CN114549395A - 基于视计算的图像特征确定的方法、装置、介质和设备 - Google Patents
基于视计算的图像特征确定的方法、装置、介质和设备 Download PDFInfo
- Publication number
- CN114549395A CN114549395A CN202111542532.4A CN202111542532A CN114549395A CN 114549395 A CN114549395 A CN 114549395A CN 202111542532 A CN202111542532 A CN 202111542532A CN 114549395 A CN114549395 A CN 114549395A
- Authority
- CN
- China
- Prior art keywords
- fundus
- determining
- center
- optic disc
- line segment
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000002792 vascular Effects 0.000 claims abstract description 100
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 58
- 210000002189 macula lutea Anatomy 0.000 claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 210000004220 fundus oculi Anatomy 0.000 claims description 4
- 238000001035 drying Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 11
- 230000005856 abnormality Effects 0.000 abstract description 5
- 238000004445 quantitative analysis Methods 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract 1
- 210000003462 vein Anatomy 0.000 description 23
- 210000001367 artery Anatomy 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 210000000709 aorta Anatomy 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 210000003733 optic disk Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000011664 nicotinic acid Substances 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 206010025421 Macule Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003313 weakening effect Effects 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
- G06T7/0002—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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (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
本发明提供一种基于视计算的图像特征确定的方法、装置、介质和设备,该方法包括:获取眼底图像;从眼底图像中确定视盘中心点、黄斑中心点和眼底主血管;以视盘中心点作为坐标系的原点,以视盘中心点和黄斑中心点之间的连线构建第一轴,以通过视盘中心并且与第一轴相垂直的直线构建第二轴;以原点为圆心,以预设的长度为半径确定一个圆与眼底主血管相交,形成至少两个交点;根据视盘中心点和至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓。该方法能够精确地确定血管弓,有利于后续眼底异常的精细化和定量化分析。
Description
技术领域
本发明涉及眼底图像特征提取领域,具体涉及一种基于视计算的图像特征确定的方法、装置、介质和设备。
背景技术
