CN115670370A - 一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置 - Google Patents
一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置 Download PDFInfo
- Publication number
- CN115670370A CN115670370A CN202211700372.6A CN202211700372A CN115670370A CN 115670370 A CN115670370 A CN 115670370A CN 202211700372 A CN202211700372 A CN 202211700372A CN 115670370 A CN115670370 A CN 115670370A
- Authority
- CN
- China
- Prior art keywords
- fundus
- image
- opacity
- turbid
- vitreous
- 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
Images
Landscapes
- Eye Examination Apparatus (AREA)
Abstract
本发明公开一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置，包括：获取眼球转动前后对应的眼底图像；检测所述眼底图像中的混浊斑和视盘，并计算所述混浊斑与视盘之间的距离；根据所述混浊斑与视盘之间的距离判断所述混浊斑是否属于玻璃体部位的混浊；若判断为玻璃体部位混浊的图像，则进行图像配准合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。采用本发明的技术方案，可以对眼球转动前后眼底成像上的混浊斑进行自动分析，可以快速准确判断静态眼底图像上面混浊斑是玻璃体腔的混浊还是其他部位的混浊。
Description
技术领域
本发明属于图像处理技术领域，尤其涉及一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置。
背景技术
眼底照相技术是通过眼底照相机采集到眼底视网膜的图像，是目前眼科最常用的眼底临床检查方法之一。通过眼底照相检查获得眼底视网膜成像，可以直接告诉我们视网膜神经、血管、形态的许多信息。通过眼底照相机发现不同的眼底表现，不仅有助于眼科疾病的早期诊断和治疗，也可以对一些全身性疾病的发现及诊断提供帮助。近年来发展的免散瞳眼底成像技术如超广角激光扫描眼底成像技术（scanning laser ophthalmoscope,SLO）更是可以一次性获取高达200度范围的眼底图像。该眼底图像具备成像范围大,图像清晰等特点,可以更为直观的动态观察周边视网膜,对于临床判断眼底情况具有重要的参考意义。然而，临床上获取的眼底图像往往由于屈光介质混浊或者其他病变导致眼底图像上面呈现出混浊斑块这点视网膜信息，从而影响图像的分析及临床判断。因此，区分不同部位的混浊斑并去除混浊斑对于视网膜成像的影响在临床上具有有重要的意义和价值。
随着年龄增大，人体眼球内不同结构发生混浊很普遍，比如玻璃体混浊。玻璃体混浊为眼科常见体征，症状主要为眼前黑影飘动、不同程度的视觉障碍，眼底镜下可见玻璃体内有尘状、丝状或网状混浊。因为玻璃体是胶状液体，眼球转动的时候，玻璃体随之转动，玻璃体混浊由于惯性，也会随着眼球转动而飘动，相比之下，眼底和晶状体等眼球结构是固定的，其混浊不会随着眼球转动而飘动。并且，与视网膜相比，眼球转动时，由于玻璃体的液体性质会使得玻璃体内的混浊漂浮块存在运动滞后现象：即当眼球停止运动后，玻璃体内的混浊漂浮物未能马上停止运动。基于眼底成像系统，可让受检者眼球向不同方向转动，获取运动前和运动后的眼底视网膜成像，通过运动前后的视网膜成像可以区分眼底成像上面的混浊斑块是否来自于玻璃体腔内。然而目前并无眼底图像混浊斑自动分析，从而辅助判断眼底图像上面的混浊斑是否位于玻璃体腔内。
发明内容
本发明要解决的技术问题是，提供一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置，通过对眼球转动前后眼底成像上的混浊斑进行自动分析，可以快速准确判断静态眼底图像上面混浊斑是玻璃体腔的混浊还是其他部位的混浊。
为实现上述目的，本发明采用如下的技术方案：
一种去除眼底图像玻璃体混浊斑的视网膜成像方法，包括以下步骤：
步骤S1、获取眼球转动前后对应的眼底图像；
步骤S2、检测所述眼底图像中的混浊斑和视盘，并计算所述混浊斑与视盘之间的距离；
步骤S3、根据所述混浊斑与视盘之间的距离判断所述混浊斑是否属于玻璃体部位的混浊；
步骤S4、若判断为玻璃体部位混浊的图像，则进行图像配准后合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
