CN110831490A - 泪液层评价方法、计算机程序、装置 - Google Patents

泪液层评价方法、计算机程序、装置 Download PDF

Info

Publication number
CN110831490A
CN110831490A CN201880044225.3A CN201880044225A CN110831490A CN 110831490 A CN110831490 A CN 110831490A CN 201880044225 A CN201880044225 A CN 201880044225A CN 110831490 A CN110831490 A CN 110831490A
Authority
CN
China
Prior art keywords
image
value
tear
tear layer
determination value
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.)
Pending
Application number
CN201880044225.3A
Other languages
English (en)
Inventor
薮崎克己
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.)
Kowa Co Ltd
Original Assignee
Kowa 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 Kowa Co Ltd filed Critical Kowa Co Ltd
Publication of CN110831490A publication Critical patent/CN110831490A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/101Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for examining the tear film
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/14Arrangements specially adapted for eye photography
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20021Dividing image into blocks, subimages or windows
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30041Eye; Retina; Ophthalmic

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

提供一种非侵入性且客观的、通过测量BUT从而减轻负荷且适合干眼症诊断的新标准的泪液层评价方法、计算机程序、装置。包括:将泪液层干涉条纹图像中的规定区域内的颜色信息变化到阈值以上时作为睁眼时进行检测的步骤;从所述泪液干涉条纹图像中作为提取图像而提取从睁眼时起经过规定时间时的图像的步骤;对所述提取图像的规定对象区域进行扫描而根据局部区域的像素的颜色信息来计算判定值的判定值计算步骤;对算出的所述判定值与阈值进行比较进而检测出符合的像素的步骤;以及对检测出的像素与阈值进行比较进而评价是否表示泪液层崩溃的评价步骤。