眼底血管弓是眼底图像上基本特征之一,对其进行检测和识别,不仅有利于判别眼别(左右眼),也有利于帮助了解眼底异常,为眼底疾病分析提供更多有价值的信息。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:现有技术中缺少眼底血管弓的确定方法。
发明内容
有鉴于此,本发明实施例的目的在于提供一种视计算的图像特征确定的方法、装置、介质和设备,以实现对眼底血管弓的确定。
为达上述目的,第一方面,本发明实施例提供一种基于视计算的图像特征确定的方法,其包括:
获取眼底图像;
从所述眼底图像中确定视盘中心点、黄斑中心点和眼底主血管;
以所述视盘中心点作为坐标系的原点,以所述视盘中心点和所述黄斑中心点之间的连线构建第一轴,以通过所述视盘中心并且与所述第一轴相垂直的直线构建第二轴;
以所述原点为圆心,以预设的长度为半径确定一个圆,所述圆与所述眼底主血管相交,形成至少两个交点;
根据所述视盘中心点和所述至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓。
在一些可能的实施例中,所述获取眼底图像之后,还可以包括:
提取所述眼底图像的感兴趣区域ROI;
对所述感兴趣区域ROI提取单一通道图像或者两个或多个通道构成的组合通道图像;对提取的单一通道图像或者组合通道图像进行去燥处理;
对去除噪声后的单一通道图像或者组合通道图像进行增强处理,以获得血管增强图像。
在一些可能的实施例中,所述的从所述眼底图像中确定眼底主血管,具体可以包括:
将所述眼底图像中穿过所述视盘的并且管径最大的血管作为眼底主血管;或者,
将所述眼底图像中穿过所述视盘的、管径最大的并且满足预设的颜色特征的血管作为眼底主血管;
其中,所述眼底主血管包括主动脉血管和主静脉血管。
在一些可能的实施例中,所述的根据所述视盘中心点和所述至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓;具体可以包括:
所述至少两个交点包括第一交点和第二交点,根据所述视盘中心、所述第一交点和所述第二交点,使用最小二乘法确定眼底血管弓拟合曲线以确定眼底血管弓;
在一些可能的实施例中,还可以依据视盘中心和至少两个交点确定眼底血管弓的开角;
在一些可能的实施例中,所述的根据视盘中心和至少两个交点确定眼底血管弓的开角,具体包括:确定由两个交点中的第一交点和视盘中心构成的第一线段;确定由两个交点中的第二交点和视盘中心构成的第二线段;确定所述第一线段与所述第二线段的夹角,以所述第一线段与所述第二线段的夹角作为所述血管弓的第一开角;或者,
绘制检测直线,所述检测直线通过所述黄斑中心,并且垂直于所述视盘中心和所述黄斑中心之间的连线;将所述检测直线与所述眼底血管弓或者其延长线相交,获得第五交点和第六交点;确定由第五交点和视盘中心构成的第三线段;确定由第六交点和视盘中心构成的第四线段;确定所述第三线段与所述第四线段的夹角,以所述第三线段与所述第四线段的夹角作为所述血管弓的第二开角;或者,
将所述第一开角和所述第二开角的加权平均值作为血管弓的加权平均开角。
第二方面,本发明提供了一种基于视计算的眼底血管弓的确定装置,包括:
获取模块,用于获取眼底图像;
第一确定模块,用于从所述眼底图像中确定视盘中心点、黄斑中心点和确定眼底主血管;
坐标系构建模块,以所述视盘中心点作为坐标系的原点,以所述视盘中心点和所述黄斑中心点之间的连线构建第一轴,以通过所述视盘中心点并且与所述第一轴垂直的直线构建第二轴;
第二确定模块,以所述原点为圆心,以预设的长度为半径确定一个圆,所述圆与所述血管弓相交,形成至少两个交点;
第三确定模块,根据所述视盘中心点和所述至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓。
第三方面,本发明提供了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上述任意一项所述的一种基于视计算的图像特征确定的方法。
第四方面,本发明提供了一种基于视计算的图像特征的确定设备,其特征在于,其包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如述任意一种基于视计算的图像特征确定的方法。
第五方面,本发明提供了基于视计算的图像特征确定系统,其特征在于,包括:
眼底相机,用于采集眼底图像;
传输模块,用于将采集的眼底图像传输至云端服务器;
云端服务器,包括:一个或多个处理器;以及,存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述任意一种基于视计算的图像特征确定的方法。
上述技术方案具有如下有益效果:
本发明实施例通过输入眼底图像,从眼底图像中确定视盘中心点、黄斑中心点和眼底主血管;以视盘中心点作为坐标系的原点,以视盘中心点和所述黄斑中心点之间的连线构建第一轴,以通过视盘中心并且与第一轴相垂直的直线构建第二轴;以原点为圆心,以预设的长度为半径确定一个圆与所述眼底主血管相交,形成至少两个交点;根据视盘中心点和至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓。该方法能够精确地确定血管弓,为后续眼底异常的精细化和定量化分析打下基础。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种基于视计算的图像特征确定的方法的流程图;
图2A是左眼眼底结构示意图;
图2B是右眼眼底结构示意图;
图3是本发明实施例一种基于视计算的图像特征确定的方法的示意图;
图4A是本发明实施例一种确定血管弓开角的第一示例图;
图4B是本发明实施例一种确定血管弓开角的第二示例图;
图4C是本发明实施例一种确定血管弓开角的第三示例图;
图5是本发明实施例的一种一种基于视计算的图像特征确定的装置的功能框图;
图6是本发明实施例的一种计算机可读存储介质的功能框图;
图7是本发明实施例的一种一种基于视计算的图像特征确定的设备的功能框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
由于眼底主动静脉形状近似弓形,因此称作血管弓,可分为主动静脉血管弓和次动静脉的血管弓。视计算,是根据人类视觉仿生机理获得眼底图像的特征;从人类视觉仿生机理的角度,综合利用计算机图像处理技术实现眼底图像分割,得到动、静脉分割结果。。本实施例中的视计算方法从视觉仿生机理的角度综合了计算机视觉、深度学习等图像处理方法。作为一个举例,依据动脉和静脉成对出现,且静脉管径偏大、动脉管径偏小,动脉的颜色偏白、静脉的颜色偏红等共性特征,对主动脉、主静脉、分支动脉和分支静脉进行识别。然后,根据主动脉和主静脉的拓扑特征,对所述分支动脉和所述分支静脉的属性进行校正;其中,所述拓扑特征包括:与主动脉相连的分支为分支动脉,与主静脉相连的分支为分支静脉,主动脉与主静脉可以相交也可以不相交但不相连。
实施例一
图1是本发明实施例的一种基于视计算的图像特征确定的方法的流程图。如图1所示,其包括如下步骤:
S110:获取眼底图像。
具体地,本步骤中可先对眼底图像执行预处理,然后对预处理后的眼底图像进行眼底血管提取。对眼底图像执行预处理具体可以包括去燥、归一化和增强。去燥主要是去除眼底影像在拍摄成像过程中的噪声,减弱其对血管特征的干扰。归一化主要是实现眼底影像差异化曝光、颜色和亮度的统一,使不同图像的灰度值范围统一,从而提高算法对海量图片的泛化能力,使得技术产品化成为可能。增强主要是拉大感兴趣特征与背景特征的差异,从而使得特征更加明显,便于进行阈值分割和特征提取。
S120:从眼底图像中确定视盘中心、黄斑中心和眼底主血管,包括主动脉血管和主静脉血管。
具体的,视盘(optic disc)全称视神经盘,也叫视神经乳头,眼底的血管由视盘区域发散而出呈树状分布于整个眼底。从眼底图像中确定视盘中心的方法有多种,例如:(1)基于眼底血管的定位,然而根据血管网的走向进行视盘中心定位;(2)视盘类似圆形或圆盘形,视盘区域在眼底图像中呈现出类似圆形的较亮区域,基于该颜色特征和形状特征对视盘及视盘的中心进行定位,获得其坐标值;(3)综合利用视盘的外形、亮度和血管网的特征来定位视盘。确定黄斑中心的方法为现有技术,可以包括:利用深度学习检测网络直接对黄斑中心区域进行检测,获取黄斑区域检测框的坐标,最后根据检测框的坐标获取黄斑中心坐标;或者,先检测出视盘位置,然后根据视盘位置对黄斑中心进行定位;或者,根据黄斑中心定位模型确定黄斑中心坐标。
在一些实施例中,眼底主血管可以分为主静脉血管和主动脉血管:(1)根据管径粗细识别眼底主血管,再根据动静脉的颜色特征、形态特征中的一项或多项组合识别主动脉血管和主静脉血管。其中,在动静脉的颜色特征中,动脉血管的颜色一般比静脉血管的颜色更亮一些。在动静脉的形态特征中,动脉和静脉两者一般成对出现,动脉的管径相对于静脉的管径更窄一些。(2)利用深度学习方法进行动静脉识别,获得动脉识别图像;(3)根据上述方法(1)和方法(2)的联合处理,识别眼底动脉血管和眼底静脉血管。
具体的,图2A是左眼眼底结构示意图,图2B是右眼眼底结构示意图,
在眼底图像中,包括视盘、黄斑、上侧血管弓、下侧血管弓、鼻侧血管弓和颞侧血管弓,在左眼中,黄斑在视盘的右边,而在右眼中,黄斑在视盘的左侧;通常,颞侧血管弓为主血管弓,鼻侧血管弓为次血管弓。
S130:以视盘中心点作为坐标系的原点,以视盘中心点和黄斑中心点之间的连线构建第一轴,以通过视盘中心并且与第一轴相垂直的直线构建第二轴。
S140:以原点为圆心,以预设长度为半径确定一个圆,该圆与眼底主血管相交,形成至少两个交点。
优选的,预设长度可以为N倍视盘直径,优选的,N为0.5倍至2倍视盘直径。