作为优选，步骤S1中，通过眼底成像系统，首先根据被检查者注视中央注视灯获取第一次眼底图像，然后让被检查者眼球转动注视其他方位注视灯后随即又注视中央注视灯进行眼底图像抓拍，获取第二次眼底图像。
作为优选，步骤S2中，采用Mask-RCNN分割算法检测所述眼底图像中的混浊斑和视盘，分别得到所述浊斑和视盘的质心坐标，并根据所述浊斑和视盘的质心坐标计算混浊斑和视盘之间的欧氏距离。
作为优选，步骤S3中，如果两次眼底图像中混浊斑与视盘之间的距离相差不超过预设阈值，则判定为该混浊斑位于玻璃体以外的区域；如果两次图像中所述混浊斑与视盘之间的距离相差超过预设阈值，则判定该混浊斑位于玻璃体腔内。
作为优选，步骤S4中，采用SURF算法对第一次眼底图像和第二次眼底图像进行图像配准之后，将第一次眼底图像混浊斑区域的像素点替换为第二次眼底图像相同坐标的像素点，合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
本发明还提供一种去除眼底图像玻璃体混浊斑的视网膜成像装置，包括：
获取模块，用于获取眼球转动前后对应的眼底图像；
检测模块，用于检测所述眼底图像中的混浊斑和视盘，并计算所述混浊斑与视盘之间的距离；
判断模块，用于根据所述混浊斑与视盘之间的距离判断所述混浊斑是否属于玻璃体部位的混浊；
处理模块，用于若判断为玻璃体部位混浊的图像，则进行图像配准后合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
作为优选，所述获取模块，通过眼底成像系统根据被检查者注视中央注视灯获取第一次眼底图像和第二次眼底图像。
作为优选，所述检测模块采用Mask-RCNN分割算法检测所述眼底图像中的混浊斑和视盘，分别得到所述浊斑和视盘的质心坐标，并根据所述浊斑和视盘的质心坐标计算混浊斑和视盘之间的欧氏距离。
作为优选，所述判断模块，用于如果两次眼底图像中混浊斑与视盘之间的距离相差不超过预设阈值，则判定为该混浊斑位于玻璃体以外的区域，如果两次图像中所述混浊斑与视盘之间的距离相差超过预设阈值，则判定混浊斑位于玻璃体腔内。
作为优选，所述处理模块，用于采用SURF算法对第一次眼底图像和第二次眼底图像进行图像配准之后，将第一次眼底图像混浊斑区域的像素点替换为第二次眼底图像相同坐标的像素点，合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
本发明通过眼底成像系统获取眼球转动前后的眼底图像，通过构建深度学习模型检测眼底图像的混浊斑和视盘，计算分析眼球转动前后混浊斑与视盘之间的距离，从而判断判断眼底图像上的混浊斑是玻璃体部位的混浊还是其他部位的混浊，实现了眼底图像混浊斑的自动分析，同时去除玻璃体混浊斑块对视网膜的遮挡影响，本发明具有成本低、快速检测优点。
附图说明
图1为本发明实施例去除眼底图像玻璃体混浊斑的视网膜成像方法流程图；
图2为第一次眼底成像、第二次眼底成像以及合成无玻璃体混浊斑遮挡影响的眼底视网膜图像的过程示意图，其中，图2中的黑色箭头为玻璃体混浊斑；
图3为本发明实施例的去除眼底图像玻璃体混浊斑的视网膜成像装置的结构示意图。
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。
为使本发明的上述目的、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发明作进一步详细的说明。
实施例1：
如图1所示，本发明提供一种去除眼底图像玻璃体混浊斑的视网膜成像方法，包括以下步骤：
步骤S1、获取眼球转动前后对应的眼底图像；
步骤S2、检测所述眼底图像中的混浊斑和视盘，并计算所述混浊斑与视盘之间的距离；
步骤S3、根据所述混浊斑与视盘之间的距离判断所述混浊斑是否属于玻璃体部位的混浊；
步骤S4、若判断为玻璃体部位混浊的图像，则进行图像配准后合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
作为本发明实施例的一种实施方式，步骤S1中，通过眼底成像系统，首先根据被检查者注视中央注视灯获取第一次眼底图像，然后让被检查者眼球转动注视其他方位（包括但不限于上方、下方、鼻侧、颞侧等任一方位）注视灯后随即又注视中央注视灯进行眼底图像抓拍，获取第二次眼底图像。
作为本发明实施例的一种实施方式，步骤S2中，采用Mask-RCNN分割算法检测所述眼底图像中的混浊斑和视盘，分别得到所述浊斑和视盘的质心坐标，并根据所述浊斑和视盘的质心坐标计算混浊斑和视盘之间的欧氏距离。基于Mask-RCNN分割算法检测混浊斑和视盘的具体实现如下：首先采集250对眼球转动前后对应的眼底图像（共500张图像），并对每张图像标注混浊斑和视盘区域；按7.5：1：1.5的比例构建训练集、验证集和测算集；图像数据集在输入模型训练前进行预处理，统一将原始分辨率resize为512*512；训练阶段，首先加载COCO预训练模型，然后在已标注的数据集上微调，对全部层进行训练；在预测阶段，如果Mask R-CNN模型输出的置信度大于某个阈值（本发明实施例阈值设为0.75），就表示检测到了图像上的混浊斑或视盘。