Description

泪液层评价方法、计算机程序、装置
技术领域
本发明涉及一种用于评价泪液层的状态、崩溃从而非侵入性地进行是否是干眼症的判定的方法、计算机程序、装置。
背景技术
眼球、以及眼睑通过泪液来进行保护,以防止异物的侵入、干燥、摩擦造成的损伤等。泪液层由液层和覆盖液层的油层这两层构成,所述液层由占据其大半的水和糖蛋白(粘蛋白)构成;所述油层通过防止液层直接与空气接触而防止液层的蒸发。从存在于眼皮的睑板腺中分泌出油层的成分。如果睑板腺由于年龄增长、炎症、以及擦伤等而发生损伤,则不能形成正常的油层,从而不能保持液层等,因此会引起被称为干眼症的症状。
作为是否是干眼症的判断方法,以往公知有“泪腺分泌测试”及“BUT(Breakuptime:泪膜破裂时间)测试”。该“泪腺分泌测试”的方法为,使在结膜与下眼睑之间夹持带刻度的滤纸的状态保持5分钟,并对经过5分钟后滤纸所吸收的泪液量进行定量。
另一方面,如非专利文献1所示,“BUT测试”是向眼中滴入融解于泪液层的液层中的荧光黄等荧光色素,用激励光来激发荧光,并用秒表等测量从睁眼起到发生泪液的液层的崩溃为止的时间。
在这样的干眼症的诊断方法中,特别是就“泪腺分泌测试”而言,由于是在结膜与下眼睑之间夹持滤纸的侵入性测试,因此会导致在测试后眼睛仍有不适感/异物感的问题。而且,该“泪腺分泌测试”是通过夹持滤纸对眼睛进行刺激来促进泪液的分泌,因此导致的问题是不能对平常的泪液量进行定量,可能无法准确地获得评价结果。
另外,关于另一方的“BUT测试”,也会由于所使用的荧光色素的滴眼位置、量等的不同而产生不同的荧光。另外,将泪液层处于何种程度的状态/阶段判断为泪液崩溃,受到实际进行检查的人的知识、经验等主观因素影响,因此存在无法避免测量偏差(日文:測定バイアス)的问题。就“BUT”的测量而言,检查者的熟练度、主观性介入的程度较大,难以获得客观的测量结果。
这里示出了用于“BUT”测量的现有装置的例子。专利文献1的装置使从光源发出的光经由图案投影板向被检者的角膜投影,并利用物镜使图案的角膜反射像成像于电视摄像机,对该角膜反射像的状态变化进行检测,从而以非侵入性的方式来测量“BUT”,是测量所谓的“NIBUT”的方式。针对角膜反射像的状态变化的检测,是通过对于在电视监视器中示出的角膜反射像,在电视扫描线所表示的多个部位检测电视扫描线的信号波形的紊乱来进行的。
另外,专利文献2所示的装置对来自角膜的荧光反射光量进行检测、测定。通常,反射光量在刚睁眼后最多,随着该时间经过,出现泪液层崩溃,反射光量会降低,因此通过对该反射光量设定阈值,来检测泪液层崩溃的区域(面积)。
现有技术文献
专利文献
专利文献1:日本专利公开2000-254099号公报
专利文献2:日本专利第3699853号公报
非专利文献
非专利文献1:“干眼症诊疗PPP(41项至45项)”(第1版第1次印刷发行:2002年5月1日,编辑:干眼症研究会,发行者:中尾俊治,发行机构:株式会社medicalview公司)
发明内容
(一)要解决的技术问题
但是,在专利文献1的装置中,需要用于向角膜进行照射的光源及图案投影板、电视摄像机以及电视监视器等结构,使装置变得复杂且相应地导致成本升高。另外,关于专利文献2的装置,在向眼中滴入荧光黄的情况下,会导致上述那样的受到检查者的经验等因素影响的问题。
另外,专利文献1及专利文献2的装置都存在如下问题:如果不能获得具备规定水平以上的清晰度和亮度的反射光像或者反射光量,则有可能无法正确地进行评价,因此需要进行位置匹配的精调,并且需要根据各被检者的状态、周围环境来调整阈值。
此外,近年来考虑到“泪腺分泌测试”的上述问题,就包括日本在内的亚洲地区而言,在进行干眼症的诊断时不进行“泪腺分泌测试”而采用仅将“BUT”为5秒以下的情况诊断为是干眼症的诊断基准。
