CN110930446A - 一种眼底图像定量分析的前置处理方法及存储设备 - Google Patents
一种眼底图像定量分析的前置处理方法及存储设备 Download PDFInfo
- Publication number
- CN110930446A CN110930446A CN201811013852.9A CN201811013852A CN110930446A CN 110930446 A CN110930446 A CN 110930446A CN 201811013852 A CN201811013852 A CN 201811013852A CN 110930446 A CN110930446 A CN 110930446A
- Authority
- CN
- China
- Prior art keywords
- optic disc
- fundus image
- center
- disc
- fovea
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000007781 pre-processing Methods 0.000 title claims abstract description 29
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 21
- 230000002123 temporal effect Effects 0.000 claims abstract description 52
- 210000000873 fovea centralis Anatomy 0.000 claims abstract description 30
- 238000010606 normalization Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 21
- 210000004204 blood vessel Anatomy 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000005484 gravity Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 10
- 210000002189 macula lutea Anatomy 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 238000013139 quantization Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 description 8
- 206010025421 Macule Diseases 0.000 description 7
- 238000011002 quantification Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000001328 optic nerve Anatomy 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010012689 Diabetic retinopathy Diseases 0.000 description 1
- 208000001344 Macular Edema Diseases 0.000 description 1
- 206010025415 Macular oedema Diseases 0.000 description 1
- 208000017442 Retinal disease Diseases 0.000 description 1
- 206010038923 Retinopathy Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000003143 atherosclerotic effect Effects 0.000 description 1
- 210000001736 capillary Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- KBPHJBAIARWVSC-RGZFRNHPSA-N lutein Chemical compound C([C@H](O)CC=1C)C(C)(C)C=1\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)\C=C\[C@H]1C(C)=C[C@H](O)CC1(C)C KBPHJBAIARWVSC-RGZFRNHPSA-N 0.000 description 1
- 229960005375 lutein Drugs 0.000 description 1
- ORAKUVXRZWMARG-WZLJTJAWSA-N lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C ORAKUVXRZWMARG-WZLJTJAWSA-N 0.000 description 1
- 235000012680 lutein Nutrition 0.000 description 1
- 239000001656 lutein Substances 0.000 description 1
- 201000010230 macular retinal edema Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 210000001210 retinal vessel Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- KBPHJBAIARWVSC-XQIHNALSSA-N trans-lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C KBPHJBAIARWVSC-XQIHNALSSA-N 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- FJHBOVDFOQMZRV-XQIHNALSSA-N xanthophyll Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C=C(C)C(O)CC2(C)C FJHBOVDFOQMZRV-XQIHNALSSA-N 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明涉及眼底图像处理领域,特别涉及一种眼底图像定量分析的前置处理方法及存储设备。所述一种眼底图像定量分析的前置处理方法,包括步骤:获取待处理的眼底图像;对待处理的眼底图像进行视盘定位;对待处理的眼底图像进行黄斑中心凹定位;计算视盘颞侧边缘与黄斑中心凹的量化参数。通过该方法将获得的数据从绝对表示方式转换为相对表示方式,通过归一化处理,形成人与人之间、不同人之间甚至不同仪器的检查结果之间有意义的、可比较的定量分析数据。确保了不同来源的眼底图像,均可形成有意义、可比较的量化指标。
