CN114376504B - 一种视网膜神经纤维层数据分析方法和系统 - Google Patents
一种视网膜神经纤维层数据分析方法和系统 Download PDFInfo
- Publication number
- CN114376504B CN114376504B CN202210279317.8A CN202210279317A CN114376504B CN 114376504 B CN114376504 B CN 114376504B CN 202210279317 A CN202210279317 A CN 202210279317A CN 114376504 B CN114376504 B CN 114376504B
- Authority
- CN
- China
- Prior art keywords
- rnfl
- thickness
- rnfl thickness
- data
- module
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 16
- 210000004126 nerve fiber Anatomy 0.000 title claims abstract description 15
- 230000002207 retinal effect Effects 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 title abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 55
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 210000002189 macula lutea Anatomy 0.000 claims abstract description 25
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 238000011157 data evaluation Methods 0.000 claims abstract description 9
- 201000010099 disease Diseases 0.000 abstract description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 8
- 230000008859 change Effects 0.000 abstract description 4
- 238000013399 early diagnosis Methods 0.000 abstract description 4
- 230000005856 abnormality Effects 0.000 abstract description 2
- 238000012014 optical coherence tomography Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 206010025421 Macule Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 210000001525 retina Anatomy 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000010412 Glaucoma Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 206010039966 Senile dementia Diseases 0.000 description 1
- 210000003050 axon Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 238000003384 imaging method Methods 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
- 201000006417 multiple sclerosis Diseases 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000003994 retinal ganglion cell Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction 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
- A61B3/0016—Operational features thereof
- A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
-
- 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
- A61B3/102—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for optical coherence tomography [OCT]
-
- 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
- A61B3/103—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining refraction, e.g. refractometers, skiascopes
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G06T7/68—Analysis of geometric attributes of symmetry
-