S150:根据视盘中心点和至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓。
图3是本发明实施例一种基于视计算的图像特征确定的方法的示意图,如图3所示:以视盘中心点D为原点,以视盘中心点D和黄斑中心点E的连线作为第一轴,即X轴,以过视盘中心D与X轴垂直的直线作为第二轴,即Y轴,原点为圆心,以预设长度为半径确定一个圆C,该圆C与血管弓相交,得到第一交点A和第二交点B,第一交点A和第二交点B的坐标带入公式y2=ax,通过最小二乘法计算出系数a的值A,即血管弓拟合曲线L为y2=ax,通过血管弓拟合曲线的位置来确定眼底血管弓,即先通过抛物线拟合确定多个曲线,然后通最小二乘法来确定最佳的曲线作为血管弓拟合曲线,以精确地确定血管弓。
在一些实施例中,可以根据上述方法确定左眼或右眼的主血管弓,包括颞侧的主静脉血管弓和/或主动脉血管弓,也可以测量左眼或右眼的次血管弓,包括鼻侧的次静脉血管弓和/或次动脉血管弓。
在一些实施例中,还包括,依据视盘中心和至少两个交点,确定血管弓的开角。
图4A是本发明实施例一种确定血管弓开角的第一示例图,如图4A所示,确定由两个交点中的第一交点D1和视盘中心A1构成的第一线段L1;确定由两个交点中的第二交点D2和视盘中心A1构成的第二线段L2;确定第一线段L1与第二线段L2的夹角θ1,以第一线段L1与第二线段L2的夹角θ1作为血管弓的开角。
图4B是本发明实施例一种确定血管弓开角的第二示例图,如图4B所示:绘制检测直线Ld,检测直线Ld通过黄斑中心B1,并且垂直于视盘中心A1和黄斑中心B1之间的连线;将检测直线Ld与眼底血管弓E1或者眼底血管弓E1的端点切线或者其延长线相交,获得第五交点D5和第六交点D6;确定由第五交点D5和和视盘中心A1构成的第三线段L3;确定由第六交点D6和和视盘中心A1构成的第四线段L4;确定第三线段L3与第四线段L4的夹角,以第三线段L3与第四线段L4的夹角作为血管弓E1的第二开角θ2。
作为可替换的实施例,将检测直线Ld与眼底主血管M1相交,获得第五交点D5和第六交点D6。
在一些实施例中,将第一开角θ1和第二开角θ2的加权平均值作为血管弓的加权平均开角。
图4C是本发明实施例一种确定血管弓开角的第三示例图,如图4C所示:以视盘中心为圆心,以预设的长度为半径,确定N个检测圆,该N个检测圆与血管弓相交,每个检测圆与血管弓形成两个交点,从而形成2N个交点,N为大于1的正整数。N个检测圆之间的间隔相同或不同。根据每个检测圆与主血管形成的两个交点,与视盘中心,确定该检测圆对应的第一开角;根据N个检测圆对应的第一开角,确定血管弓的平均第一开角,或者,确定血管弓的第一开角的取值范围。在本示例中,确定了第一检测圆C1,以及第N个检测圆Cn,第一检测圆C1对应有开角θ1,第N个检测圆Cn对应有开角θn,根据θ1至θn的平均值,确定血管弓的平均第一开角,或者,确定血管弓的第一开角的取值范围。
本发明实施例的有益技术效果包括:
本发明实施例能够精确地确定眼底血管弓,为后续眼底异常的精细化和定量化分析打下基础。
本发明实施例能够对作为眼底基础特征的血管弓进行高效检测,并对其进行标注,不仅有利于帮助识别眼别,同时也有利于了解眼底异常,是后续眼底疾病分析的基础。
实施例二
图5是本发明实施例的一种基于视计算的图像特征确定的装置的功能框图。如图5所示,该装置500包括:
获取模块510,用于获取眼底图像;
第一确定模块520,用于从眼底图像中确定视盘中心点、黄斑中心点和确定眼底主血管;
坐标系构建模块530,用于以视盘中心点作为坐标系的原点,以视盘中心点和黄斑中心点之间的连线构建第一轴,以通过视盘中心并且与第一轴相垂直的直线构建第二轴;
第二确定模块540,用于以原点为圆心,以预设的长度为半径确定一个圆,该圆与眼底主血管相交,形成至少两个交点;
第三确定模块550,用于根据视盘中心点和至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
实施例三
图6是本发明实施例的一种计算机可读存储介质的功能框图。如图6所示,计算机可读存储介质600内存储有计算机程序610,计算机程序610被处理器执行时实现:
获取眼底图像;
从眼底图像中确定视盘中心点、黄斑中心点和眼底主血管;
以视盘中心点作为坐标系的原点,以视盘中心点和黄斑中心点之间的连线构建第一轴,以通过视盘中心并且与第一轴垂直的直线构建第二轴;
以原点为圆心,以预设的长度为半径确定一个圆,该圆与眼底主血管相交,形成至少两个交点;
根据视盘中心点和至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
实施例四