这样,在“BUT”为5秒以下时判断为是干眼症的情况下,反过来说,如果能够确认从睁眼时起经过了5秒的时刻的泪液层崩溃状态,则能够判断是否是干眼症,因此希望获得适应这种诊断标准变化的装置及方法。
本发明针对上述现有问题而完成,其目的在于,提供一种不进行“BUT”的准确测量而是通过确认从睁眼时起经过了规定时间后的时刻的泪液层状态就能够容易且可靠地并以非侵入性的方式来实现干眼症诊断的装置及方法。
(二)技术方案
本发明的泪液层评价方法、计算机程序、装置包括以下所示的步骤及单元。
(1)包括:将泪液层干涉条纹图像中的规定区域内的颜色信息变化到阈值以上时作为睁眼时进行检测的步骤;从所述泪液干涉条纹图像中作为提取图像而提取从睁眼时起经过了规定时间时的图像的步骤;对所述提取图像的规定对象区域进行扫描并根据局部区域的像素的颜色信息来计算判定值的判定值计算步骤;对算出的所述判定值与阈值进行比较进而检测出符合的像素的步骤;以及对检测出的像素与阈值进行比较进而评价是否表示泪液层崩溃的评价步骤。
(2)在上述(1)中,特征在于,所述判定值是根据所述局部区域中的颜色信息算出的表示颜色的偏差(日文:色のばらつき)的值。
(3)在上述(2)中,特征在于,所述表示颜色的偏差的值是根据所述局部区域中的方差或者偏差算出的值。
(4)在上述(2)或(3)中,特征在于,所述判定值是用表示所述局部区域中的颜色的偏差的值除以所述局部区域内的颜色信息的平均值而得到的值。
(5)在上述(1)中,特征在于,所述判定值是所述局部区域的颜色信息的平均值。
(6)在上述(1)至(5)中,特征在于,所述规定时间例如是5秒。
(7)在上述(1)至(6)中,特征在于,包括用于使检查者能够变更从所述睁眼时起经过的规定时间的规定时间变更步骤。
(8)在上述(1)至(7)中,特征在于,所述提取图像是通过获取经过了规定时间时的图像、和该图像之前或之后的规定数量的多帧图像来提取的。
(三)有益效果
本发明实现以下效果。即,由于仅对泪液层干涉条纹图像所表示的从睁眼时起经过了规定时间时的图像进行解析,因此与测量BUT时相比减轻了装置负荷,并适合干眼症诊断的新标准。
此外,本发明是不需要进行荧光色素滴眼等的非侵入性方式,并且能够进行客观性的评价。
附图说明
图1是表示用于检测眨眼的亮度值变化的图表。
图2是关于是否是干眼症的判定流程的图,示意性地表示了睁眼时刻及经过了规定时间后的泪液层干涉条纹图像及其图像解析例。
图3示出了从泪液层干涉条纹图像中提取的提取图像的对象区域的一部分中的各像素的颜色信息(亮度值)的一例、用于计算判定值的局部区域以及计算结果。
图4是泪液层干涉条纹图像获取装置的概要结构图。
具体实施方式
实施例1
<泪液层干涉条纹图像的获取>
关于用于获取角膜表面的泪液层的干涉条纹图像的装置(泪液层干涉条纹图像获取装置),只要能够将所拍摄的图像记录为数字数据即可,可以适宜地使用现有公知的装置。例如有一种泪液层干涉条纹图像获取装置,如图4概要表示的那样,使从光源11发出并通过了光阑(日文:絞り)的光线依次经过透镜12、分光器(日文:スプリッタ)13、物镜14之后,聚光到被检者的被检眼的前眼部15。来自前眼部15的反射光通过物镜14及分光器13,并经过成像透镜16而成像于摄像元件17。利用图像处理工具对成像于摄像元件17的摄像数据实施规定的处理,并转换成图像数据、动态图像数据。
泪液层干涉条纹图像获取装置与本发明的泪液层评价装置以物理方式或者逻辑方式进行连接。该泪液层评价装置具备:处理单元,其对数据进行运算及处理;以及存储单元,其存储由泪液层干涉条纹图像获取装置获取的图像数据、动态图像数据以及其它的数据,该存储单元中分别存储有用于实施本发明的计算机程序、规定的数据,处理单元按照该计算机程序等的规定的命令来进行数据的处理。
下面说明用于针对这样得到的泪液层干涉条纹图像来判定干眼症的处理。此外,关于以下的说明,在没有特别说明的情况下,泪液层干涉条纹图像是指:由经过规定的时间所拍摄的多个连续的帧构成的动态图像,其存储于泪液层评价装置自身或者与其连接的存储装置中。