- 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
- A61B3/1005—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring distances inside the eye, e.g. thickness of the cornea
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Ophthalmology & Optometry (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本申请公开了一种视网膜神经纤维层数据分析方法和系统，本方法包括：获取视盘旁RNFL扫描图像及全周RNFL厚度测量数据分布图像；获取眼底扫描图像，测量视盘黄斑倾斜角度；获取扫描图像上、下方范围，测量上、下方RNFL厚度；根据扫描图像，获取RNFL测量环与血管的交点，对上、下方RNFL厚度分别进行校正；根据校正值对上、下方RNFL厚度进行对称性评价，判断RNFL数据是否存在异常。本系统包括：图像获取模块、黄斑角度模块、RNFL厚度模块、RNFL厚度校正模块和RNFL数据评判模块。本申请去除了个体间的影响因素，有利于早期RNFL厚度异常的评估，提升多种影响RNFL厚度变化的疾病的早期诊断准确性。
Description
技术领域
本申请属于图像测量数据处理技术领域，具体涉及一种视网膜神经纤维层数据分析方法和系统。
背景技术
目前，光学相干断层扫描(Optical Coherence Tomography，简称：OCT)是视网膜神经纤维层(Retinal Nerve Fibre Layer，简称：RNFL)成像的常用手段，通过活体上扫描视网膜，获取视网膜RNFL数据，通过算法进行RNFL数据的测量，对RNFL异常进行评估，进而判断个体的RNFL厚度是否正常，有助于临床上包括青光眼、多发性硬化、老年性痴呆等多种疾病的辅助诊断和病情程度监测。
现有技术对于视盘旁RNFL数据厚度的分析主要方法是通过进行全周、分四个象限以及12个钟点位平均RNFL厚度测量，与正常人数据进行比对，从而判断个体的RNFL厚度是否正常，是否存在异常。但是，由于受某些身体因素的影响，个体的正常RNFL厚度分布范围比较大（比如根据既往文献报道，平均RNFL厚度正常值范围区间为90um-120um），而且个体的RNFL厚度受个体年龄、性别、眼轴长度等多种因素影响导致部分实际正常的个体的的实测RNFL数据也可能偏离正常值；此外，部分个体由于处于病情早期，其RNFL厚度数据早期丢失难以被当前的分析方法准确检测（例如，部分个体的RNFL厚度由120um下降至100um仍然很有可能无法被数据库正确识别）。综上所述，目前的RNFL数据的分析方法具有明显的局限性，导致当前的RNFL厚度分析方法往往容易造成明显的假阳性或者假阴性结果，不利于临床上多种眼科疾病和神经系统疾病等的临床辅助诊断和病情变化判断。
发明内容
本申请提出了一种视网膜神经纤维层数据分析方法和系统，通过校正视盘黄斑倾斜角将个体的视盘旁RNFL分成上下两半部分，通过分别评估上方和下方的RNFL厚度，以及比较同一个体的上、下方RNFL厚度的对称性，提升了多种影响RNFL厚度变化的疾病的早期诊断准确性。
为实现上述目的，本申请提供了如下方案：
一种视网膜神经纤维层数据分析方法，包括如下步骤：
使用OCT设备获取视盘旁RNFL扫描图像及全周RNFL厚度测量数据分布图像；
使用眼底照相设备获取眼底扫描图像，基于所述眼底扫描图像，测量视盘黄斑倾斜角度；
基于所述视盘黄斑倾斜角度和所述全周RNFL厚度测量数据分布图像，获取所述RNFL扫描图像中上方、下方范围，并分别测量上方RNFL厚度和下方RNFL厚度；
根据所述RNFL扫描图像，获取RNFL测量环与血管的交点，根据所述交点位置的血管厚度，对所述上方RNFL厚度和所述下方RNFL厚度分别进行校正，得到上方RNFL厚度校正值和下方RNFL厚度校正值；
根据所述上方RNFL厚度校正值和所述下方RNFL厚度校正值对所述上方RNFL厚度和所述下方RNFL厚度进行对称性评价，判断RNFL数据是否存在异常。
可选的，根据视盘中心和黄斑中心的位置，获取所述视盘黄斑倾斜角度。
可选的，根据视盘和黄斑中心凹连线对所述RNFL扫描图像进行上方、下方范围的划分，获取所述RNFL扫描图像中上方、下方范围。
可选的，所述上方RNFL厚度的校正公式为：校正的上方RNFL厚度=上方RNFL厚度-上方血管厚度总和；
所述下方RNFL厚度的校正公式：校正的下方RNFL厚度=下方RNFL厚度-下方血管厚度总和。
可选的，对称性评分={1-（校正的上方和下方RNFL厚度差值的绝对值）/（校正的上方和下方RNFL厚度均值）}*100%；
根据所述对称性评分，判断RNFL数据是否存在异常。
可选的，当所述对称性评分≥预设值时，所述RNFL数据为正常；
当所述对称性评分<预设值时，所述RNFL数据为异常。
另一方面，为实现上述目的，本申请还提供了一种视网膜神经纤维层数据分析系统，包括图像获取模块、黄斑角度模块、RNFL厚度模块、RNFL厚度校正模块和RNFL数据评判模块；
所述图像获取模块用于通过OCT设备获取视盘旁RNFL扫描图像及全周RNFL厚度测量数据分布图像；
所述黄斑角度模块用于通过眼底照相设备获取眼底扫描图像，基于所述眼底扫描图像，测量视盘黄斑倾斜角度；
所述RNFL厚度模块用于基于所述视盘黄斑倾斜角度和所述全周RNFL厚度测量数据分布图像，获取所述RNFL扫描图像中上方、下方范围，并分别测量上方RNFL厚度和下方RNFL厚度；
所述RNFL厚度校正模块用于根据所述RNFL扫描图像，获取RNFL测量环与血管的交点，通过所述交点位置的血管厚度，对所述上方RNFL厚度和所述下方RNFL厚度分别进行校正，得到上方RNFL厚度校正值和下方RNFL厚度校正值；
所述RNFL数据评判模块用于根据所述上方RNFL厚度校正值和所述下方RNFL厚度校正值对所述上方RNFL厚度和所述下方RNFL厚度进行对称性评价，判断RNFL数据是否存在异常。