Description
技术领域
本发明涉及眼底图像处理领域,特别涉及一种眼底图像定量分析的前置处理方法及存储设备。
背景技术
糖尿病和高血压等慢病已成为当前危害广大人民身体健康、影响生活质量的严重的社会问题。如何找到合适的途径实现对自己健康状况的管理,从而实现对疾病的预防与监测、治未病是当今社会发展的必然要求。眼底是人体中唯一的非创伤性、能直接观察到动脉、静脉和毛细血管的部位,大量研究和临床实践表明,视网膜病变、视网膜血管改变以及视神经乳头的状况以及变化,在一定程度上反映了人们的健康以及糖尿病视网膜病变和高血压引起的动脉粥样硬化性疾病的状况。
然而,由于各种型号的眼底相机及其不同的工作模式、照相视角以及固视点的不同,导致所获得眼底图像的相对尺寸、分辨率、视角以及固视点结构等都不尽相同。即使是同一位受检者同一只眼睛,通过不同设备或不同时间的采集,所获得眼底图像也可能因为视角、分辨率的不同,导致无法实现个人多次检查图像的比对和指标性的定量分析,也难以对不同人或同一个人不同时间或不同设备上采集的眼底图象的视网膜病变特征、位置、大小或血管改变情况进行定量分析、统计或比较。目前,暂未有相关文献注意到这些问题或明确指出如何解决这一问题!因此,面对海量的受检者定期筛查与采集的眼底图象,如何形成可比较的、有意义的量化指标就显得至关重要。
发明内容
为此,需要提供一种眼底图像定量分析的前置处理方法,用以解决因所获取的眼底图像各式各样,无法对个人多次检查或不同人检查获得的眼底图像的比对与指标性的定量分析的问题。本发明实现的具体的技术方案如下:
一种眼底图像定量分析的前置处理方法,包括步骤:获取待处理的眼底图像;对所述待处理的眼底图像进行视盘定位;对所述待处理的眼底图像进行黄斑中心凹定位;计算所述黄斑中心凹的中心与视盘颞侧边缘距离的量化参数。
进一步的,所述“对所述待处理的眼底图像进行视盘定位”,还包括步骤:对所述眼底图像进行预处理,所述预处理包括:绿色通道选择、中值滤波、有限对比度增强和灰度的归一化处理;对预处理后的眼底图像通过大津算法提取二值化血管图,并通过形态学方法对所述二值化血管图进行腐蚀得到主血管;对主血管进行抛物线拟合计算,根据计算结果定位视盘中心和视盘边缘圈定。
进一步的,所述“对所述待处理的眼底图像进行黄斑中心凹定位”,还包括步骤:以视盘中心作为圆心,第一预设半径值和第二预设半径值,构建圆形,形成环形区域;在所述环形区域内根据黄斑亮度特征进行黄斑中心凹定位。
进一步的,所述“计算所述黄斑中心凹的中心与视盘颞侧边缘距离的量化参数”,还包括步骤:根据视盘中心坐标和黄斑中心凹坐标,判定所述眼底图像是左眼或右眼的眼底图像;根据视盘中心坐标、视盘半径及圈定的视盘边缘,得到视盘颞侧边缘各点的坐标以及视盘面积内各像素点及其重心或中心点;根据视盘重心或中心点到黄斑中心凹的中心点坐标的连接直线,该直线上的视盘颞侧边缘点的坐标,计算或得出视盘颞侧与黄斑中心凹的中心的绝对距离;根据所述绝对距离及视盘直径,计算得到量化参数。
进一步的,所述第一预设半径值为视盘半径的两倍,所述第二预设半径值为视盘半径的三倍。
为解决上述问题,还提供了一种存储设备,具体技术方案如下:
一种存储设备,其中存储有指令集,所述指令集用于执行:获取待处理的眼底图像;对所述待处理的眼底图像进行视盘定位;对所述待处理的眼底图像进行黄斑中心凹定位;计算所述黄斑中心凹的中心与视盘颞侧边缘距离的量化参数。
进一步的,所述指令集还用于执行:所述“对所述待处理的眼底图像进行视盘定位”,还包括步骤:对所述眼底图像进行预处理,所述预处理包括:绿色通道选择、中值滤波、有限对比度增强和灰度的归一化处理;对预处理后的眼底图像通过大津算法提取二值化血管图,并通过形态学方法对所述二值化血管图进行腐蚀得到主血管;对主血管进行抛物线拟合计算,根据计算结果定位视盘中心和视盘边缘圈定。
进一步的,所述指令集还用于执行:所述“对所述待处理的眼底图像进行黄斑中心凹定位”,还包括步骤:以视盘中心作为圆心,第一预设半径值和第二预设半径值,构建圆形,形成环形区域;在所述环形区域内根据黄斑亮度特征进行黄斑中心凹定位。
进一步的,所述指令集还用于执行:所述“计算所述黄斑中心凹的中心与视盘颞侧边缘距离的量化参数”,还包括步骤:根据视盘中心坐标和黄斑中心凹坐标,判定所述眼底图像是左眼或右眼的眼底图像;根据视盘中心坐标、视盘半径及圈定的视盘边缘,得到视盘颞侧边缘各点的坐标以及视盘面积内各像素点及其重心或中心点;根据视盘重心或中心点到黄斑中心凹的中心点坐标的连接直线,该直线上的视盘颞侧边缘点的坐标,计算或得出视盘颞侧与黄斑中心凹的中心的绝对距离;根据所述绝对距离及视盘直径,计算得到量化参数。
进一步的,,所述指令集还用于执行:所述第一预设半径值为视盘半径的两倍,所述第二预设半径值为视盘半径的三倍。
本发明的有益效果是:通过获取待处理的眼底图像,确定待处理的眼底图像的视盘位置、边界点和黄斑中心凹的中心点的位置,计算所述视盘与黄斑中心凹的量化参数,所述量化参数包括视盘颞侧与黄斑中心凹的中心的绝对距离,因正常人这二者的绝对距离值是差不多一样的距离,可以用mm数定量来表达,因此再根据已得到的视盘颞侧到黄斑中心凹的中心的绝对距离以及视盘直径,得到后续量化分析的参数,将获得的数据从绝对表示方式转换为相对表示方式,通过归一化处理,形成有意义的、可比较的数据。确保了不同来源的眼底图像(无论是不同人之间,或者是同一个人自己不同时期的眼底图像),均可形成有意义、可比较的量化指标,做到所有的眼底图像基本可比较也有利于不同人不同时间甚至不同相机,或同一个人不同时间甚至不同相机检查出来得到的眼底图象的特征提取和比对,进而通过该量化指标对眼底健康进行分析判定,实现定量分析。
附图说明
