CN113724315A - 眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质 - Google Patents

眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN113724315A
CN113724315A CN202111030021.4A CN202111030021A CN113724315A CN 113724315 A CN113724315 A CN 113724315A CN 202111030021 A CN202111030021 A CN 202111030021A CN 113724315 A CN113724315 A CN 113724315A
Authority
CN
China
Prior art keywords
blood vessel
point
center line
width
vessel
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
CN202111030021.4A
Other languages
English (en)
Other versions
CN113724315B (zh
Inventor
刘锋
黄林媛
徐艳丽
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.)
Shanghai Maritime University
Original Assignee
Shanghai Maritime University
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 Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN202111030021.4A priority Critical patent/CN113724315B/zh
Publication of CN113724315A publication Critical patent/CN113724315A/zh
Application granted granted Critical
Publication of CN113724315B publication Critical patent/CN113724315B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

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

Abstract

本发明公开了一种眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质，包括：获取眼底视网膜图像；根据所述眼底视网膜图像选取血管中心线上任一目标像素点，获得所述目标像素点对应的血管横截面方向；沿所述血管横截面方向，定位血管两侧边界点；计算两侧边界点到血管中心线点之间的距离之和，以作为所述血管中心线点对应的血管宽度值。应用本发明实施例，测量准确性和稳定性表现良好，并且能够有效的处理血管中央光反射问题。