可选的，所述RNFL厚度模块根据视盘和黄斑中心凹连线对所述RNFL扫描图像进行上方、下方范围的划分，获取所述RNFL扫描图像中上方、下方范围。
可选的，所述RNFL厚度校正模块包括上方RNFL厚度校正单元和下方RNFL厚度校正单元；
所述上方RNFL厚度校正单元中预设有上方RNFL厚度的校正公式，所述上方RNFL厚度的校正公式为：校正的上方RNFL厚度=上方RNFL厚度-上方血管厚度总和；
所述下方RNFL厚度校正单元中预设有下方RNFL厚度的校正公式，所述下方RNFL厚度的校正公式为：校正的下方RNFL厚度=下方RNFL厚度-下方血管厚度总和。
可选的，所述RNFL数据评判模块包括对称性评价单元，所述对称性评价单元中预设有对称性评价公式；
所述对称性评价公式为：
对称性评分={1-（校正的上方和下方RNFL厚度差值的绝对值）/（校正的上方和下方RNFL厚度均值）}*100%；
根据所述对称性评分，判断RNFL数据是否存在异常。
本申请的有益效果为：
本申请公开了一种视网膜神经纤维层数据分析方法和系统，通过校正视盘黄斑倾斜角将个体的视盘旁RNFL分成上下两半部分，通过分别评估上方和下方的RNFL厚度，以及比较同一个体的上下方RNFL厚度的对称性，去除了个体间的影响因素，更有利于早期RNFL厚度异常的评估，可以提升多种影响RNFL厚度变化的疾病的早期诊断准确性。
附图说明
为了更清楚地说明本申请的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例一的视网膜神经纤维层数据分析方法流程示意图；
图2为本申请实施例一的视盘旁全周RNFL厚度测量数据分布图像示意图，其中，a为全周RNFL测量环，b为测量环的RNFL展开图，c为RNFL厚度测量曲线图；
图3为本申请实施例一的视盘黄斑倾斜角示意图,图中∠AOB即为视盘黄斑倾斜角；
图4为本申请实施例一的根据视盘黄斑倾斜角确定上方、下方RNFL数据分布示意图，其中，a为现有技术不考虑视盘黄斑倾角，b为考虑视盘黄斑倾角；
图5为本申请实施例一的校正血管厚度对RNFL厚度测量数据示意图；
如图6所示，为本申请实施例二的视网膜神经纤维层数据分析系统结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
实施例一
如图1所示，为本申请实施例一的视网膜神经纤维层数据分析方法流程示意图。
首先，通过常规的OCT仪器获取视盘旁RNFL扫描图像及全周RNFL厚度测量数据分布图像，该图像用于后续步骤中上方和下方RNFL数据划分。图2为视盘旁全周RNFL厚度测量数据分布图像：a图展示全周RNFL测量环，b图为测量环的RNFL展开图，图中最上面的高反射信号为RNFL层，c图为RNFL厚度测量图，其中纵坐标为厚度，单位为um，横坐标为黑色测量环每一个测量点的所在位置，单位为度，黑色曲线代表全周RNFL厚度测量曲线。
同时，通过眼底照相仪器获取眼底扫描图像，测量视盘黄斑倾斜角。如图3所示，在本实施例中，以视盘中心和黄斑中心凹两点作一直线，该直线与水平线所成之夹角为视盘黄斑倾角，即∠AOB。
然后，基于视盘黄斑倾斜角确定OCT扫描图像RNFL上方、下方具体范围，分别测量上方和下方RNFL厚度。现有的OCT仪器提供的上方和下方的RNFL厚度测量，其均是通过水平线进行上方和下方RNFL数据的界定，然后进行测量。然而，根据眼球视网膜节细胞轴突束的发育分布规律，应该根据颞中缝的位置进行上方和下方RNFL数据划分。考虑到目前临床上无法准确快速确认颞中缝位置，本技术方案采用视盘和黄斑中心凹连线替代颞中缝进行上方和下方RNFL数据划分。当视盘黄斑倾角为0度时，本申请实施例的技术方案与现有的水平线划分保持一致；但是临床中，视盘黄斑倾角于大多数个体中均不等于0。如图4所示，根据视盘黄斑倾斜角确定上方、下方RNFL数据分布：a图为现有技术不考虑视盘黄斑倾角，直接采用水平线（AB）作为上方和下方RNFL数据分界线，其中A1B为上分RNFL数据，BA2为下方RNFL数据（注：A1与A2为同一点，均为上图黑色测量环的A点）。b图展示的是考虑视盘黄斑倾角（相当于直线AB和直线A”B”的夹角）的RNFL数据测量，下方RNFL数据应为A”至B”，而上方RNFL数据应为A2B”加上A1A”两部分之和。
随后，根据OCT已有的视盘扫描图，确定RNFL测量环与血管的交点，测量交点处的血管厚度，从而进行RNFL厚度数据的校正。如图5所示。校正血管厚度对RNFL厚度测量数据：上方和下方血管与OCT测量环交点（A图所示的黑色短线段所在位置），根据血管在OCT扫描图像上面的特征测量血管所占厚度（B图部分图像中的黑色实心圆点部分）。上方RNFL厚度校正公式：校正的上方RNFL厚度=上方RNFL厚度-上方血管厚度总和；下方RNFL厚度校正公式：校正的下方RNFL厚度=下方RNFL厚度-下方血管厚度总和。
最后，根据RNFL厚度校正值进行上方、下方RNFL厚度对称性分析。对称性评价公式：对称性评分={1-（校正的上方和下方RNFL厚度差值的绝对值）/（校正的上方和下方RNFL厚度均值）}*100%。对称性越接近于100%，意味着RNFL数据正常的可能性越高。在本实施例中，采用正常人群的对称性分布区间（按照我们目前对正常人30例的检测数据，该区间为94%至100%），如个体的对称性低于94%则判断为异常，表示RNFL数据存在异常。
本申请技术方案，通过校正视盘黄斑倾斜角将个体的视盘旁RNFL分成上下两半部分，通过分别评估上方和下方的RNFL厚度，以及比较同一个体的上下方RNFL厚度的对称性，去除了个体间的影响因素，更有利于早期RNFL厚度异常的评估，可以提升多种影响RNFL厚度变化的疾病的早期诊断准确性。
实施例二
如图6所示，为本申请实施例二的视网膜神经纤维层数据分析系统结构示意图，本系统主要由图像获取模块、黄斑角度模块、RNFL厚度模块、RNFL厚度校正模块和RNFL数据评判模块组成。
具体的，在本实施例中，图像获取模块用于通过常规的OCT设备获取视盘旁RNFL扫描图像及全周RNFL厚度测量数据分布图像，该图像用于后续步骤中上方和下方RNFL数据划分。