<图像的颜色信息>
首先,对能够在本发明中使用的颜色信息进行说明。颜色信息例如是很多电子图像设备所采用的方式,即使用红、绿、蓝三色的颜色要素(RGB颜色空间的数值)的方法。
具体而言,各像素的颜色信息是指:像素所具有的红、绿、蓝的颜色要素的亮度(日文:輝度)或者光亮度(日文:明度),可以是直接使用RGB颜色空间中的红、绿、蓝的至少一个以上的颜色要素的亮度,也可以是转换成灰度等级来使用的方式等。
另外,颜色信息也可以是根据需要实施了运算的数值。例如,可以将各个颜色要素的亮度的两个以上组合来进行计算,也可以对两个以上的颜色要素取平均来进行计算,也可以对各要素赋予不同的规定的权重系数。
或者,也可以是根据红、绿、蓝三色的颜色要素来分别计算变动系数,并使用其中的最大值、或者最小值、或者第二大的数值。
此外,虽然在以下的说明中是以使用RGB颜色空间中的亮度的情况为例进行说明,但是在本发明中颜色信息并不限于RGB颜色空间中的数值,也可以使用在HSV颜色空间、HSB颜色空间、HLS颜色空间、或者HSL颜色空间等中规定的亮度、或者光亮度。
下面对各处理内容进行具体说明。处理的流程的一例由图2所示意性示出且包括:基于拍摄、存储的泪液干涉条纹图像中的规定的颜色信息来检测睁眼时的步骤;从泪液干涉条纹图像中作为提取图像而提取从该睁眼时起经过了规定时间后的图像的步骤;根据该提取图像的规定的颜色信息来计算用于判定泪液层崩溃的判定值的步骤;以及基于该判定值来判定是否是表示泪液层崩溃的步骤。
<检测睁眼时>
以下说明针对泪液层干涉条纹图像的睁眼时检测。图1是针对泪液干涉条纹图像求出图像中央的200×200像素的矩形区域中的R、G、B(红、蓝、绿)各颜色要素的亮度的平均值并用与时刻的关系来表示该亮度的平均值的图表。通常在眨眼时,会因闭眼而导致图像中的亮度大幅降低,且当睁眼时亮度会大幅上升,图1所示的数据也表示了这种情况。
这样,利用因眨眼时的闭眼而引起的该亮度平均值的大幅降低,以及因睁眼而引起的该亮度平均值的上升来对该亮度平均值设定规定的阈值,并将亮度平均值变化为该阈值以上的时刻作为睁眼时进行检测。
虽然这里是利用RGB各颜色要素的亮度的平均值来检测睁眼时,但是不限于此。也可以是基于RGB各颜色要素的亮度中的任一来进行检测,也可以是基于由两个以上的颜色要素的亮度进行适当的运算所得到的值来进行检测。也可以直接使用彩色图像的亮度,也可以使用转换成灰度等级的图像的亮度等。
但是,优选在该睁眼时检测中使用规定区域的亮度的平均值的理由是为了适当地设定该阈值。虽然阈值可以任意地设定,但是此时由于所获取的泪液干涉条纹图像会由于被检者的眼睛的状态,例如角膜的状态、睫毛量、睫毛长度、周围的光量等各种重要因素而使得亮度并不固定,因此难以整齐划一地设定阈值,可能需要根据泪液干涉条纹图像的亮度来进行变更。
因此,通过将图像的规定区域的亮度的平均值用于阈值的设定,从而不论图像自身的亮度(亮度的大小)如何,都能够设定与图像对应的适当的阈值。具体而言,可以将这样得到的亮度平均值的最小值与最大值的中央值设定为阈值,也可以将最小值与规定值相加所得到的值、或者从最大值减去规定值所得到的值作为阈值。只要是能够对收敛于眨眼的亮度平均值所表示的变动的变动幅度的值进行设定的方法即可。
<经过了规定时间时的图像的提取>
在利用上述的方法检测睁眼时的情况下,从泪液层干涉条纹图像中提取从该睁眼时起经过了规定时间(例如5秒)时的图像。提取图像可以是仅为一张(1帧),也可以是获取该一张之前或者之后的规定数量的多帧。
此外,虽然规定时间设定为5秒,但是在被检者无法维持5秒睁眼而闭眼的情况下,优选检查者能够通过简单的操作来变更规定时间,以使得能够任意地缩短规定时间,例如是在泪液干涉条纹图像获取装置侧设置用于设定规定时间的旋转开关等,或者是设置能够通过计算机侧的简单操作来设定规定时间的单元。并且,在这种情况下,优选使下述的提取图像的附带信息中包含规定时间的信息,例如是在图像的角落缩小显示规定时间等。