图1为具体实施方式所述一种眼底图像定量分析的前置处理方法的流程图;
图2为具体实施方式所述一种存储设备的模块示意图。
附图标记说明:
200、存储设备。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果,以下结合具体实施例并配合附图详予说明。
请参阅图1,首先对本实施方式中的一些名词做以下解释说明:
视盘:全称视神经盘,也叫视神经乳头,视网膜由黄斑向鼻侧约3mm处有一直径约1.5mm,境界清楚的淡红色圆盘状结构,称为视神经盘,简称视盘。
黄斑:在眼底视神经盘的颞侧0.35cm处并稍下方,处于人眼的光学中心区,是视力轴线的投影点。黄斑区富含叶黄素,比周围视网膜颜色暗些。黄斑中央的凹陷称为中央凹,是视力最敏锐的地方。
大津算法:又称为最大类间方差法,又称:OSTU,是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法。主要是利用阈值将原图像分成前景,背景两个图象。前景:用n1,csum,m1来表示在当前阈值下的前景的点数,质量矩,平均灰度后景:用n2,sum-csum,m2来表示在当前阈值下的背景的点数,质量矩,平均灰度当取最佳阈值时,背景应该与前景差别最大,关键在于如何选择衡量差别的标准,而在otsu算法中这个衡量差别的标准就是最大类间方差,在本程序中类间方差用sb表示,最大类间方差用fmax。
形态学运算中的腐蚀操作:腐蚀是一种消除边界点,使边界向内部收缩的过程。可以用来消除小且无意义的物体。腐蚀的算法:用3x3的结构元素,扫描图像的每一个像素用结构元素与其覆盖的二值图像做“与”操作如果都为1,结果图像的该像素为1。否则为0。结果:使二值图像减小一圈。
在本实施方式中,一种眼底图像定量分析的前置处理方法可应用在一种存储设备上,在本实施方式中,一种存储设备可以是智能手机、平板电脑、台式PC、笔记本电脑、PDA等等。
在本实施方式中,一种眼底图像定量分析的前置处理方法的具体实施方式如下:
步骤S101:获取待处理的眼底图像。可采用如下方式:获取本地上传的眼底图像,或获取远程眼底图像采集终端上传的眼底图像,或从服务器上获取眼底图像,具体可为:通过眼底照相机采集受检者的眼底图像,再将对应受检者的眼底图像上传至存储设备处理,亦可以直接输入受检者的眼底图像,亦可以通过云端获取不同受检者的眼底图像,对眼底图像的获取途径多种多样,不做任何限制。
获取到待处理的眼底图像后,执行步骤S102:对所述待处理的眼底图像进行视盘定位。可采用如下方式:对所述眼底图像进行预处理,所述预处理包括:绿色通道选择、中值滤波、有限对比度增强和灰度的归一化处理;对预处理后的眼底图像通过大津算法提取二值化血管图,并通过形态学方法对所述二值化血管图进行腐蚀得到主血管;对主血管进行抛物线拟合计算,根据计算结果定位视盘中心和视盘边缘圈定。
具体如下:
对待检查眼底图像进行绿色通道选择、中值滤波、有限对比度增强和灰度的归一化处理。通过对眼底图像预处理,可去除眼底图像中多余的背景,有效去噪,更有利于后续眼底图像分析的进行。具体如下:任意一幅彩色眼底图像中,蓝色通道下噪声较多,有用的信息基本丢失,红色通道下两斑较为突出,而暗色的血管、微血管瘤等信息丢失较多,故在本实施方式中对待检查的彩色眼底图像进行绿色通道选择,最大程度地保留、突出眼底血管。
为去除噪声,且能较好地保留边界信息,本实施方式中对绿色通道下的眼底图像进行中值滤波,实现去噪;
为能获得更好的血管提取的效果,对已经去噪的图像进行对比度增强。为避免图像增强后出现过亮的情况,本实施方式中采用有限的对比度增强方法CLAHE。最后,进行归一化处理,使得一幅图像中所有像素点的像素值均落在0-1之间。
对预处理后的眼底图像通过大津算法提取二值化血管图,并通过形态学方法对所述二值化血管图进行腐蚀得到主血管。可采用如下方式:对预处理后的眼底图像通过大津算法计算阈值,并根据以下公式将灰度值大于阈值的像素认定为血管;
并根据视盘直径为图像宽度的1/8-1/5,及主血管的宽度为视盘直径的1/4构造结构元素,利用所述结构元素对已提取的血管进行腐蚀操作,去除细小血管,得到主血管。
得到主血管后,对主血管进行抛物线拟合计算,根据计算结果定位视盘中心。可采用如下方式:以眼底图像左上角为原点,水平方向为X轴,垂直方向为Y轴,建立坐标系;
将所述主血管中的各个像素点映射为所述坐标系的坐标;
如以下公式所示,根据最小二乘法对主血管进行抛物线拟合,确定抛物线的参数,并计算抛物线的顶点,
f(x)=ax2+bx+c
判断所述抛物线顶点是否落在原眼底图像中,若所述抛物线顶点落在原眼底图像中,则定义所述抛物线顶点为视盘中心,坐标为(ODXX,ODYY),并对视盘边缘进行圈定;进而自动或半自动的得到视盘的直径,以像素个数对视盘直径ODD进行描述。
完成视盘定位后,执行步骤S103:对所述待处理的眼底图像进行黄斑中心凹定位。可采用如下方式:以视盘中心作为圆心,第一预设半径值和第二预设半径值,构建圆形,形成环形区域;在所述环形区域内根据黄斑亮度特征进行黄斑中心凹定位。具体如下:
依据黄斑与视盘间的位置关系,由于黄斑中心凹与视盘中心的距离一般在2倍到3倍的ODD大小。故在本实施方式中,优选地以视盘中心为圆心,2倍ODD大小为半径,构建第一个圆;视盘中心为圆心,3倍ODD大小为半径,构建第二个圆,两个圆之间形成的环形区域定义为掩膜区域;接着在掩膜区域内,根据中心凹亮度最低的特点,完成中心凹的定位,得到其坐标MX和MY。在一种优选方式下,采用局部定向对比度方法实现中心凹位置的检测;最后根据亮度信息,以中心凹为圆心,圆形拟合黄斑区域。
以预设大小的滑动窗口对所述候选区域内的每个像素点进行扫描;
并根据黄斑区域为眼底图像中最暗的区域,及黄斑中心凹不包含任何血管,构造出评价公式;
所述评价公式如下所示:
其中,fvessel为在任意一窗口内对应血管分布图中非0的血管像素点个数的得分值,fintensity为任意一窗口内的亮度得分。在本实施方式中,眼底图像中最暗,即对应公式中的亮度得分;不包含血管,对应公式中血管像素点个数得分。
在本实施方式中,以视盘直径/4*视盘直径/4(即:(ODD/4)*(ODD/4))大小的滑动窗口对所述候选区域内的每个像素点进行扫描。
在本实施方式中,通过所有窗口的得分最大值进行归一化处理,获得fvessel;
通过计算出窗口内所有像素点的亮度平均值,并利用255进行归一化处理,获得fintensity。
计算各滑动窗口的评价值,选取评价值最小的滑动窗口对应的中心像素点作为黄斑中心凹;以所述黄斑中心凹为圆心,视盘直径大小为直径,划定圆形,所述圆形包围的区域设定为黄斑区域。