黄斑角度模块用于通过眼底照相设备获取眼底扫描图像，基于眼底扫描图像，测量视盘黄斑倾斜角度。在本实施例中，以视盘中心和黄斑中心凹两点作一直线，该直线与水平线所成之夹角为视盘黄斑倾角(∠AOB)。
RNFL厚度模块用于基于视盘黄斑倾斜角度和全周RNFL厚度测量数据分布图像，获取RNFL扫描图像中上方、下方范围，并分别测量上方RNFL厚度和下方RNFL厚度。具体的，RNFL厚度模块根据视盘和黄斑中心凹连线对RNFL扫描图像进行上方、下方范围的划分，获取RNFL扫描图像中上方、下方范围。
RNFL厚度校正模块根据RNFL扫描图像，获取RNFL测量环与血管的交点，通过交点位置的血管厚度，对上方RNFL厚度和下方RNFL厚度分别进行校正，得到上方RNFL厚度校正值和下方RNFL厚度校正值。在本实施例中，RNFL厚度校正模块包括上方RNFL厚度校正单元和下方RNFL厚度校正单元。上方RNFL厚度校正单元中预设有上方RNFL厚度的校正公式，上方RNFL厚度的校正公式为：校正的上方RNFL厚度=上方RNFL厚度-上方血管厚度总和。下方RNFL厚度校正单元中预设有下方RNFL厚度的校正公式，下方RNFL厚度的校正公式为：校正的下方RNFL厚度=下方RNFL厚度-下方血管厚度总和。
RNFL数据评判模块用于根据上方RNFL厚度校正值和下方RNFL厚度校正值对上方RNFL厚度和下方RNFL厚度进行对称性评价，判断RNFL数据是否存在异常。RNFL数据评判模块包括对称性评价单元，对称性评价单元中预设有对称性评价公式。对称性评价公式为：
对称性评分={1-（校正的上方和下方RNFL厚度差值的绝对值）/（校正的上方和下方RNFL厚度均值）}*100%。
根据对称性评分，判断RNFL数据是否存在异常。对称性越接近于100%，意味着RNFL数据正常的可能性越高。在本实施例中，采用正常人群的对称性分布区间（按照我们目前对正常人30例的检测数据，该区间为94%至100%），如个体的对称性低于94%则判断为异常，表示RNFL数据存在异常。
以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。
Claims (3)
1.一种视网膜神经纤维层RNFL数据分析系统，其特征在于，包括图像获取模块、黄斑角度模块、RNFL厚度模块、RNFL厚度校正模块和RNFL数据评判模块；
所述图像获取模块用于通过OCT设备获取视盘旁RNFL扫描图像及全周RNFL厚度测量数据分布图像；
所述黄斑角度模块用于通过眼底照相设备获取眼底扫描图像，基于所述眼底扫描图像，测量视盘黄斑倾斜角度，以视盘中心和黄斑中心凹两点作一直线，该直线与水平线所成之夹角为所述视盘黄斑倾角，所述水平线标记为AB，所述视盘中心和所述黄斑中心凹连线标记为A"B"；
所述RNFL厚度模块用于基于所述视盘黄斑倾斜角度和所述全周RNFL厚度测量数据分布图像，根据视盘、黄斑中心凹连线对RNFL扫描图像进行上方、下方范围的划分，获取所述RNFL扫描图像中上方、下方范围，下方范围为A”至B加上B至B”两部分之和，而上方范围为A至A”加上B”至A两部分之和，并分别测量上方RNFL厚度和下方RNFL厚度；
所述RNFL厚度校正模块用于根据所述RNFL扫描图像，获取RNFL测量环与血管的交点位置，通过所述交点位置的血管厚度，对所述上方RNFL厚度和所述下方RNFL厚度分别进行校正，得到上方RNFL厚度校正值和下方RNFL厚度校正值；
所述RNFL数据评判模块用于根据所述上方RNFL厚度校正值和所述下方RNFL厚度校正值对所述上方RNFL厚度和所述下方RNFL厚度进行对称性评价，判断RNFL数据是否存在异常。
2.根据权利要求1所述的视网膜神经纤维层RNFL数据分析系统，其特征在于，所述RNFL厚度校正模块包括上方RNFL厚度校正单元和下方RNFL厚度校正单元；
所述上方RNFL厚度校正单元中预设有上方RNFL厚度的校正公式，所述上方RNFL厚度的校正公式为：校正的上方RNFL厚度=上方RNFL厚度-上方血管厚度总和；
所述下方RNFL厚度校正单元中预设有下方RNFL厚度的校正公式，所述下方RNFL厚度的校正公式为：校正的下方RNFL厚度=下方RNFL厚度-下方血管厚度总和。
3.根据权利要求1所述的视网膜神经纤维层RNFL数据分析系统，其特征在于，
所述RNFL数据评判模块包括对称性评价单元，所述对称性评价单元中预设有对称性评价公式；
所述对称性评价公式为：
对称性评分={1-（校正的上方和下方RNFL厚度差值的绝对值）/（校正的上方和下方RNFL厚度均值）}*100%；
根据所述对称性评分，判断RNFL数据是否存在异常。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210279317.8A CN114376504B (zh) | 2022-03-22 | 2022-03-22 | 一种视网膜神经纤维层数据分析方法和系统 |
| US18/123,564 US11744459B1 (en) | 2022-03-22 | 2023-03-20 | Method and system for data analysis of retinal nerve fibrous layer |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210279317.8A CN114376504B (zh) | 2022-03-22 | 2022-03-22 | 一种视网膜神经纤维层数据分析方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114376504A CN114376504A (zh) | 2022-04-22 |
| CN114376504B true CN114376504B (zh) | 2022-08-19 |
Family
ID=81206276