检测到混浊斑和视盘区域之后，利用opencv2的moments函数获取它们的质心坐
标，设视盘的质心坐标为（x0，y0），混浊斑的质心坐标为（x1，y1），它们之间的欧氏距离S的计
算公式如下:
作为本发明实施例的一种实施方式，步骤S3中，如果两次眼底图像中混浊斑与视盘之间的距离相差不超过预设阈值，则判定为该混浊斑位于玻璃体以外的区域；如果两次图像中所述混浊斑与视盘之间的距离相差超过预设阈值，则判定该混浊斑位于玻璃体腔内。
作为本发明实施例的一种实施方式，步骤S4中，首先平移第二次眼底图像，使得它的视盘质心坐标与第一次眼底图像的视盘质心坐标重叠，然后采用SURF算法，以第一次眼底图像为参考图像，第二次眼底图像为浮动图像，将第二次眼底图像配准到第一次眼底图像上；采用SURF算法对第一次眼底图像和第二次眼底图像进行图像配准之后，将第一次眼底图像混浊斑区域的像素点替换为第二次眼底图像相同坐标的像素点，合成无玻璃体混浊斑遮挡影响的眼底视网膜图像，如图2所示。
实施例2：
如图3所示，本发明还提供一种去除眼底图像玻璃体混浊斑的视网膜成像装置，包括：
获取模块，用于获取眼球转动前后对应的眼底图像；
检测模块，用于检测所述眼底图像中的混浊斑和视盘，并计算所述混浊斑与视盘之间的距离；
判断模块，用于根据所述混浊斑与视盘之间的距离判断所述混浊斑是否属于玻璃体部位的混浊；
处理模块，用于若判断为玻璃体部位混浊的图像，则进行图像配准后合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
作为本发明实施例的一种实施方式，所述获取模块，通过眼底成像系统根据被检查者注视中央注视灯获取第一次眼底图像和第二次眼底图像。
作为本发明实施例的一种实施方式，所述检测模块采用Mask-RCNN分割算法检测所述眼底图像中的混浊斑和视盘，分别得到所述浊斑和视盘的质心坐标，并根据所述浊斑和视盘的质心坐标计算混浊斑和视盘之间的欧氏距离。
作为本发明实施例的一种实施方式，所述判断模块，用于如果两次眼底图像中混浊斑与视盘之间的距离相差不超过预设阈值，则判定为该混浊斑位于玻璃体以外的区域，如果两次图像中所述混浊斑与视盘之间的距离相差超过预设阈值，则判定该混浊斑位于玻璃体腔内。
作为本发明实施例的一种实施方式，所述处理模块，用于采用SURF算法对第一次眼底图像和第二次眼底图像进行图像配准之后，将第一次眼底图像混浊斑区域的像素点替换为第二次眼底图像相同坐标的像素点，合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，在任何熟悉本技术领域的技术人员在本发明所述的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种去除眼底图像玻璃体混浊斑的视网膜成像方法，其特征在于，包括以下步骤：
步骤S1、获取眼球转动前后对应的眼底图像；
步骤S2、检测所述眼底图像中的混浊斑和视盘，并计算所述混浊斑与视盘之间的距离；
步骤S3、根据所述混浊斑与视盘之间的距离判断所述混浊斑是否属于玻璃体部位的混浊；
步骤S4、若判断为玻璃体部位混浊的图像，则进行图像配准后合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
2.如权利要求1所述的去除眼底图像玻璃体混浊斑的视网膜成像方法，其特征在于，步骤S1中，通过眼底成像系统，首先根据被检查者注视中央注视灯获取第一次眼底图像，然后让被检查者眼球转动注视其他方位注视灯后随即又注视中央注视灯进行眼底图像抓拍，获取第二次眼底图像。
3.如权利要求2所述的去除眼底图像玻璃体混浊斑的视网膜成像方法，其特征在于，步骤S2中，采用Mask-RCNN分割算法检测所述眼底图像中的混浊斑和视盘，分别得到所述浊斑和视盘的质心坐标，并根据所述浊斑和视盘的质心坐标计算混浊斑和视盘之间的欧氏距离。
4.如权利要求3所述的去除眼底图像玻璃体混浊斑的视网膜成像方法，其特征在于，步骤S3中，如果两次眼底图像中混浊斑与视盘之间的距离相差不超过预设阈值，则判定为该混浊斑位于玻璃体以外的区域；如果两次图像中所述混浊斑与视盘之间的距离相差超过预设阈值，则判定该混浊斑位于玻璃体腔内。
5.如权利要求4所述的去除眼底图像玻璃体混浊斑的视网膜成像方法，其特征在于，步骤S4中，采用SURF算法对第一次眼底图像和第二次眼底图像进行图像配准之后，将第一次眼底图像混浊斑区域的像素点替换为第二次眼底图像相同坐标的像素点，合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
6.一种去除眼底图像玻璃体混浊斑的视网膜成像装置，其特征在于，包括：
获取模块，用于获取眼球转动前后对应的眼底图像；
检测模块，用于检测所述眼底图像中的混浊斑和视盘，并计算所述混浊斑与视盘之间的距离；
判断模块，用于根据所述混浊斑与视盘之间的距离判断所述混浊斑是否属于玻璃体部位的混浊；