Description

眼底视网膜血管宽度测量方法、电子设备及计算机可读存储 介质
技术领域
本发明涉及医学图像处理技术领域，尤其涉及一种眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质。
背景技术
视网膜血管宽度的异常变化通常是由某些疾病导致的，如高血压、糖尿病、动脉粥样硬化等，血管直径的准确测量能为医生提供十分有用的诊断信息。然而由于血管比较细小，结构复杂，并且获取的眼底图像有时明暗不均，肉眼难以辨别，人工测量工作量巨大，耗时耗力，效率低下，亟需一种计算机辅助宽度自动测量方法。
目前已有的血管宽度自动测量方法大致可以分为两类：基于区域拟合的测量方法和基于边界定位的测量方法。基于区域拟合的方法主要是对血管横截面区域进行建模分析，提取模型中的宽度信息，以此作为血管宽度测量值；基于边界定位的方法主要是在像素级别上定位血管横截面的边界两点，以两点间的距离为宽度测量值。
以上这些方法虽能测得血管的宽度，但是有些测量过于粗糙，准确度不高，有些过于复杂，临床应用困难，并且大多数方法未能考虑血管的中央光反射等问题，导致测量误差较大，因此仍然需要探索出有效可靠的宽度测量方法。
发明内容
本发明的目的在于提供一种眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质，旨在克服现有之不足，本发明在测量准确性和稳定性方面表现良好，并且能够有效的处理血管中央光反射问题。
为了实现上述目的，本发明提供一种眼底视网膜血管宽度测量方法，包括：
获取眼底视网膜图像；
根据所述眼底视网膜图像选取血管中心线上任一目标像素点，获得所述目标像素点对应的血管横截面方向；
沿所述血管横截面方向，定位血管两侧边界点；
计算两侧边界点到血管中心线点之间的距离之和，以作为所述血管中心线点对应的血管宽度值。
一种实现方式中，所述获得所述目标像素点对应的血管横截面方向的步骤为：
选取血管中心线上的任一目标像素点；
在所述目标像素点两端选取第一数量个相邻中心线像素点，并获取沿着所述血管中心线对称的第二数量个相邻中心线像素点，对所述第一数量个相邻中心线像素点和所述第二数量个相邻中心线像素点和所述目标像素点进行三次样条拟合；
通过拟合后的样条曲线计算目标像素点处的血管方向角度；
将血管方向对应的法线方向确定为所述目标像素点的血管横截面方向。
可选的，所述沿所述血管横截面方向，定位血管两侧边界点的步骤为：
沿血管横截面方向，从血管中心点处向一侧依次搜寻像素点；
对得到的每一个像素点沿横截面方向计算以该点为中心，左右两侧共多对像素点的灰度差之和，对应灰度差之和最大的点即为该侧的血管边界点；
重复执行上述步骤获得另一侧边界点。
一种实现方式中，所述计算两侧边界点到血管中心线点之间的距离之和，以作为所述血管中心线点对应的血管宽度值的步骤为：
分别计算两侧边界点与中心线点之间的第一距离第二距离；
将所述第一距离和所述第二距离之和确定为该血管中心线点所对应的血管宽度值。
可选的，所述定位血管两侧边界点的方法为扩展型边界点搜寻法。
此外，本发明还公开了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任一项所述眼底视网膜血管宽度测量方法的步骤。
以及公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现任一项所述眼底视网膜血管宽度测量方法的步骤。
应用本发明实施例提供的一种眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质，具备的有益效果如下：
⑴单独定位血管两侧的边界点，避免了由于中心线点不在血管横截面中心而造成的错误测量，提高了结果的准确性。
⑵活动点附近的灰度差之和由横截面方向的像素集合所确定，可以更有效地判断横截面方向的灰度变化，使边界点的定位更加精确。
⑶充分考虑中央光反射问题，解决了因血管内部灰度变化导致的边界误定位问题。
附图说明
图1是本发明实施例一种眼底视网膜血管宽度测量方法的流程图。
图2是本发明血管横截面方向示意图。
图3是本发明扩展型边界点搜寻法示意图。
图4是本发明检测点详图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
如图1本发明提供一种眼底视网膜血管宽度测量方法，包括：
S110，获取眼底视网膜图像。
S120，根据所述眼底视网膜图像选取血管中心线上任一目标像素点，获得所述目标像素点对应的血管横截面方向。
需要说明的是，对S110所获取的图像，首先标记血管中心线的每一个分段，依次分析每个分段中的每一个中心像素点对应的宽度信息。
本发明实施例采用的是REVIEW标准眼底视网膜图像数据库，该数据库给出了由专家标定的血管边界点信息，由这些边界点信息可计算得出血管中心点坐标和实际血管宽度，这里的中心点就是血管横截面中心点。也就是说本发明是在准确的血管横截面中心点基础上进行宽度测量，最后将测量结果与计算得出的实际血管宽度进行比较分析，得出测量方法的有效性和准确性。
REVIEW数据集给出的专家标定数据是对若干小血管段进行测定得出的，而不是所有的血管区域，每个图像都是由众多像素点组成，若是一一测量，工作量巨大。本发明按照专家选定的分段区域进行测量实验，便于进行对比分析。最终实验结果是取所有分段宽度测量结果的平均值。
选取某段血管中心线上的任一目标像素点，如图2中的Pn表示某段血管中心线上的任一目标像素点，分别在其两边选取m个相邻中心线像素点，对前后共2m+1个点进行三次样条拟合，通过拟合后的样条曲线计算点Pn处的血管方向的角度θp，由其法线方向角度θ即可确定血管横截面方向。
经实验表明m＝2可以获得良好的效果，对于前后没有足够的相邻中心像素的首尾端点，缺少的个数可以由目标点另一侧扩展得到，如最末端的点，可以直接往有像素的邻边找4个相邻中心像素点，末端倒数第二个点可以在一个侧边找3个相邻的中心像素，另一侧边找1个相邻的中心像素点。由于拟合的曲线不一定经过Pn点，本发明将曲线上与Pn点横坐标相同的点的切线方向作为Pn点所代表的血管方向。设Pn点处的切线斜率为k1，则其法线斜率为k2＝-1/k1，求取k2的反正切即可得到法线方向的角度θ，也就是横截面方向的角度。若5个待拟合点均处于同一条竖直线上，即横坐标相同，则k1为0，k2设为无穷大。
S130，沿所述血管横截面方向，定位血管两侧边界点；
可以理解的是，在实际应用中，由其他方法得出的血管中心线点，可能不严格出现在血管横截面的中心，导致两侧边界点距中心线点的距离并不相同。本发明单独定位血管两侧的边界点，沿血管横截面方向，从血管中心点处向一侧依次搜寻像素点，对得到的每一个像素点周边灰度环境进行分析判断，计算以该点为中心，沿着横截面方向共3对像素点的灰度差之和，对应灰度差之和最大的那个像素点确定为该侧的血管边界点；另一侧边界点的确定方法和上述步骤相同。
结合附图具体分析，图3是扩展型边界点搜寻法示意图，图4是图3中检测点Pr,1处的详细图解。图3的灰色区域代表有中央光反射的血管内部区域，Pn表示某段血管中心线上的第n个像素点，θp为血管方向的角度，θ为横截面方向的角度。R1为右侧边界点与Pn点间的距离，R2为左侧边界点与Pn点间的距离。Pr,1、Pr,2分别是Pn点两侧横截面方向上的活动点，虚线箭头表示两个活动点逐渐向外运动。r代表活动点与中心点Pn之间的距离。由于CLRIS数据集中的专家测量宽度结果的最大值d约为22，故本发明选取1.5d作为宽度测量范围，以覆盖整个血管和血管边界附近区域，即取rmax＝16。此处用坐标表示像素点的位置信息，即Pn＝(xn,yn)，则：
Pr,1＝Pn+re
Pr,2＝Pn-re
其中，e＝(sinθ,cosθ)，r＝(1,2,3,...,16)，Pr,1和Pr,2分别是Pn点两侧横截面方向上的活动点坐标，r代表活动点与中心点Pn之间的距离，为方便运算分析，这里将最大距离rmax划分为16等分，即对单侧来说，最多只需搜寻16个活动点。
Figure BDA0003244733430000051
表示在血管横截面方向上点Pr,1周围的1对像素点，同时
Figure BDA0003244733430000052
比
Figure BDA0003244733430000053
更接近血管中心点Pn，k＝(-1,0,1)，具体表达如下：
Figure BDA0003244733430000054
Figure BDA0003244733430000055
(1)k＝0时，
Figure BDA0003244733430000056
与Pr,1之间的距离为0.5；
(2)k＝-1时，
Figure BDA0003244733430000057
在
Figure BDA0003244733430000058
点的基础上同时向血管内侧方向移动，移动距离为1；
(3)k＝1时，
Figure BDA0003244733430000059
在
Figure BDA00032447334300000510
点的基础上同时向血管外侧方向移动，移动距离为1。
具体位置见图4，
Figure BDA00032447334300000511
的定义与上述相同：
Figure BDA00032447334300000512
Figure BDA00032447334300000513
令i＝(1,2)，则Pr,i点周围共3对像素点灰度差之和表示如下：
Figure BDA00032447334300000514
Figure BDA00032447334300000515
表示
Figure BDA00032447334300000516
位置处的图像像素值，
Figure BDA00032447334300000517
表示
Figure BDA00032447334300000518
位置处的图像像素值。
本发明将灰度差之和最大的像素点确定为该侧的血管边界点，这可使边界点的定位更加精确。对有中央光反射的血管，血管中央范围和血管外的背景灰度值均比血管边界内侧范围的灰度值要高，Wr,i充分考虑上述特性，并利用
Figure BDA0003244733430000061
比
Figure BDA0003244733430000062
更接近血管中心点Pn的特点，解决了中央光反射导致的边界点误判断问题。
S140，计算两侧边界点到血管中心线点之间的距离之和，以作为所述血管中心线点对应的血管宽度值。
需要说明的是，求取
Figure BDA0003244733430000063
所对应的r值，用Ri表示，分别计算两侧边界点与中心线点之间的距离R1和R2，并计算距离之和
Figure BDA0003244733430000064
Figure BDA0003244733430000065
Figure BDA0003244733430000066
即为该血管中心线点所对应的血管宽度值。
为了说明本发明的实际效果，本发明在一个公开的眼底视网膜图像数据库——REVIEW上进行了相关实验。该数据库包含了四个不同的数据集：CLRIS，HRIS，KPIS和VDIS数据集。每个数据集都给出了由三个专家标定的视网膜血管分段信息，包括血管分段号和分段的边界点坐标，由这些坐标计算可以得到分段中心点、血管宽度、方向等数据。
为了评价本发明方法的宽度测量效果，实验采用四个评价指标：“测量宽度”的平均值Mμ和标准差Mσ，“测量误差”的平均值Eμ和标准差Eσ。假设某个分段第i个血管中心线点所对应的测量宽度为ωi，真实宽度为ψi，则测量误差Ei可表示为：
Ei＝ωi-ψi
实验结果如下表所示：
Figure BDA0003244733430000067
从实验结果可以看出，该血管宽度测量方法在测量准确性和稳定性方面表现优异。
此外，本发明还公开了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任一项所述眼底视网膜血管宽度测量方法的步骤。
以及公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现任一项所述眼底视网膜血管宽度测量方法的步骤
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (7)