本发明实施例还提供了一种基于视计算的图像特征确定的设备,如图7所示,包括一个或多个处理器701、通信接口702、存储装置703和通信总线704,其中,处理器701,通信接口702,存储装置703通过通信总线704完成相互间的通信。
存储装置703,用于存放计算机程序;
处理器701,用于执行存储装置703上所存放的程序时,实现:
获取眼底图像;
从眼底图像中确定视盘中心点、黄斑中心点和眼底主血管;
以视盘中心点作为坐标系的原点,以视盘中心点和黄斑中心点之间的连线构建第一轴,以通过视盘中心并且与第一轴垂直的直线构建第二轴;
以原点为圆心,以预设的长度为半径确定一个圆,该圆与眼底主血管相交,形成至少两个交点;
根据视盘中心点和至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓。
一种可能的设计中,处理器701执行的处理中,获取眼底图像之后,还包括:
提取眼底图像的感兴趣区域ROI;
对感兴趣区域ROI提取单一通道图像或者两个或多个通道构成的组合通道图像;对提取的单一通道图像或者组合通道图像进行滤波处理,以去除噪声;
对去除噪声后的单一通道图像或者组合通道图像进行增强处理,以获得血管增强图像。一种可能的设计中,处理器701执行的处理中,确定眼底血管弓,具体包括:
将眼底图像中穿过视盘的并且管径最大的血管作为眼底主血管;或者,
将眼底图像中穿过视盘的、管径最大的并且满足预设的颜色特征的血管作为眼底主血管。
一种可能的设计中,处理器701执行的处理中,根据视盘中心点和至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓;具体包括:
至少两个交点包括第一交点和第二交点,根据视盘中心、第一交点和第二交点,使用最小二乘法确定眼底血管弓拟合曲线以确定眼底血管弓;
一种可能的设计中,处理器701执行的处理中,还可以依据视盘中心和至少两个交点确定眼底血管弓的开角;
一种可能的设计中,处理器701执行的处理中,确定由两个交点中的第一交点和视盘中心构成的第一线段;确定由两个交点中的第二交点和视盘中心构成的第二线段;确定第一线段与第二线段的夹角,以第一线段与第二线段的夹角作为血管弓的第一开角;或者,
绘制检测直线,检测直线通过黄斑中心,并且垂直于视盘中心和黄斑中心之间的连线;将检测直线与眼底血管弓或者眼底血管弓两侧的端点切线或者其延长线相交,获得第五交点和第六交点;确定由第五交点和视盘中心构成的第三线段;确定由第六交点和视盘中心构成的第四线段;确定第三线段与第四线段的夹角,以第三线段与第四线段的夹角作为血管弓的第二开角;或者,
将第一开角和第二开角的加权平均值作为血管弓的加权平均开角。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
实施例五
本发明实施例还提供一种视计算的图像特征确定的系统,其包括:
眼底相机,用于采集眼底图像;
传输模块,用于将采集的眼底图像传输至云端服务器;
云端服务器,包括:一个或多个处理器;以及,存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的任意一种基于视计算的图像特征确定的方法。
虽然本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备及可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种基于视计算的图像特征确定的方法,其特征在于,包括:
获取眼底图像;
从所述眼底图像中确定视盘中心点、黄斑中心点和眼底主血管;
以所述视盘中心点作为坐标系的原点,以所述视盘中心点和所述黄斑中心点之间的连线构建第一轴,以通过所述视盘中心并且与所述第一轴垂直的直线构建第二轴;
以所述原点为圆心,以预设的长度为半径确定一个圆,与所述眼底主血管相交,形成至少两个交点;
根据所述视盘中心点和所述至少两个交点,确定眼底血管弓拟合曲线,从而确定眼底血管弓。
2.根据权利要求1所述的方法,其特征在于,所述的获取眼底图像之后,还包括:
提取所述眼底图像的感兴趣区域ROI;
对所述感兴趣区域ROI提取单一通道图像或者两个或多个通道构成的组合通道图像;对提取的单一通道图像或者组合通道图像进行去燥处理;
对去除噪声后的单一通道图像或者组合通道图像进行增强处理,以获得血管增强图像。
3.根据权利要求1所述的方法,其特征在于,所述的从所述眼底图像中确定眼底主血管,具体包括:
将所述眼底图像中穿过视盘的并且管径最大的血管作为眼底主血管;或者,
将所述眼底图像中穿过视盘的、管径最大的并且满足预设的颜色特征的血管作为眼底主血管;
其中,所述眼底主血管包括主动脉血管和主静脉血管。
4.根据权利要求1所述的方法,其特征在于,所述的根据所述视盘中心点和所述至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓,具体包括:
所述至少两个交点中包括第一交点和第二交点,根据所述视盘中心、所述第一交点和所述第二交点,使用最小二乘法确定眼底血管弓拟合曲线以确定眼底血管弓。
5.根据权利要求4所述的方法,其特征在于,还包括:根据所述视盘中心和至少两个交点确定所述眼底血管弓的开角。
6.根据权利要求5所述的方法,其特征在于,所述的根据所述视盘中心和至少两个交点确定所述眼底血管弓的开角,具体包括:
确定由两个交点中的第一交点和视盘中心构成的第一线段,确定由两个交点中的第二交点和视盘中心构成的第二线段,确定所述第一线段与所述第二线段的夹角,以所述第一线段与所述第二线段的夹角作为所述血管弓的第一开角;或者,
绘制检测直线,所述检测直线通过所述黄斑中心,并且垂直于所述视盘中心和所述黄斑中心之间的连线;将所述检测直线与所述眼底血管弓或者其延长线相交,获得第五交点和第六交点;确定由第五交点和视盘中心构成的第三线段;确定由第六交点和视盘中心构成的第四线段;确定所述第三线段与所述第四线段的夹角,以所述第三线段与所述第四线段的夹角作为所述血管弓的第二开角。
7.根据权利要求6所述的方法,其特征在于,所述的根据所述视盘中心和至少两个交点确定眼底血管弓的开角,具体包括:
确定由两个交点中的第一交点和视盘中心构成的第一线段;确定由两个交点中的第二交点和视盘中心构成的第二线段;确定所述第一线段与所述第二线段的夹角,以所述第一线段与所述第二线段的夹角作为所述血管弓的第一开角;或者,
绘制检测直线,所述检测直线通过所述黄斑中心,并且垂直于所述视盘中心和所述黄斑中心之间的连线;将所述检测直线与所述眼底血管弓或者其延长线相交,获得第五交点和第六交点;确定由第五交点和视盘中心构成的第三线段;确定由第六交点和视盘中心构成的第四线段;确定所述第三线段与所述第四线段的夹角,以所述第三线段与所述第四线段的夹角作为所述血管弓的第二开角;
将所述第一开角和所述第二开角的加权平均值作为血管弓的加权平均开角。
8.一种基于视计算的图像特征确定的装置,其特征在于,包括:
获取模块,用于获取眼底图像;
第一确定模块,用于从所述眼底图像中确定视盘中心点、黄斑中心点和眼底主血管;
坐标系构建模块,以所述视盘中心点作为坐标系的原点,以所述视盘中心点和所述黄斑中心点之间的连线构建第一轴,以通过所述视盘中心点并且与所述第一轴垂直的直线构建第二轴;
第二确定模块,以所述原点为圆心,以预设的长度为半径确定一个圆,与所述眼底主血管相交,形成至少两个交点;
第三确定模块,根据所述视盘中心点和所述至少两个交点,确定眼底血管弓拟合曲线以确定眼底血管弓。
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如权利要求1-7中任意一项所述的一种基于视计算的图像特征确定的方法。
10.一种基于视计算的图像特征确定的设备,其特征在于,其包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-7中任意一项所述的一种基于视计算的图像特征确定的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111542532.4A CN114549395A (zh) | 2021-12-14 | 2021-12-14 | 基于视计算的图像特征确定的方法、装置、介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111542532.4A CN114549395A (zh) | 2021-12-14 | 2021-12-14 | 基于视计算的图像特征确定的方法、装置、介质和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549395A true CN114549395A (zh) | 2022-05-27 |
Family
ID=81670315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111542532.4A Pending CN114549395A (zh) | 2021-12-14 | 2021-12-14 | 基于视计算的图像特征确定的方法、装置、介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549395A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114937024A (zh) * | 2022-06-13 | 2022-08-23 | 依未科技(北京)有限公司 | 图像评估方法、装置和计算机设备 |
CN115908405A (zh) * | 2023-01-05 | 2023-04-04 | 依未科技(北京)有限公司 | 确定眼底特征的方法、装置和电子设备 |