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210279317.8A Active CN114376504B (zh) | 2022-03-22 | 2022-03-22 | 一种视网膜神经纤维层数据分析方法和系统 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11744459B1 (zh) |
| CN (1) | CN114376504B (zh) |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7286227B2 (en) * | 2002-09-30 | 2007-10-23 | Carl Zeiss Meditec, Inc. | Method and system for removing the effects of corneal birefringence from a polarimetric image of the retina |
| US7744221B2 (en) * | 2006-01-19 | 2010-06-29 | Optovue, Inc. | Method of eye examination by optical coherence tomography |
| US7768652B2 (en) * | 2006-03-16 | 2010-08-03 | Carl Zeiss Meditec, Inc. | Methods for mapping tissue with optical coherence tomography data |
| US7782464B2 (en) * | 2006-05-12 | 2010-08-24 | The General Hospital Corporation | Processes, arrangements and systems for providing a fiber layer thickness map based on optical coherence tomography images |
| US7934832B2 (en) * | 2007-08-02 | 2011-05-03 | Topcon Medical Systems, Inc. | Characterization of the retinal nerve fiber layer |
| US7798647B2 (en) * | 2007-09-18 | 2010-09-21 | Carl Zeiss Meditec, Inc. | RNFL measurement analysis |
| JP5677492B2 (ja) * | 2013-03-22 | 2015-02-25 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
| WO2015130663A1 (en) * | 2014-02-25 | 2015-09-03 | Oregon Health & Science University | Optical coherence tomography glaucoma detection based on retinal vessel relief height |
| JP6243957B2 (ja) * | 2016-04-18 | 2017-12-06 | キヤノン株式会社 | 画像処理装置、眼科システム、画像処理装置の制御方法および画像処理プログラム |
| CN111508606B (zh) * | 2020-05-28 | 2022-08-23 | 首都医科大学附属北京同仁医院 | 一种青光眼诊断系统 |
| CN113177038B (zh) * | 2021-04-25 | 2022-02-18 | 首都医科大学附属北京同仁医院 | 一种视网膜神经纤维层数据校正方法、装置及电子设备 |
-
2022
- 2022-03-22 CN CN202210279317.8A patent/CN114376504B/zh active Active
-
2023
- 2023-03-20 US US18/123,564 patent/US11744459B1/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114376504A (zh) | 2022-04-22 |
| US11744459B1 (en) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mwanza et al. | Reproducibility of peripapillary retinal nerve fiber layer thickness and optic nerve head parameters measured with cirrus HD-OCT in glaucomatous eyes | |
| DeLeón-Ortega et al. | Discrimination between glaucomatous and nonglaucomatous eyes using quantitative imaging devices and subjective optic nerve head assessment | |
| Swindale et al. | Automated analysis of normal and glaucomatous optic nerve head topography images | |
| Nouri-Mahdavi et al. | Identifying early glaucoma with optical coherence tomography | |
| CN101778593B (zh) | 用于分析光学相干断层照相图像的方法 | |
| JP5923445B2 (ja) | 緑内障の組み合わせ解析 | |
