元，用于判断所述叠加区域中是否存在不完整的病灶区域；
完整病灶获取单元，用于在所述叠加区域中存在不完整的病灶区域的情况下，判断所述多张视网膜图像中是否存在与所述不完整的病灶区域对应的完整病灶区域；
覆盖单元，用于在所述多张视网膜图像中存在所述完整病灶区域的情况下，将所述完整病灶区域覆盖到所述不完整的病灶区域。
6.根据权利要求5所述的显示装置，其特征在于，所述判断单元包括：
顶层图像获取模块，用于获取所述叠加区域中的最顶层视网膜图像；
轮廓线获取模块，用于获取所述最顶层视网膜图像的叠加区域中的所有病灶区域的轮廓线；
边界线获取模块，用于获取所述叠加区域的边界线；
判断模块，用于判断在所述所有病灶区域的轮廓线中，是否存在与所述边界线具有至少两个交点的轮廓线；
确定模块，用于在所述所有病灶区域的轮廓线中存在与所述边界线具有至少两个交点的轮廓线的情况下，将与所述轮廓线对应的病灶区域确定为所述不完整的病灶区域。
7.根据权利要求5所述的显示装置，其特征在于，所述完整病灶获取单元包括：
轮廓信息获取模块，用于获取所述不完整的病灶区域的轮廓信息；
匹配模块，用于基于所述轮廓信息与所述视网膜图像中的所有完整病灶区域进行相似度匹配；
选择模块，用于获取与所述不完整的病灶区域的相似度最高的完整病灶区域作为所述与所述不完整的病灶区域对应的完整病灶区域。
8.根据权利要求5所述的显示装置，其特征在于，所述覆盖单元包括：
特征点获取模块，用于获取所述完整病灶区域的完整特征点以及在所述不完整的病灶区域上与所述完整特征点对应的特定特征点；
对应关系获取模块，用于基于所述完整特征点以及所述特定特征点，获得所述完整病灶区域与所述不完整的病灶区域的对应关系；
覆盖模块，用于基于所述对应关系将所述完整病灶区域覆盖到所述不完整的病灶区域。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-4中任一项权利要求所述的方法。
CN201810315416.0A 2018-04-10 2018-04-10 视网膜图像病灶信息的显示方法及显示装置 Active CN108510497B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810315416.0A CN108510497B (zh) 2018-04-10 2018-04-10 视网膜图像病灶信息的显示方法及显示装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810315416.0A CN108510497B (zh) 2018-04-10 2018-04-10 视网膜图像病灶信息的显示方法及显示装置

Publications (2)

Publication Number Publication Date
CN108510497A true CN108510497A (zh) 2018-09-07
CN108510497B CN108510497B (zh) 2022-04-26

Family

ID=63381302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810315416.0A Active CN108510497B (zh) 2018-04-10 2018-04-10 视网膜图像病灶信息的显示方法及显示装置

Country Status (1)

Country Link
CN (1) CN108510497B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784713A (zh) * 2021-01-08 2021-05-11 深圳喜为智慧科技有限公司 一种基于图像的猪体重估测方法、系统、设备及存储介质
CN114004854A (zh) * 2021-09-16 2022-02-01 清华大学 一种显微镜下的切片图像实时处理显示系统和方法
CN114004854B (zh) * 2021-09-16 2024-06-07 清华大学 一种显微镜下的切片图像实时处理显示系统和方法