处理模块，用于若判断为玻璃体部位混浊的图像，则进行图像配准后合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
7.如权利要求6所述的去除眼底图像玻璃体混浊斑的视网膜成像装置，其特征在于，所述获取模块，通过眼底成像系统根据被检查者注视中央注视灯获取第一次眼底图像和第二次眼底图像。
8.如权利要求7所述的去除眼底图像玻璃体混浊斑的视网膜成像装置，其特征在于，所述检测模块采用Mask-RCNN分割算法检测所述眼底图像中的混浊斑和视盘，分别得到所述浊斑和视盘的质心坐标，并根据所述浊斑和视盘的质心坐标计算混浊斑和视盘之间的欧氏距离。
9.如权利要求8所述的去除眼底图像玻璃体混浊斑的视网膜成像装置，其特征在于，所述判断模块，用于如果两次眼底图像中混浊斑与视盘之间的距离相差不超过预设阈值，则判定为该混浊斑位于玻璃体以外的区域，如果两次图像中所述混浊斑与视盘之间的距离相差超过预设阈值，则判定该混浊斑位于玻璃体腔内。
10.如权利要求9所述的去除眼底图像玻璃体混浊斑的视网膜成像装置，其特征在于，所述处理模块，用于采用SURF算法对第一次眼底图像和第二次眼底图像进行图像配准之后，将第一次眼底图像混浊斑区域的像素点替换为第二次眼底图像相同坐标的像素点，合成无玻璃体混浊斑遮挡影响的眼底视网膜图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211700372.6A CN115670370B (zh) | 2022-12-29 | 2022-12-29 | 一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211700372.6A CN115670370B (zh) | 2022-12-29 | 2022-12-29 | 一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115670370A true CN115670370A (zh) | 2023-02-03 |
| CN115670370B CN115670370B (zh) | 2023-04-07 |
Family
ID=85056330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211700372.6A Active CN115670370B (zh) | 2022-12-29 | 2022-12-29 | 一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115670370B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116385812A (zh) * | 2023-06-06 | 2023-07-04 | 依未科技(北京)有限公司 | 图像分类方法及装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106886991A (zh) * | 2017-01-20 | 2017-06-23 | 北京理工大学 | 一种基于彩色眼底图的模糊度自动分级方法 |
| CN112330638A (zh) * | 2020-11-09 | 2021-02-05 | 苏州大学 | 一种视网膜oct图像水平配准和图像增强方法 |
| CN114998353A (zh) * | 2022-08-05 | 2022-09-02 | 汕头大学·香港中文大学联合汕头国际眼科中心 | 一种自动检测玻璃体混浊斑飘动范围的系统 |
-
2022
- 2022-12-29 CN CN202211700372.6A patent/CN115670370B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106886991A (zh) * | 2017-01-20 | 2017-06-23 | 北京理工大学 | 一种基于彩色眼底图的模糊度自动分级方法 |
| CN112330638A (zh) * | 2020-11-09 | 2021-02-05 | 苏州大学 | 一种视网膜oct图像水平配准和图像增强方法 |
| CN114998353A (zh) * | 2022-08-05 | 2022-09-02 | 汕头大学·香港中文大学联合汕头国际眼科中心 | 一种自动检测玻璃体混浊斑飘动范围的系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116385812A (zh) * | 2023-06-06 | 2023-07-04 | 依未科技(北京)有限公司 | 图像分类方法及装置、电子设备及存储介质 |