针对来自这样提取的从睁眼时起经过了规定时间后的泪液层干涉条纹图像的提取图像来判定是否表示泪液层的崩溃。与泪液层崩溃的判定有关的具体的方法,是基于由提取图像的颜色信息算出的判定值来判定泪液层的崩溃。下面详细地进行说明。
<针对提取图像的处理>
为了进行后述的泪液层崩溃的判定而对提取图像进行判定值计算处理。作为处理的具体一例,可举出计算在提取图像的颜色信息中存在何种程度的偏差的处理。
具体而言,该方法是针对图像内的规定区域内的各像素调查RGB颜色空间的亮度,并评价红、绿、蓝的至少一个以上的颜色要素的强度在区域内部存在何种程度的偏差。
关于偏差,可以使用由各颜色要素的亮度值得到的方差值、偏差(标准偏差等),或者,也可以使用这些方差值、标准偏差等的值被区域内的像素的亮度平均值除所得到的值(变动系数)。这些值可以根据需要任意地选择使用。
虽然表示颜色的偏差的值的计算可以是对提取图像整体进行计算,但是优选将关注像素及其相邻的像素的多个像素作为局部区域,并针对该局部区域求出颜色信息的多样性。这样求出的表示颜色的偏差的值与对图像整体进行计算的情况相比,虽然解析的即时性较低,但是分辨率较高且空间的位置信息与原图像一致,因此有助于确定泪液层崩溃的位置、面积。具体参照图3的A和B进行说明。
图3的A是表示针对一图像的对象区域中的关注像素和围绕该关注像素的8个像素的3×3合计为9个的像素所表示的区域计算亮度的标准偏差时的示意图。图3的A的各数值表示该图像的一部分的各像素的亮度的数值。
图3的A所示的“区域1”是由关注像素1及围绕该关注像素1的合计九个像素(3×3个像素)形成的区域,对该区域1计算标准偏差并向关注像素1输出。图3的B表示对具有图3的A那样的亮度的图像的对象区域进行扫描的结果。
即,利用滤波器对如上述那样得到的提取图像的对象区域(整体或者所需的一部分)进行扫描并存储对各像素输出的标准偏差,其中,所述滤波器向关注像素输出由关注像素和以该关注像素为中心的规定的像素组成的局部区域中的亮度等颜色信息的标准偏差。
在此,在图3的A及B中,当确认具体的数值时,可知在区域1中向关注像素1输出的标准偏差“2.2”较小,而向区域2中的关注像素2输出的值“7.1”则较大。作为原则,存在泪液层的状态恶化的程度越严重则颜色的偏差就越大的倾向,因此在图3所示的数据中,与区域1相比,区域2的颜色的偏差较大,因此能够判断区域2的泪液层的状态较差。
此外,这里在表示干眼症重症度等级5的泪液层崩溃范围较大的重症的被检者的情况下,有时仅通过上述那样的基于亮度等颜色信息的方差、标准偏差算出的数值可能无法适当地判定泪液层崩溃。泪液层崩溃位置与未崩溃的位置相比,亮度恒定而偏差较小。因此,泪液层的崩溃位置如果涉及较大范围,则如上述那样的基于方差、标准偏差表示偏差的值不变大的位置增加,结果有可能无法检出泪液崩溃,或者导致判定为与实际状态不相符合的轻症。
因此,变动系数如以下的公式所示,可以使用通过用如上述那样得到的亮度的方差、标准偏差的值除以该区域中的亮度的平均值所而得到的数值。
[公式1]
变动系数=亮度的标准偏差/亮度平均值
此外,在这之前的说明中,在图3中对每个关注像素分别输出由关注像素及围绕该关注像素的像素组成的局部区域中的标准偏差或者变动系数等表示颜色的偏差的值,但也可以不向关注像素输出,而将该局部区域看做一个分区,并向该各分区输出标准偏差。另外,该区域或者分区不限于3×3的合计九个像素,当然可以是任意数量像素的集合。
如以上那样,表示颜色的偏差的值是通过求出规定区域中的颜色信息(亮度等)的偏差,即方差或者标准偏差等的偏差来而得到的,另外,除此之外,是根据用表示规定区域中的颜色信息的偏差的值除以规定区域中的颜色信息的平均值所而得到的值,即变动系数而得到的。