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533474A (zh) * 2008-03-12 2009-09-16 三星电子株式会社 基于视频图像的字符和图像识别系统和方法
CN101751659A (zh) * 2009-12-24 2010-06-23 北京优纳科技有限公司 大容量快速图像拼接方法
CA2753818A1 (en) * 2009-03-11 2010-09-16 Harris Corporation A method for reconstructing iris scans through novel inpainting techniques and mosaicing of partial collections
CN101976429A (zh) * 2010-10-27 2011-02-16 南京大学 基于游弋图像的水面鸟瞰图成像方法
CN102027507A (zh) * 2008-05-15 2011-04-20 皇家飞利浦电子股份有限公司 使用未经衰减校正的pet发射图像补偿不完整解剖图像
CN102436665A (zh) * 2011-08-25 2012-05-02 清华大学 消化道图像二维平面表示方法
CN102607408A (zh) * 2012-03-28 2012-07-25 中国科学院光电技术研究所 一种校正干涉仪成像系统畸变的方法
CN102663446A (zh) * 2012-04-24 2012-09-12 南方医科大学 一种医学病灶图像的词袋模型的构建方法
CN103279936A (zh) * 2013-06-21 2013-09-04 重庆大学 基于画像的人脸伪照片自动合成及修正方法
CN103716594A (zh) * 2014-01-08 2014-04-09 深圳英飞拓科技股份有限公司 基于运动目标检测的全景拼接联动方法及装置
US8888765B1 (en) * 2008-10-10 2014-11-18 Kameran Lashkari System and method for use of infrared binocular indirect ophthalmoscopes in imaging and photodynamic therapy
CN104580933A (zh) * 2015-02-09 2015-04-29 上海安威士科技股份有限公司 基于特征点的多尺度实时监控视频拼接装置及拼接方法
WO2015088226A1 (ko) * 2013-12-09 2015-06-18 (주)루트로닉 안과용 치료장치, 안과용 치료장치의 제어방법 및 안저 병변 치료 방법
CN105551042A (zh) * 2015-12-15 2016-05-04 沈阳东软医疗系统有限公司 一种扫描床标记点位置的确定方法和装置
JP2016129663A (ja) * 2015-01-07 2016-07-21 キヤノン株式会社 画像処理装置及び画像処理方法
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
US20170019594A1 (en) * 2015-07-13 2017-01-19 Futurewei Technologies, Inc. Increasing spatial resolution of panoramic video captured by a camera array
US20170239453A1 (en) * 2016-02-18 2017-08-24 Terumo Kabushiki Kaisha Drug treatment method and delivery device
CN107133920A (zh) * 2017-06-13 2017-09-05 华侨大学 一种基于视觉特征的马赛克拼图的自动生成方法
CN107273657A (zh) * 2017-05-15 2017-10-20 慧影医疗科技（北京）有限公司 影像诊断图文报告的生成方法及存储设备
CN107507184A (zh) * 2017-09-26 2017-12-22 上海辉明软件有限公司 病灶模型的建立方法、装置及电子设备

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533474A (zh) * 2008-03-12 2009-09-16 三星电子株式会社 基于视频图像的字符和图像识别系统和方法
CN102027507A (zh) * 2008-05-15 2011-04-20 皇家飞利浦电子股份有限公司 使用未经衰减校正的pet发射图像补偿不完整解剖图像
US8888765B1 (en) * 2008-10-10 2014-11-18 Kameran Lashkari System and method for use of infrared binocular indirect ophthalmoscopes in imaging and photodynamic therapy
CA2753818A1 (en) * 2009-03-11 2010-09-16 Harris Corporation A method for reconstructing iris scans through novel inpainting techniques and mosaicing of partial collections
CN101751659A (zh) * 2009-12-24 2010-06-23 北京优纳科技有限公司 大容量快速图像拼接方法
CN101976429A (zh) * 2010-10-27 2011-02-16 南京大学 基于游弋图像的水面鸟瞰图成像方法
CN102436665A (zh) * 2011-08-25 2012-05-02 清华大学 消化道图像二维平面表示方法
CN102607408A (zh) * 2012-03-28 2012-07-25 中国科学院光电技术研究所 一种校正干涉仪成像系统畸变的方法
CN102663446A (zh) * 2012-04-24 2012-09-12 南方医科大学 一种医学病灶图像的词袋模型的构建方法
CN103279936A (zh) * 2013-06-21 2013-09-04 重庆大学 基于画像的人脸伪照片自动合成及修正方法
WO2015088226A1 (ko) * 2013-12-09 2015-06-18 (주)루트로닉 안과용 치료장치, 안과용 치료장치의 제어방법 및 안저 병변 치료 방법
CN103716594A (zh) * 2014-01-08 2014-04-09 深圳英飞拓科技股份有限公司 基于运动目标检测的全景拼接联动方法及装置
JP2016129663A (ja) * 2015-01-07 2016-07-21 キヤノン株式会社 画像処理装置及び画像処理方法
CN104580933A (zh) * 2015-02-09 2015-04-29 上海安威士科技股份有限公司 基于特征点的多尺度实时监控视频拼接装置及拼接方法
US20170019594A1 (en) * 2015-07-13 2017-01-19 Futurewei Technologies, Inc. Increasing spatial resolution of panoramic video captured by a camera array
CN105551042A (zh) * 2015-12-15 2016-05-04 沈阳东软医疗系统有限公司 一种扫描床标记点位置的确定方法和装置
US20170239453A1 (en) * 2016-02-18 2017-08-24 Terumo Kabushiki Kaisha Drug treatment method and delivery device
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
CN107273657A (zh) * 2017-05-15 2017-10-20 慧影医疗科技（北京）有限公司 影像诊断图文报告的生成方法及存储设备
CN107133920A (zh) * 2017-06-13 2017-09-05 华侨大学 一种基于视觉特征的马赛克拼图的自动生成方法
CN107507184A (zh) * 2017-09-26 2017-12-22 上海辉明软件有限公司 病灶模型的建立方法、装置及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Z. WAHEED, A等: "A robust non-vascular retina recognition system using structural features of retinal image", 《2016 13TH INTERNATIONAL BHURBAN CONFERENCE ON APPLIED SCIENCES AND TECHNOLOGY》 *
卢鑫: "视网膜血管识别技术研究与算法实现", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784713A (zh) * 2021-01-08 2021-05-11 深圳喜为智慧科技有限公司 一种基于图像的猪体重估测方法、系统、设备及存储介质
CN114004854A (zh) * 2021-09-16 2022-02-01 清华大学 一种显微镜下的切片图像实时处理显示系统和方法
CN114004854B (zh) * 2021-09-16 2024-06-07 清华大学 一种显微镜下的切片图像实时处理显示系统和方法