1.一种眼底视网膜血管宽度测量方法，其特征在于，包括：
获取眼底视网膜图像；
根据所述眼底视网膜图像选取血管中心线上任一目标像素点，获得所述目标像素点对应的血管横截面方向；
沿所述血管横截面方向，定位血管两侧边界点；
计算两侧边界点到血管中心线点之间的距离之和，以作为所述血管中心线点对应的血管宽度值。
2.根据权利要求1所述的一种眼底视网膜血管宽度测量方法，其特征在于，所述获得所述目标像素点对应的血管横截面方向的步骤为：
选取血管中心线上任一目标像素点；
在所述目标像素点两端选取第一数量个相邻中心线像素点，并获取沿着所述血管中心线对称的第二数量个相邻中心线像素点，对所述第一数量个相邻中心线像素点和所述第二数量个相邻中心线像素点和所述目标像素点进行三次样条拟合；
通过拟合后的样条曲线计算所述目标像素点处的血管方向；
将血管方向的法线方向确定为所述目标像素点的血管横截面方向。
3.根据权利要求1所述的一种眼底视网膜血管宽度测量方法，其特征在于，所述沿所述血管横截面方向，定位血管两侧边界点的步骤为：
沿血管横截面方向，从血管中心点处向一侧依次搜寻像素点；
对得到的每一个像素点沿横截面方向计算以该点为中心，左右共多对像素点的灰度差之和，对应灰度差之和最大的点即为该侧的血管边界点；
重复执行上述步骤获得另一侧边界点。
4.根据权利要求1所述的一种眼底视网膜血管宽度测量方法，其特征在于，
所述计算两侧边界点到血管中心线点之间的距离之和，以作为所述血管中心线点对应的血管宽度值的步骤为：
分别计算两侧边界点与中心线点之间的第一距离第二距离；
将所述第一距离和所述第二距离之和确定为血管中心线点所对应的血管宽度值。
5.根据权利要求3所述的一种眼底视网膜血管宽度测量方法，其特征在于，所述定位血管两侧边界点的方法为扩展型边界点搜寻法。
6.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述眼底视网膜血管宽度测量方法的步骤。
7.一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：所述计算机程序被处理器执行时实现权利要求1至5任一项所述眼底视网膜血管宽度测量方法的步骤。
CN202111030021.4A 2021-09-03 2021-09-03 眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质 Active CN113724315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111030021.4A CN113724315B (zh) 2021-09-03 2021-09-03 眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111030021.4A CN113724315B (zh) 2021-09-03 2021-09-03 眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113724315A true CN113724315A (zh) 2021-11-30
CN113724315B CN113724315B (zh) 2024-04-02