在完成视盘中心或重心的定位、视盘边缘线和黄斑中心凹中心定位后,执行步骤S104:计算所述黄斑中心凹的中心与视盘颞侧边缘距离的量化参数。可采用如下方式:根据视盘中心坐标和黄斑中心凹坐标,判定所述眼底图像是左眼或右眼的眼底图像;根据视盘中心坐标、视盘半径及圈定的视盘边缘,得到视盘颞侧边缘各点的坐标以及视盘面积内各像素点及其重心或中心点;根据视盘重心或中心点到黄斑中心凹的中心点坐标的连接直线,该直线上的视盘颞侧边缘点的坐标,计算或得出视盘颞侧与黄斑中心凹的中心的绝对距离;根据所述绝对距离及视盘直径,计算得到量化参数。具体如下:
a、根据已确定的视盘中心坐标与黄斑中心凹坐标,依据以下自动判断该眼底图像是左眼或右眼的眼底图像;
其中,flag为左右眼标记,取0时表示是右眼,取1时代表是左眼。
b、根据视盘中心坐标和视盘半径,计算视盘颞侧坐标(ODX,ODY);根据视盘颞侧坐标和黄斑中心凹坐标,计算视盘颞侧与黄斑中心凹的绝对距离,按以下公式计算该眼底图像中两者的欧式距离,作为本图像中视盘颞侧到黄斑中心凹的绝对距离;
其中,所有坐标值均以眼底图像左上角像素为原点。
c、于黄斑中心凹一般距视盘颞侧缘约3mm,因此根据已得到的视盘颞侧到黄斑中心凹的绝对距离以及视盘直径,根据以下公式得到后续量化分析的标准d:
d=DMD-ODD 公式3
在本实施方式中,以d为标尺,将获得的数据从绝对表示方式转换为相对表示方式,通过此归一化处理,形成有意义的、可比较的数据。
在本实施方式中,若已检测出硬性渗出,并已计算每个硬性渗出到黄斑中心凹的欧式距离Di。此时可根据公式1进行归一化处理。在此基础上,得到本眼底图像中,硬性渗出到黄斑中心凹的标准的最小距离。
同时,根据之前已经获得的该眼底图像所属的受检者个人信息,以及图片的左右眼信息,可以从原数据库中获得之前该受检者同一只眼睛的眼底图像及其相应的硬性渗出到黄斑中心凹的最小距离,从而实现先后两次检查的比对。
通过获取待处理的眼底图像,确定待处理的眼底图像的视盘位置、边界点和黄斑中心凹的中心点的位置,计算所述视盘与黄斑中心凹的量化参数,所述量化参数包括视盘颞侧与黄斑中心凹的中心的绝对距离,因正常人这二者的绝对距离值是差不多一样的距离,可以用mm数定量来表达,因此再根据已得到的视盘颞侧到黄斑中心凹的中心的绝对距离以及视盘直径,得到后续量化分析的参数,将获得的数据从绝对表示方式转换为相对表示方式,通过归一化处理,形成有意义的、可比较的数据。确保了不同来源的眼底图像(无论是不同人之间,或者是同一个人自己不同时期的眼底图像),均可形成有意义、可比较的量化指标,做到所有的眼底图像基本可比较也有利于不同人不同时间甚至不同相机,或同一个人不同时间甚至不同相机检查出来得到的眼底图象的特征提取和比对,进而通过该量化指标对眼底健康进行分析判定,实现定量分析。
请参阅图2,在本实施方式中,一种存储设备200的具体实施方式如下:
一种存储设备200,其中存储有指令集,所述指令集用于执行:获取待处理的眼底图像;对所述待处理的眼底图像进行视盘定位;对所述待处理的眼底图像进行黄斑中心凹定位;计算所述黄斑中心凹的中心与视盘颞侧边缘距离的量化参数。可采用如下方式:在本实施方式中,通过眼底照相机采集受检者的眼底图像,再将对应的受检者的眼底图像上传至存储设备200处理,亦可以直接输入受检者的眼底图像,亦可以通过云端获取不同受检者的眼底图像,对眼底图像的获取途径多种多样,不做任何限制。
进一步的,所述指令集还用于执行:所述“对所述待处理的眼底图像进行视盘定位”,还包括步骤:对所述眼底图像进行预处理,所述预处理包括:绿色通道选择、中值滤波、有限对比度增强和灰度的归一化处理;对预处理后的眼底图像通过大津算法提取二值化血管图,并通过形态学方法对所述二值化血管图进行腐蚀得到主血管;对主血管进行抛物线拟合计算,根据计算结果定位视盘中心和视盘边缘圈定。
具体如下:
对待检查眼底图像进行绿色通道选择、中值滤波、有限对比度增强和灰度的归一化处理。通过对眼底图像预处理,可去除眼底图像中多余的背景,有效去噪,更有利于后续眼底图像分析的进行。具体如下:任意一幅彩色眼底图像中,蓝色通道下噪声较多,有用的信息基本丢失,红色通道下两斑较为突出,而暗色的血管、微血管瘤等信息丢失较多,故在本实施方式中对待检查的彩色眼底图像进行绿色通道选择,最大程度地保留、突出眼底血管。
为去除噪声,且能较好地保留边界信息,本实施方式中对绿色通道下的眼底图像进行中值滤波,实现去噪;
为能获得更好的血管提取的效果,对已经去噪的图像进行对比度增强。为避免图像增强后出现过亮的情况,本实施方式中采用有限的对比度增强方法CLAHE。最后,进行归一化处理,使得一幅图像中所有像素点的像素值均落在0-1之间。
对预处理后的眼底图像通过大津算法提取二值化血管图,并通过形态学方法对所述二值化血管图进行腐蚀得到主血管。可采用如下方式:对预处理后的眼底图像通过大津算法计算阈值,并根据以下公式将灰度值大于阈值的像素认定为血管;
并根据视盘直径为图像宽度的1/8-1/5,及主血管的宽度为视盘直径的1/4构造结构元素,利用所述结构元素对已提取的血管进行腐蚀操作,去除细小血管,得到主血管。
得到主血管后,对主血管进行抛物线拟合计算,根据计算结果定位视盘中心。可采用如下方式:以眼底图像左上角为原点,水平方向为X轴,垂直方向为Y轴,建立坐标系;
将所述主血管中的各个像素点映射为所述坐标系的坐标;
如以下公式所示,根据最小二乘法对主血管进行抛物线拟合,确定抛物线的参数,并计算抛物线的顶点,
f(x)=ax2+bx+c
判断所述抛物线顶点是否落在原眼底图像中,若所述抛物线顶点落在原眼底图像中,则定义所述抛物线顶点为视盘中心,坐标为(ODXX,ODYY),并对视盘边缘进行圈定;进而自动或半自动的得到视盘的直径,以像素个数对视盘直径ODD进行描述。
进一步的,所述指令集还用于执行:所述“对所述待处理的眼底图像进行黄斑中心凹定位”,还包括步骤:以视盘中心作为圆心,第一预设半径值和第二预设半径值,构建圆形,形成环形区域;在所述环形区域内根据黄斑亮度特征进行黄斑中心凹定位。具体如下:
依据黄斑与视盘间的位置关系,由于黄斑中心凹与视盘中心的距离一般在2倍到3倍的ODD大小。故在本实施方式中,优选地以视盘中心为圆心,2倍ODD大小为半径,构建第一个圆;视盘中心为圆心,3倍ODD大小为半径,构建第二个圆,两个圆之间形成的环形区域定义为掩膜区域;接着在掩膜区域内,根据中心凹亮度最低的特点,完成中心凹的定位,得到其坐标MX和MY。在一种优选方式下,采用局部定向对比度方法实现中心凹位置的检测;最后根据亮度信息,以中心凹为圆心,圆形拟合黄斑区域。
以预设大小的滑动窗口对所述候选区域内的每个像素点进行扫描;
并根据黄斑区域为眼底图像中最暗的区域,及黄斑中心凹不包含任何血管,构造出评价公式;
所述评价公式如下所示:
其中,fvessel为在任意一窗口内对应血管分布图中非0的血管像素点个数的得分值,fintensity为任意一窗口内的亮度得分。在本实施方式中,眼底图像中最暗,即对应公式中的亮度得分;不包含血管,对应公式中血管像素点个数得分。
在本实施方式中,以视盘直径/4*视盘直径/4(即:(ODD/4)*(ODD/4))大小的滑动窗口对所述候选区域内的每个像素点进行扫描。
在本实施方式中,通过所有窗口的得分最大值进行归一化处理,获得fvessel;
通过计算出窗口内所有像素点的亮度平均值,并利用255进行归一化处理,获得fintensity。
计算各滑动窗口的评价值,选取评价值最小的滑动窗口对应的中心像素点作为黄斑中心凹;以所述黄斑中心凹为圆心,视盘直径大小为直径,划定圆形,所述圆形包围的区域设定为黄斑区域。
进一步的,所述指令集还用于执行:所述“计算所述视盘与黄斑中心凹的量化参数”,还包括步骤:根据视盘中心坐标和黄斑中心凹坐标,判定所述眼底图像是左眼或右眼的眼底图像;根据视盘中心坐标、视盘半径及圈定的视盘边缘,得到视盘颞侧边缘各点的坐标以及视盘面积内各像素点及其重心或中心点;根据视盘重心或中心点到黄斑中心凹的中心点坐标的连接直线,该直线上的视盘颞侧边缘点的坐标,计算或得出视盘颞侧与黄斑中心凹的中心的绝对距离;根据所述绝对距离及视盘直径,计算得到量化参数。具体如下:
a、根据已确定的视盘中心坐标与黄斑中心凹坐标,依据以下自动判断该眼底图像是左眼或右眼的眼底图像;
其中,flag为左右眼标记,取0时表示是右眼,取1时代表是左眼。
b、根据视盘中心坐标和视盘半径,计算视盘颞侧坐标(ODX,ODY);根据视盘颞侧坐标和黄斑中心凹坐标,计算视盘颞侧与黄斑中心凹的绝对距离,按以下公式计算该眼底图像中两者的欧式距离,作为本图像中视盘中心到黄斑中心凹的绝对距离;
其中,所有坐标值均以眼底图像左上角像素为原点。
c、于黄斑中心凹一般距视盘颞侧缘约3mm,因此根据已得到的视盘颞侧到黄斑中心凹的绝对距离以及视盘直径,根据以下公式得到后续量化分析的标准d:
d=DMD-ODD 公式3
在本实施方式中,以d为标尺,将获得的数据从绝对表示方式转换为相对表示方式,通过此归一化处理,形成有意义的、可比较的数据。
在本实施方式中,若已检测出硬性渗出,并已计算每个硬性渗出到黄斑中心凹的欧式距离Di。此时可根据公式1进行归一化处理。在此基础上,得到本眼底图像中,硬性渗出到黄斑中心凹的标准的最小距离。
同时,根据之前已经获得的该眼底图像所属的受检者个人信息,以及图片的左右眼信息,可以从原数据库中获得之前该受检者同一只眼睛的眼底图像及其相应的硬性渗出到黄斑中心凹的最小距离,从而实现先后两次检查的比对,做出黄斑水肿的筛查判断结果。
进一步的,所述指令集还用于执行:所述第一预设半径值为视盘半径的两倍,所述第二预设半径值为视盘半径的三倍。
通过存储设备200获取待处理的眼底图像,确定待处理的眼底图像的视盘位置、边界点和黄斑中心凹的中心点的位置,计算所述视盘与黄斑中心凹的量化参数,所述量化参数包括视盘颞侧与黄斑中心凹的中心的绝对距离,因正常人这二者的绝对距离值是差不多一样的距离,可以用mm数定量来表达,因此再根据已得到的视盘颞侧到黄斑中心凹的中心的绝对距离以及视盘直径,得到后续量化分析的参数,将获得的数据从绝对表示方式转换为相对表示方式,通过归一化处理,形成有意义的、可比较的数据。确保了不同来源的眼底图像(无论是不同人之间,或者是同一个人自己不同时期的眼底图像),均可形成有意义、可比较的量化指标,做到所有的眼底图像基本可比较也有利于不同人不同时间甚至不同相机,或同一个人不同时间甚至不同相机检查出来得到的眼底图象的特征提取和比对,进而通过该量化指标对眼底健康进行分析判定,实现定量分析。
需要说明的是,尽管在本文中已经对上述各实施例进行了描述,但并非因此限制本发明的专利保护范围。因此,基于本发明的创新理念,对本文所述实施例进行的变更和修改,或利用本发明说明书及附图内容所作的等效结构或等效流程变换,直接或间接地将以上技术方案运用在其他相关的技术领域,均包括在本发明的专利保护范围之内。
Claims (10)
1.一种眼底图像定量分析的前置处理方法,其特征在于,包括步骤:
获取待处理的眼底图像;
对所述待处理的眼底图像进行视盘定位;
对所述待处理的眼底图像进行黄斑中心凹定位;
计算所述黄斑中心凹的中心与视盘颞侧边缘距离的量化参数。
2.根据权利要求1所述的一种眼底图像定量分析的前置处理方法,其特征在于,
所述“对所述待处理的眼底图像进行视盘定位”,还包括步骤:
对所述眼底图像进行预处理,所述预处理包括:绿色通道选择、中值滤波、有限对比度增强和灰度的归一化处理;
对预处理后的眼底图像通过大津算法提取二值化血管图,并通过形态学方法对所述二值化血管图进行腐蚀得到主血管;
对主血管进行抛物线拟合计算,根据计算结果定位视盘中心和视盘边缘圈定。
3.根据权利要求1所述的一种眼底图像定量分析的前置处理方法,其特征在于,
所述“对所述待处理的眼底图像进行黄斑中心凹定位”,还包括步骤:
以视盘中心作为圆心,第一预设半径值和第二预设半径值,构建圆形,形成环形区域;
在所述环形区域内根据黄斑亮度特征进行黄斑中心凹定位。
4.根据权利要求2所述的一种眼底图像定量分析的前置处理方法,其特征在于,
所述“计算所述黄斑中心凹的中心与视盘颞侧边缘距离的量化参数”,还包括步骤:
根据视盘中心坐标和黄斑中心凹坐标,判定所述眼底图像是左眼或右眼的眼底图像;
根据视盘中心坐标、视盘半径及圈定的视盘边缘,得到视盘颞侧边缘各点的坐标以及视盘面积内各像素点及其重心或中心点;
根据视盘重心或中心点到黄斑中心凹的中心点坐标的连接直线,该直线上的视盘颞侧边缘点的坐标,计算或得出视盘颞侧与黄斑中心凹的中心的绝对距离;
根据所述绝对距离及视盘直径,计算得到量化参数。
5.根据权利要求1所述的一种眼底图像定量分析的前置处理方法,其特征在于,
所述第一预设半径值为视盘半径的两倍,所述第二预设半径值为视盘半径的三倍。
6.一种存储设备,其中存储有指令集,其特征在于,所述指令集用于执行:
获取待处理的眼底图像;
对所述待处理的眼底图像进行视盘定位;
对所述待处理的眼底图像进行黄斑中心凹定位;
计算所述黄斑中心凹的中心与视盘颞侧边缘距离的量化参数。
7.根据权利要求6所述的一种存储设备,其特征在于,所述指令集还用于执行:
所述“对所述待处理的眼底图像进行视盘定位”,还包括步骤:
对所述眼底图像进行预处理,所述预处理包括:绿色通道选择、中值滤波、有限对比度增强和灰度的归一化处理;
对预处理后的眼底图像通过大津算法提取二值化血管图,并通过形态学方法对所述二值化血管图进行腐蚀得到主血管;
对主血管进行抛物线拟合计算,根据计算结果定位视盘中心和视盘边缘圈定。
8.根据权利要求6所述的一种存储设备,其特征在于,所述指令集还用于执行:
所述“对所述待处理的眼底图像进行黄斑中心凹定位”,还包括步骤:
以视盘中心作为圆心,第一预设半径值和第二预设半径值,构建圆形,形成环形区域;
在所述环形区域内根据黄斑亮度特征进行黄斑中心凹定位。
9.根据权利要求7所述的一种存储设备,其特征在于,所述指令集还用于执行:
所述“计算所述黄斑中心凹的中心与视盘颞侧边缘距离的量化参数”,还包括步骤:
根据视盘中心坐标和黄斑中心凹坐标,判定所述眼底图像是左眼或右眼的眼底图像;
根据视盘中心坐标、视盘半径及圈定的视盘边缘,得到视盘颞侧边缘各点的坐标以及视盘面积内各像素点及其重心或中心点;
根据视盘重心或中心点到黄斑中心凹的中心点坐标的连接直线,该直线上的视盘颞侧边缘点的坐标,计算或得出视盘颞侧与黄斑中心凹的中心的绝对距离;
根据所述绝对距离及视盘直径,计算得到量化参数。
10.根据权利要求6所述的一种存储设备,其特征在于,所述指令集还用于执行:
所述第一预设半径值为视盘半径的两倍,所述第二预设半径值为视盘半径的三倍。
Priority Applications (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811013852.9A CN110930446B (zh) | 2018-08-31 | 2018-08-31 | 一种眼底图像定量分析的前置处理方法及存储设备 |
GB2104238.7A GB2591910A (en) | 2018-08-31 | 2018-11-28 | Preprocessing method for performing quantitative analysis on fundus image, and storage device |
SG11202101906XA SG11202101906XA (en) | 2018-08-31 | 2018-11-28 | Preprocessing method for performing quantitative analysis on fundus image, and storage device |
EP18931884.3A EP3846126A4 (en) | 2018-08-31 | 2018-11-28 | PRE-TREATMENT PROCESS FOR PERFORMING A QUANTITATIVE ANALYSIS ON A FOCUS IMAGE, AND STORAGE DEVICE |
PCT/CN2018/117917 WO2020042405A1 (zh) | 2018-08-31 | 2018-11-28 | 一种眼底图像定量分析的前置处理方法及存储设备 |
JP2021536126A JP7197708B2 (ja) | 2018-08-31 | 2018-11-28 | 眼底画像定量分析の前置処理方法および記憶装置 |
US17/271,606 US20210343006A1 (en) | 2018-08-31 | 2018-11-28 | Preprocessing method for performing quantitative analysis on fundus image, and storage device |
TW108129147A TWI719587B (zh) | 2018-08-31 | 2019-08-15 | 眼底圖像定量分析的前置處理方法及存放裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811013852.9A CN110930446B (zh) | 2018-08-31 | 2018-08-31 | 一种眼底图像定量分析的前置处理方法及存储设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110930446A true CN110930446A (zh) | 2020-03-27 |
CN110930446B CN110930446B (zh) | 2024-03-19 |
Family
ID=69644888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811013852.9A Active CN110930446B (zh) | 2018-08-31 | 2018-08-31 | 一种眼底图像定量分析的前置处理方法及存储设备 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20210343006A1 (zh) |
EP (1) | EP3846126A4 (zh) |
JP (1) | JP7197708B2 (zh) |
CN (1) | CN110930446B (zh) |
GB (1) | GB2591910A (zh) |
SG (1) | SG11202101906XA (zh) |
TW (1) | TWI719587B (zh) |
WO (1) | WO2020042405A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457306A (zh) * | 2022-08-09 | 2022-12-09 | 夏晓波 | 一种通用的自动拆分左右眼照片的方法 |
CN117635600A (zh) * | 2023-12-26 | 2024-03-01 | 北京极溯光学科技有限公司 | 视网膜中央凹的位置确定方法、装置、设备及存储介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7264254B2 (ja) * | 2019-08-30 | 2023-04-25 | 株式会社ニコン | 画像処理方法、画像処理装置、およびプログラム |
TWI784688B (zh) * | 2021-08-26 | 2022-11-21 | 宏碁股份有限公司 | 眼睛狀態評估方法及電子裝置 |
CN115482933B (zh) * | 2022-11-01 | 2023-11-28 | 北京鹰瞳科技发展股份有限公司 | 用于对驾驶员的驾驶风险进行评估的方法及其相关产品 |
WO2024130628A1 (zh) * | 2022-12-22 | 2024-06-27 | 上海健康医学院 | 一种眼底图像视盘定位方法及系统 |
CN116740203B (zh) * | 2023-08-15 | 2023-11-28 | 山东理工职业学院 | 用于眼底相机数据的安全存储方法 |
CN117689893B (zh) * | 2024-02-04 | 2024-06-04 | 智眸医疗(深圳)有限公司 | 激光扫描超广角眼底图像语义分割方法、系统及终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110046480A1 (en) * | 2009-04-16 | 2011-02-24 | Canon Kabushiki Kaisha | Medical image processing apparatus and control method thereof |
CN104463140A (zh) * | 2014-12-23 | 2015-03-25 | 天津工业大学 | 一种彩色眼底图像视盘自动定位方法 |
CN105243669A (zh) * | 2015-10-15 | 2016-01-13 | 四川和生视界医药技术开发有限公司 | 眼底图像自动识别分区方法 |
CN106650596A (zh) * | 2016-10-10 | 2017-05-10 | 北京新皓然软件技术有限责任公司 | 一种眼底图像分析方法、装置及系统 |
CN107292877A (zh) * | 2017-07-05 | 2017-10-24 | 北京至真互联网技术有限公司 | 一种基于眼底图像特征的左右眼识别方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09313447A (ja) * | 1996-06-02 | 1997-12-09 | Topcon Corp | 眼底疾患に関する解析装置 |
JP4896621B2 (ja) * | 2006-08-09 | 2012-03-14 | 興和株式会社 | 視野計 |
JP2011045553A (ja) * | 2009-08-27 | 2011-03-10 | Canon Inc | 眼底撮像装置 |
JP5388765B2 (ja) * | 2009-09-01 | 2014-01-15 | キヤノン株式会社 | 眼底カメラ |
JP5936254B2 (ja) | 2012-02-29 | 2016-06-22 | 国立大学法人京都大学 | 眼底観察装置及び眼底画像解析装置 |
JP6499918B2 (ja) * | 2015-05-20 | 2019-04-10 | 株式会社トプコン | 眼科検査支援システム及び眼科検査支援サーバ |
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 |
CN107292868B (zh) * | 2017-05-31 | 2020-03-13 | 瑞达昇医疗科技(大连)有限公司 | 一种视盘定位方法及装置 |
-
2018
- 2018-08-31 CN CN201811013852.9A patent/CN110930446B/zh active Active
- 2018-11-28 WO PCT/CN2018/117917 patent/WO2020042405A1/zh unknown
- 2018-11-28 SG SG11202101906XA patent/SG11202101906XA/en unknown
- 2018-11-28 EP EP18931884.3A patent/EP3846126A4/en not_active Withdrawn
- 2018-11-28 GB GB2104238.7A patent/GB2591910A/en not_active Withdrawn
- 2018-11-28 JP JP2021536126A patent/JP7197708B2/ja active Active
- 2018-11-28 US US17/271,606 patent/US20210343006A1/en not_active Abandoned
-
2019
- 2019-08-15 TW TW108129147A patent/TWI719587B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110046480A1 (en) * | 2009-04-16 | 2011-02-24 | Canon Kabushiki Kaisha | Medical image processing apparatus and control method thereof |
CN104463140A (zh) * | 2014-12-23 | 2015-03-25 | 天津工业大学 | 一种彩色眼底图像视盘自动定位方法 |
CN105243669A (zh) * | 2015-10-15 | 2016-01-13 | 四川和生视界医药技术开发有限公司 | 眼底图像自动识别分区方法 |
CN106650596A (zh) * | 2016-10-10 | 2017-05-10 | 北京新皓然软件技术有限责任公司 | 一种眼底图像分析方法、装置及系统 |
CN107292877A (zh) * | 2017-07-05 | 2017-10-24 | 北京至真互联网技术有限公司 | 一种基于眼底图像特征的左右眼识别方法 |
Non-Patent Citations (1)
Title |
---|
MASATO WAKAKURA等: "A simple clinical method of assessing patients with optic nerve hypoplasia The disc-macula distance to disc diameter ratio (DM/DD)", 《ACTA OPHTHALMOLOGICA》, vol. 65, pages 612 - 617, XP055841103 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457306A (zh) * | 2022-08-09 | 2022-12-09 | 夏晓波 | 一种通用的自动拆分左右眼照片的方法 |
CN117635600A (zh) * | 2023-12-26 | 2024-03-01 | 北京极溯光学科技有限公司 | 视网膜中央凹的位置确定方法、装置、设备及存储介质 |
CN117635600B (zh) * | 2023-12-26 | 2024-05-17 | 北京极溯光学科技有限公司 | 视网膜中央凹的位置确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2021534948A (ja) | 2021-12-16 |
CN110930446B (zh) | 2024-03-19 |
EP3846126A1 (en) | 2021-07-07 |
SG11202101906XA (en) | 2021-03-30 |
WO2020042405A1 (zh) | 2020-03-05 |
US20210343006A1 (en) | 2021-11-04 |
GB202104238D0 (en) | 2021-05-12 |
TWI719587B (zh) | 2021-02-21 |
EP3846126A4 (en) | 2021-10-27 |
GB2591910A (en) | 2021-08-11 |
JP7197708B2 (ja) | 2022-12-27 |
TW202023467A (zh) | 2020-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110930446B (zh) | 一种眼底图像定量分析的前置处理方法及存储设备 | |
Morales et al. | Automatic detection of optic disc based on PCA and mathematical morphology | |
Antal et al. | An ensemble-based system for microaneurysm detection and diabetic retinopathy grading | |
Scarpa et al. | Automatic recognition of corneal nerve structures in images from confocal microscopy | |
Sánchez et al. | Evaluation of a computer-aided diagnosis system for diabetic retinopathy screening on public data | |
Bae et al. | A study on hemorrhage detection using hybrid method in fundus images | |
US20140314288A1 (en) | Method and apparatus to detect lesions of diabetic retinopathy in fundus images | |
Medhi et al. | An effective fovea detection and automatic assessment of diabetic maculopathy in color fundus images | |
WO2018116321A2 (en) | Retinal fundus image processing method | |
TWI694809B (zh) | 檢測眼球運動的方法、其程式、該程式的記憶媒體以及檢測眼球運動的裝置 | |
KR102469720B1 (ko) | 전자 장치 및 이를 이용한 눈의 충혈도 판단 방법 | |
CN108185984A (zh) | 眼底彩照进行眼底病灶识别的方法 | |
JP2012217621A (ja) | 眼科画像解析装置、及び眼科画像解析プログラム | |
JP5583980B2 (ja) | 画像処理方法および画像処理装置 | |
Rasta et al. | Detection of retinal capillary nonperfusion in fundus fluorescein angiogram of diabetic retinopathy | |
Diaz et al. | Glaucoma diagnosis by means of optic cup feature analysis in color fundus images | |
Subramanian et al. | Diabetic Retinopathy–Feature Extraction and Classification using Adaptive Super Pixel Algorithm | |
JP2008073280A (ja) | 眼底画像処理装置 | |
Wisaeng et al. | Automatic detection of exudates in retinal images based on threshold moving average models | |
Shalini et al. | A survey on detection of diabetic retinopathy | |
Perez et al. | A new method for online retinal optic-disc detection based on cascade classifiers | |
CN115908405B (zh) | 确定眼底特征的方法、装置和电子设备 | |
CN108230306A (zh) | 眼底彩照血管及动静脉的识别方法 | |
CN111291706B (zh) | 一种视网膜图像视盘定位方法 | |
CN111325631B (zh) | 一种基于眼底图像的健康保险控费的方法和系统 |
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 |