Also Published As

Publication number Publication date
CN108510497B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
KR102014364B1 (ko) 수술영상을 이용한 출혈 평가 방법 및 장치
US20210056360A1 (en) System and method using machine learning for iris tracking, measurement, and simulation
Bouget et al. Vision-based and marker-less surgical tool detection and tracking: a review of the literature
Reiter et al. Appearance learning for 3D tracking of robotic surgical tools
Hernandez-Matas et al. Retinal image registration under the assumption of a spherical eye
Giancardo et al. Textureless macula swelling detection with multiple retinal fundus images
CN106340015B (zh) 一种关键点的定位方法和装置
JP4692526B2 (ja) 視線方向の推定装置、視線方向の推定方法およびコンピュータに当該視線方向の推定方法を実行させるためのプログラム
CN102037488B (zh) 个人认证方法及用于其的个人认证装置
CN106845414A (zh) 用于生物特征验证的质量度量的方法和系统
CN107456278A (zh) 一种内窥镜手术导航方法和系统
JP2014509535A (ja) 注視点マッピング方法および装置
CA2753818A1 (en) A method for reconstructing iris scans through novel inpainting techniques and mosaicing of partial collections
US20220001544A1 (en) Auxiliary photographing device for dyskinesia analysis, and control method and apparatus for auxiliary photographing device for dyskinesia analysis
Hernandez-Matas et al. REMPE: Registration of retinal images through eye modelling and pose estimation
Hernandez-Matas et al. Retinal image registration through simultaneous camera pose and eye shape estimation
CN101504727B (zh) 图像处理设备及其方法
US11633235B2 (en) Hybrid hardware and computer vision-based tracking system and method
CN106951144A (zh) 医学图像处理方法、装置及设备
Speidel et al. Image-based tracking of the suturing needle during laparoscopic interventions
Hussain et al. Real-time augmented reality for ear surgery
Palumbo et al. Mixed reality and deep learning for external ventricular drainage placement: A fast and automatic workflow for emergency treatments
Speidel et al. Recognition of risk situations based on endoscopic instrument tracking and knowledge based situation modeling
KR20200062764A (ko) 딥러닝 기반 혈관 구분 방법 및 시스템
CN108510497A (zh) 视网膜图像病灶信息的显示方法及显示装置

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
TR01 Transfer of patent right

Effective date of registration: 20230627

Address after: No. 303, 3rd Floor, Unit 3, Building 7, No. 399, West Section of Fucheng Avenue, High tech Zone, Chengdu, Sichuan, 610095

Patentee after: Chengdu Yinhai Qiming Hospital Management Co.,Ltd.

Address before: No. 903, floor 9, building 2, No. 88 Keyuan South Road, Chengdu high tech Zone, Chengdu, Sichuan 610084

Patentee before: SICHUAN HEALTHSUN VISION MEDICAL TECHNOLOGY DEVELOPMENT CO.,LTD.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230902

Address after: Room 302-305, Building 6B, No. 2 Fenghuangsan Road, Huangpu District, Guangzhou City, Guangdong Province, 510000

Patentee after: Yinhai Aperture (Guangzhou) Group Co.,Ltd.

Address before: No. 303, 3rd Floor, Unit 3, Building 7, No. 399, West Section of Fucheng Avenue, High tech Zone, Chengdu, Sichuan, 610095

Patentee before: Chengdu Yinhai Qiming Hospital Management Co.,Ltd.

TR01 Transfer of patent right