| CN116385812B (zh) * | 2023-06-06 | 2023-08-25 | 依未科技(北京)有限公司 | 图像分类方法及装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115670370B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lowell et al. | Optic nerve head segmentation | |
| US8770753B2 (en) | Scanning and processing using optical coherence tomography | |
| JP5582772B2 (ja) | 画像処理装置及び画像処理方法 | |
| EP2467053B1 (en) | Apparatus and method for automatically determining a strabismus angle | |
| Otero-Millan et al. | Knowing what the brain is seeing in three dimensions: A novel, noninvasive, sensitive, accurate, and low-noise technique for measuring ocular torsion | |
| CN110448267B (zh) | 一种多模眼底动态成像分析系统及其方法 | |
| CN110279391B (zh) | 便携红外相机视力检测算法 | |
| CN102858230A (zh) | 断层图像观察设备、处理方法和非瞬态计算机可读存储介质 | |
| CN115670370B (zh) | 一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置 | |
| CN115886721B (zh) | 一种眼球活动度的评估方法、系统和存储介质 | |
| CN114937024A (zh) | 图像评估方法、装置和计算机设备 | |
| Ramlee et al. | Automated detecting arcus senilis, symptom for cholesterol presence using iris recognition algorithm | |
| CN115590462A (zh) | 一种基于摄像头的视力检测方法和装置 | |
| Giancardo | Automated fundus images analysis techniques to screen retinal diseases in diabetic patients | |
| WO2024037579A1 (zh) | 一种眼裂宽度的测量方法、装置和存储介质 | |
| Consejo et al. | Detection of subclinical keratoconus with a validated alternative method to corneal densitometry | |
| Yumang et al. | Strabismus classification using digital image processing and horizontal coordinate classification algorithm | |
| Bhangdiya | Cholesterol presence detection using iris recognition | |
| Kiresur et al. | Automatic detection of diabetic retinopathy in fundus image: a survey | |
| Taba | Improving eye-gaze tracking accuracy through personalized calibration of a user's aspherical corneal model | |
| CN113116292B (zh) | 基于眼部外观图像的眼位测量方法、装置、终端和设备 | |
| CN111259743A (zh) | 一种近视图像深度学习识别模型训练方法及系统 | |
| US20240081641A1 (en) | System for strabismus assessment and a method of strabismus assessment | |
| RU2723598C1 (ru) | Устройство для определения остроты зрения | |
| RU2767704C1 (ru) | Способ диагностики косоглазия методом видеоокулографии |
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 |