<泪液层崩溃的判定>
表示泪液层是否崩溃的判定是根据对提取图像如上述那样而得到的基于方差、标准偏差、变动系数等表示颜色的偏差的值来判定的。例如,对标准偏差等表示颜色的偏差的值为规定的阈值以上的像素或者分区的数量进行计数,在该计数数量是规定阈值以上的情况下判定为发生泪液层的崩溃。
作为其它方法,例如,可以计算标准偏差等表示颜色的偏差的值为规定的阈值以上的像素或者分区的面积,并在该面积为规定的阈值以上的情况下,判定为发生泪液层的崩溃。
另外,可以通过标准偏差等表示颜色的偏差的值为规定的阈值以上的像素或者分区占到提取图像的扫描对象区域整体比例来判定。可以在表示颜色的偏差的值为规定的阈值以上的像素的数量或者面积占到提取图像的扫描对象区域整体的像素数或者面积的比例是规定以上的情况下判定泪液层的崩溃。
但是,不可否定由于提取图像中的原来的颜色信息不适当等而算出的表示颜色的偏差的值有可能包含噪声,因此即使判定为表示颜色的偏差的值是规定的阈值以上的像素或者分区,也可以排除其作为一个连续的区域而不满足规定的大小(面积)的部分。
在这之前的说明中,首先,在泪液层干涉条纹图像中检测被检者的睁眼时(t0),并提取与从该睁眼时(t0)起经过规定时间后相符合的图像,并对该提取图像进行泪液层崩溃的判定。如上述所述,近年来在干眼症的诊断中,在包括日本的亚洲地区采用仅仅在“BUT”是5秒以下的情况下诊断为是干眼症的诊断基准。也就是说,如果对照该新标准,意味着如果对从睁眼时(t0)开始5秒后的提取图像判定为泪液崩溃,则能够诊断为是干眼症,不需要如以往那样准确地测量“BUT”,有助于更简单地、有效地诊断干眼症。
实施例2
在实施例1中,当判定泪液崩溃时,作为根据颜色信息计算的判定值而基于表示颜色的偏差的值来判定,但也可以对判定值如以下所示那样对泪液崩溃进行判定,来取代表示该颜色的偏差的值。
泪液层崩溃位置具有的特征为,一般白色度强、且表示比亮度不崩溃的位置大的值。因此,计算提取图像的局部区域内的像素的亮度平均,并提取表示该亮度平均值以上的亮度的局部区域内的像素。
对所提取的像素的数量进行计数,在该计数的数量是规定的阈值以上的情况下判定为泪液层崩溃。另外,可以将在不是像素的数量,而是所提取的像素所表示的面积是一定程度以上的情况下、相对于对象区域的比例是一定程度以上的情况下判断为泪液层崩溃。
也可以使用如下的方法为,即利用泪液层崩溃位置具有一般白色度强、且表示比亮度不崩溃的位置大的值的特征来提取崩溃位置的轮廓。通过提取轮廓,而能够标示崩溃位置。所谓标示是指,对所提取的区域标上序号,并能够对各个区域的大小、形状等获得信息的方法。通过将微粒的大小、形状作为指标,而能够排除不应该作为崩溃位置提取的部分。能够通过所提取的崩溃区域的数量、面积、形状等来判定在图像中是否包含崩溃位置。
作为提取崩溃位置的轮廓的方法,可以是利用微分滤波器、索贝尔滤波器、拉普拉斯滤波器等图像处理滤波器的方法、坎尼(Canny)边缘提取法等。
以上对本发明进行了说明,但本发明不限于上述的实施例,能够以各种变形的方式应用。
例如,在计算表示颜色的偏差的值时,可以对原来的图像适当地进行放大或者缩小。作为放大的方法,优选双线性法、双三次法、Lanczos法等通过函数补充其间填充的像素的亮度的方法。放大的效果在于能够获取各部位更详细的状态。另一方面,作为缩小的方法,可以使用最近邻法、双线性法、双三次法、Lanczos法等各方法,缩小的效果在于缩短解析时间。这些方法只要根据需要分别使用即可。
工业实用性
本发明可用作如下的方法,即:在使用泪液层的干涉条纹图像进行的干眼症诊断中,不受观察者能力影响地使崩溃的泪液层的状态客观地数值化的方法。尤其是在按照近年来采用的新标准即根据在从睁眼时起5秒后的时刻有无泪液层崩溃来判断是否为干眼症时,能够以非侵入性的方式并且简便、高效地进行判定。

Claims (10)

1.一种泪液层评价方法,其包括:
将泪液层干涉条纹图像中的规定区域内的颜色信息变化到阈值以上时作为睁眼时进行检测的步骤;
从所述泪液干涉条纹图像中作为提取图像而提取从睁眼时起经过了规定时间时的图像的步骤;
对所述提取图像的规定对象区域进行扫描并根据局部区域的像素的颜色信息来计算判定值的判定值计算步骤;
对算出的所述判定值与阈值进行比较进而检测出符合的像素的步骤;以及
对检测出的像素与阈值进行比较进而评价是否表示泪液层崩溃的评价步骤。
2.根据权利要求1所述的泪液层评价方法,其特征在于,
所述判定值是根据所述局部区域中的颜色信息算出的表示颜色的偏差的值。
3.根据权利要求2所述的泪液层评价方法,其特征在于,
所述表示颜色的偏差的值是根据所述局部区域中的方差或者偏差算出的值。
4.根据权利要求2或3所述的泪液层评价方法,其特征在于,
所述判定值是用表示所述局部区域中的颜色的偏差的值除以所述局部区域内的颜色信息的平均值而得到的值。
5.根据权利要求1所述的泪液层评价方法,其特征在于,
所述判定值是所述局部区域的颜色信息的平均值。
6.根据权利要求1至5的任一项所述的泪液层评价方法,其特征在于,
所述规定时间是5秒。
7.根据权利要求1至6的任一项所述的泪液层评价方法,其特征在于,
包括用于使检查者能够变更从所述睁眼时起经过的规定时间的规定时间变更步骤。
8.根据权利要求1至7的任一项所述的泪液层评价方法,其特征在于,
所述提取图像是通过获取经过了规定时间时的图像、和该图像之前或之后的规定数量的多帧图像来提取的。
9.一种计算机程序,其用于使计算机执行权利要求1至8的任意一项所述的各步骤。
10.一种泪液层评价装置,其执行权利要求1至8的任一项所述的方法。
CN201880044225.3A 2017-07-04 2018-07-03 泪液层评价方法、计算机程序、装置 Pending CN110831490A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017131142 2017-07-04
JP2017-131142 2017-07-04
PCT/JP2018/025170 WO2019009277A1 (ja) 2017-07-04 2018-07-03 涙液層評価方法、コンピュータプログラム、装置