-
2021
- 2021-12-14 CN CN202111542532.4A patent/CN114549395A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114937024A (zh) * | 2022-06-13 | 2022-08-23 | 依未科技(北京)有限公司 | 图像评估方法、装置和计算机设备 |
CN115908405A (zh) * | 2023-01-05 | 2023-04-04 | 依未科技(北京)有限公司 | 确定眼底特征的方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Akbar et al. | Decision support system for detection of hypertensive retinopathy using arteriovenous ratio | |
Akbar et al. | Arteriovenous ratio and papilledema based hybrid decision support system for detection and grading of hypertensive retinopathy | |
CN108986106B (zh) | 面向青光眼的视网膜血管自动分割方法 | |
US20200260944A1 (en) | Method and device for recognizing macular region, and computer-readable storage medium | |
CN111681242B (zh) | 视网膜血管动静脉区分方法和装置、设备 | |
CN114549395A (zh) | 基于视计算的图像特征确定的方法、装置、介质和设备 | |
Zaki et al. | Diabetic retinopathy assessment: Towards an automated system | |
CN111242933B (zh) | 视网膜图像动静脉的分类装置、设备及存储介质 | |
CN109637660B (zh) | 一种基于深度卷积神经网络的舌诊分析方法及系统 | |
CN109635669B (zh) | 图像分类方法、装置及分类模型的训练方法、装置 | |
CN111882566B (zh) | 视网膜图像的血管分割方法、装置、设备及存储介质 | |
CN112734828B (zh) | 一种眼底血管中心线确定的方法、装置、介质和设备 | |
Nisha et al. | A computer-aided diagnosis system for plus disease in retinopathy of prematurity with structure adaptive segmentation and vessel based features | |
Sirazitdinova et al. | Validation of computerized quantification of ocular redness | |
CN113313715B (zh) | 心脏动脉血管的分割方法、分割装置、设备和介质 | |
CN116309235A (zh) | 一种针对糖尿病预测的眼底图像的处理方法和系统 | |
CN113450329A (zh) | 一种微循环图像血管分支红细胞流速计算方法及系统 | |
JP4822527B2 (ja) | 画像解析装置及び画像解析プログラム | |
CN114387209A (zh) | 眼底结构特征确定的方法、装置、介质和设备 | |
CN115100178A (zh) | 一种眼底血管形态特征评估的方法、装置、介质和设备 | |
CN113344893A (zh) | 一种高精度眼底动静脉识别的方法、装置、介质和设备 | |
Zhou et al. | Computer aided diagnosis for diabetic retinopathy based on fundus image | |
CN113344895A (zh) | 高精度的眼底血管管径测量方法、装置、介质和设备 | |
Nazari et al. | Segmentation of retinal blood vessels by top-hat multi-scale detection for optic disc removal | |
CN114387210A (zh) | 眼底特征获取的方法、装置、介质和设备 |
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 |