Family

ID=78681293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111030021.4A Active CN113724315B (zh) 2021-09-03 2021-09-03 眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113724315B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114332202A (zh) * 2021-12-30 2022-04-12 北京阅影科技有限公司 血管模型的处理方法及其装置、计算机可读存储介质
CN114387210A (zh) * 2021-12-03 2022-04-22 依未科技(北京)有限公司 眼底特征获取的方法、装置、介质和设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120177262A1 (en) * 2009-08-28 2012-07-12 Centre For Eye Research Australia Feature Detection And Measurement In Retinal Images
US20190014982A1 (en) * 2017-07-12 2019-01-17 iHealthScreen Inc. Automated blood vessel feature detection and quantification for retinal image grading and disease screening
CN109829942A (zh) * 2019-02-21 2019-05-31 韶关学院 一种眼底图像视网膜血管管径自动量化方法
CN112734785A (zh) * 2021-01-28 2021-04-30 依未科技(北京)有限公司 亚像素级眼底血管边界确定的方法、装置、介质和设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120177262A1 (en) * 2009-08-28 2012-07-12 Centre For Eye Research Australia Feature Detection And Measurement In Retinal Images
US20190014982A1 (en) * 2017-07-12 2019-01-17 iHealthScreen Inc. Automated blood vessel feature detection and quantification for retinal image grading and disease screening
CN109829942A (zh) * 2019-02-21 2019-05-31 韶关学院 一种眼底图像视网膜血管管径自动量化方法
CN112734785A (zh) * 2021-01-28 2021-04-30 依未科技(北京)有限公司 亚像素级眼底血管边界确定的方法、装置、介质和设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周琳;沈建新;廖文和;王玉亮;: "基于Hessian矩阵的视网膜血管中心线提取", 中国制造业信息化, no. 01 *
薛岚燕;余轮;林嘉雯;曹新容;郑绍华;: "视网膜血管直径交互式测量方法", 福州大学学报(自然科学版), no. 03 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114387210A (zh) * 2021-12-03 2022-04-22 依未科技(北京)有限公司 眼底特征获取的方法、装置、介质和设备
CN114332202A (zh) * 2021-12-30 2022-04-12 北京阅影科技有限公司 血管模型的处理方法及其装置、计算机可读存储介质
CN114332202B (zh) * 2021-12-30 2023-11-24 北京阅影科技有限公司 血管模型的处理方法及其装置、计算机可读存储介质

Also Published As

Publication number Publication date
CN113724315B (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
US12035971B2 (en) Automated determination of arteriovenous ratio in images of blood vessels
Kovács et al. A self-calibrating approach for the segmentation of retinal vessels by template matching and contour reconstruction
EP3795070B1 (en) Systems and methods for estimating healthy lumen diameter and stenosis quantification in coronary arteries
US6835177B2 (en) Ultrasonic blood vessel measurement apparatus and method
CN113724315A (zh) 眼底视网膜血管宽度测量方法、电子设备及计算机可读存储介质
US20080125648A1 (en) Method of Multiple Instance Learning and Classification With Correlations in Object Detection
US20120195481A1 (en) Method, apparatus, and system for automatic retinal image analysis
CN108629769B (zh) 基于最佳兄弟相似度的眼底图像视盘定位方法及系统
Hussain et al. Automatic identification of pathology-distorted retinal layer boundaries using SD-OCT imaging
US20020168110A1 (en) Method and apparatus for automatically tracing line-structure images
CN104732520A (zh) 一种胸部数字影像的心胸比测量算法及系统
CN116898483B (zh) 一种超声颈动脉内中膜厚度精准测量方法
Xu et al. Retinal vessel width measurements based on a graph-theoretic method
Srivastava et al. Three-dimensional graph-based skin layer segmentation in optical coherence tomography images for roughness estimation
Marques et al. Automatic segmentation of the optic nerve head region in optical coherence tomography: A methodological review
CN113610753B (zh) 一种提取舌像的加博纹理特征的方法、装置及存储介质
CN112581439A (zh) 基于视网膜结构的黄斑区定位系统
US8995707B2 (en) Image analysis system and/or method
EP4174768B1 (en) Method for differentiating retinal layers in oct image
US20220067928A1 (en) Method for locating and characterizing bifurcations of a cerebral vascular tree, associated methods and devices
Mayrhofer-Reinhartshuber et al. Multiscale analysis of tortuosity in retinal images using wavelets and fractal methods
CN110969617A (zh) 视杯视盘图像识别方法、装置、设备及存储介质
Huang et al. Width measurement of retinal vessels using cubic spline fitting and extended edge‐searching mode
CN112419222A (zh) 超声胎儿颈部透明层图像分割、检测方法及装置
Wu et al. Measurement of arteriolar-to-venular diameter ratio based on hessian matrix and multi-scale analysis

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