Publications (1)

Publication Number Publication Date
CN110831490A true CN110831490A (zh) 2020-02-21

Family

ID=64950937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880044225.3A Pending CN110831490A (zh) 2017-07-04 2018-07-03 泪液层评价方法、计算机程序、装置

Country Status (5)

Country Link
US (1) US11717152B2 (zh)
EP (1) EP3649921A4 (zh)
JP (1) JP7388924B2 (zh)
CN (1) CN110831490A (zh)
WO (1) WO2019009277A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11369264B2 (en) * 2017-08-10 2022-06-28 Kyoto Prefectural Public University Corporation Method for dynamic evaluation of tear fluid layer and device therefor
JP7448470B2 (ja) * 2018-03-02 2024-03-12 興和株式会社 画像分類装置の作動方法、装置及びプログラム
JP7137746B2 (ja) * 2019-01-30 2022-09-15 株式会社Jvcケンウッド 映像処理装置、映像処理方法および映像処理プログラム
WO2024057943A1 (ja) * 2022-09-14 2024-03-21 興和株式会社 涙液層評価装置、涙液層評価プログラム及び涙液層評価方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09201334A (ja) * 1996-01-30 1997-08-05 Kowa Co 眼科装置
US6299305B1 (en) * 1999-02-18 2001-10-09 Nidek Co., Ltd. Ophthalmic apparatus
US20050162611A1 (en) * 2004-01-27 2005-07-28 Nidek Co., Ltd Ophthalmic apparatus
US20080309872A1 (en) * 2005-01-31 2008-12-18 Tomey Corporation Ophthalmologic Instrument
US20120300174A1 (en) * 2010-01-29 2012-11-29 Norihiko Yokoi Ophthalmologic apparatus and image classification method
JP2016115119A (ja) * 2014-12-15 2016-06-23 アイシン精機株式会社 開閉眼判定装置、及び開閉眼判定方法
CN106510615A (zh) * 2016-12-14 2017-03-22 中国科学院苏州生物医学工程技术研究所 干眼症综合分析系统
CN106557735A (zh) * 2015-09-30 2017-04-05 松下知识产权经营株式会社 状态判定装置、闭眼判定装置、状态判定方法和记录介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000254099A (ja) * 1999-03-11 2000-09-19 Canon Inc 眼科装置
JP3718104B2 (ja) * 2000-05-01 2005-11-16 株式会社ニデック 眼科装置
JP4852316B2 (ja) * 2006-02-07 2012-01-11 則彦 横井 眼科装置
US20150141278A1 (en) * 2012-05-30 2015-05-21 Clarient Diagnostic Services, Inc. Multiplexed assay method for lung cancer classification
EP3434173B1 (en) 2014-03-06 2020-06-17 ADOM Advanced Optical Technologies Ltd. System and method for performing tear film structure measurement
KR101542938B1 (ko) 2014-07-15 2015-08-10 한림대학교 산학협력단 눈물막 기름층 관찰 장치
KR102406215B1 (ko) * 2016-02-17 2022-06-08 삼성전자주식회사 컬러 프린지 보정 방법 및 이를 이용한 이미지 데이터의 프로세싱 방법
EP3620103B1 (en) * 2017-05-01 2023-11-01 Kyoto Prefectural Public University Corporation Method and device for evaluating lacrimal fluid layer dynamics
JP7165660B2 (ja) * 2017-08-07 2022-11-04 興和株式会社 涙液状態評価方法、コンピュータプログラム、装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09201334A (ja) * 1996-01-30 1997-08-05 Kowa Co 眼科装置
US6299305B1 (en) * 1999-02-18 2001-10-09 Nidek Co., Ltd. Ophthalmic apparatus
US20050162611A1 (en) * 2004-01-27 2005-07-28 Nidek Co., Ltd Ophthalmic apparatus
US20080309872A1 (en) * 2005-01-31 2008-12-18 Tomey Corporation Ophthalmologic Instrument
US20120300174A1 (en) * 2010-01-29 2012-11-29 Norihiko Yokoi Ophthalmologic apparatus and image classification method
JP2016115119A (ja) * 2014-12-15 2016-06-23 アイシン精機株式会社 開閉眼判定装置、及び開閉眼判定方法
CN106557735A (zh) * 2015-09-30 2017-04-05 松下知识产权经营株式会社 状态判定装置、闭眼判定装置、状态判定方法和记录介质
CN106510615A (zh) * 2016-12-14 2017-03-22 中国科学院苏州生物医学工程技术研究所 干眼症综合分析系统

Also Published As

Publication number Publication date
EP3649921A1 (en) 2020-05-13
EP3649921A4 (en) 2021-03-31
US20200154995A1 (en) 2020-05-21
WO2019009277A1 (ja) 2019-01-10
US11717152B2 (en) 2023-08-08
JP7388924B2 (ja) 2023-11-29
JPWO2019009277A1 (ja) 2020-04-30

Similar Documents

Publication Publication Date Title
JP7448470B2 (ja) 画像分類装置の作動方法、装置及びプログラム
CN110831490A (zh) 泪液层评价方法、计算机程序、装置
JP5572407B2 (ja) 眼科装置及び画像分類プログラム
US9232889B2 (en) Method and apparatus for ocular surface imaging
Pedersen et al. Quantitative measurement of changes in retinal vessel diameter in ocular fundus images
JP4852316B2 (ja) 眼科装置
CN110996759B (zh) 泪液状态评价方法、计算机程序、装置
US11107214B2 (en) Method and device for evaluating tear fluid layer dynamics
US9241622B2 (en) Method for ocular surface imaging
JP6814799B2 (ja) 涙液状態評価方法およびその装置
JP2008284005A (ja) 画像処理装置、画像処理システム、画像処理方法
JP7104941B2 (ja) 涙液層の動態評価方法およびその装置
Gazarek et al. Retinal nerve fibre layer detection in fundus camera images compared to results from optical coherence tomography
CN116491892B (zh) 近视眼底改变评估方法、装置和电子设备
Cree Automated microaneurysm detection for screening
Ravikumar et al. A Hue-Value method for semi-automated assessment of Lid Wiper Epitheliopathy
Huang et al. Edge-directed inference for microaneurysms detection in digital fundus images

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40022734

Country of ref document: HK