| Caprioli et al. | Measurement of relative nerve fiver layer surface height in glaucoma | |
| Chan et al. | Diagnostic performance of the ISNT rule for glaucoma based on the Heidelberg retinal tomograph | |
| Leung et al. | Longitudinal variability of optic disc and retinal nerve fiber layer measurements | |
| Tun et al. | Determinants of optical coherence tomography–derived minimum neuroretinal rim width in a normal chinese population | |
| Bowd et al. | Performance of confocal scanning laser tomograph Topographic Change Analysis (TCA) for assessing glaucomatous progression | |
| Zheng et al. | Detection of referable horizontal strabismus in children's primary gaze photographs using deep learning | |
| Cheng et al. | Macular ganglion cell-inner plexiform layer, ganglion cell complex, and outer retinal layer thicknesses in a large cohort of Chinese children | |
| US7110582B1 (en) | Method for determining binocular balance and disorders of binocularity of an individual or clinical groups of individuals | |
| Hashimoto et al. | Predicting 10-2 visual field from optical coherence tomography in glaucoma using deep learning corrected with 24-2/30-2 visual field | |
| Demir et al. | Comparison of normal and keratoconic corneas by Galilei Dual-Scheimpflug Analyzer | |
| Eguia et al. | Reasons why OCT global circumpapillary retinal nerve fiber layer thickness is a poor measure of glaucomatous progression | |
| Kandel et al. | Evaluation of corneal topography, pachymetry and higher order aberrations for detecting subclinical keratoconus | |
| Fu et al. | The role of magnification correction in macular vessel density assessment: a contralateral eye study in anisometropia patients | |
| TWI742782B (zh) | 視網膜分層厚度檢測模型之建立方法、視網膜分層厚度檢測系統、眼部照護裝置、視網膜分層厚度檢測方法及失智症評估和預測方法 | |
| CN114376504B (zh) | 一种视网膜神经纤维层数据分析方法和系统 | |
| Hawker et al. | Asymmetry in optic disc morphometry as measured by Heidelberg retina tomography in a normal elderly population: the Bridlington Eye Assessment Project | |
| CN113177038B (zh) | 一种视网膜神经纤维层数据校正方法、装置及电子设备 | |
| CN113558564B (zh) | 一种基于单纯高度近视数据库构建的数据处理系统 | |
| CN115381402A (zh) | 一种基于光学相干断层扫描的阿尔茨海默病早期诊断体系 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Qiu Kunliang Inventor after: Zhang Mingzhi Inventor after: Guan Zhiqiang Inventor after: Lin Jianwei Inventor after: Li Yuancun Inventor after: Tu Shengjin Inventor before: Qiu Kunliang Inventor before: Zhang Mingzhi Inventor before: Tu Shengjin Inventor before: Lin Jianwei Inventor before: Li Yuancun Inventor before: Guan Zhiqiang |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |