CN115908405A - 确定眼底特征的方法、装置和电子设备 - Google Patents
确定眼底特征的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN115908405A CN115908405A CN202310009885.0A CN202310009885A CN115908405A CN 115908405 A CN115908405 A CN 115908405A CN 202310009885 A CN202310009885 A CN 202310009885A CN 115908405 A CN115908405 A CN 115908405A
- Authority
- CN
- China
- Prior art keywords
- fundus
- optic disc
- disc
- determining
- point
- 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
本申请提出一种确定眼底特征的方法、装置和电子设备,能够获取眼底图像,基于眼底图像中主血管的位置,在眼底图像中生成经过视盘中心点的眼底血管弓曲线,根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴和/或视盘短轴。基于本申请的方法,能够自动确定视盘长轴和/或视盘短轴的位置,更符合实际应用需求。而且,本申请不仅仅依赖于视盘,还结合血管共同判断视盘长短轴,更能反映视盘倾斜度,降低或排除拍摄过程中眼球的旋转、斜视和眼位不正因素导致长短轴不规则、不合理的问题。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种确定眼底特征的方法、装置和电子设备。
背景技术
在眼底图像中,视盘长轴、视盘短轴是眼底基本特征之一,通过对视盘长轴、视盘短轴进行检测和识别,有利于帮助人们了解眼底异常,为眼底疾病分析提供更多有价值的信息。目前主要是通过人工分析的方式从眼底图像中确定视盘轴的位置。这种人工分析的方式非常容易受主观因素影响,难以保证分析结果的准确性和一致性,可能会导致视盘轴的位置不准确,影响眼底异常的判断结果。
发明内容
基于上述需求,本申请提出一种确定眼底特征的方法、装置和电子设备,该方法能够准确确定视盘轴的位置,避免影响眼底异常的判断结果。
本申请提出的技术方案具体如下:
一方面,本申请提供了一种确定眼底特征的方法,包括:
获取眼底图像;
基于眼底图像中主血管的位置,在所述眼底图像中生成经过视盘中心点的眼底血管弓曲线;
根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘长轴和/或视盘短轴。
进一步地,以上所述的方法中,根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘长轴,包括:
确定所述眼底血管弓曲线在所述视盘中心点处的切线与视盘边缘的第一交点和第二交点,将所述第一交点和所述第二交点之间的第一连线确定为视盘长轴;
或者,将所述视盘边缘中的第一目标弦确定为视盘长轴,所述第一目标弦为所有与所述眼底血管弓曲线在所述视盘中心点处的切线平行的弦中最长的弦。
进一步地,以上所述的方法中,根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘短轴,包括:
确定经过所述视盘中心点且与眼底血管弓曲线在所述视盘中心点处的切线垂直的直线与所述视盘边缘的第三交点和第四交点,将所述第三交点和所述第四交点之间的第二连线确定为视盘短轴;
或者,将所述视盘边缘中的第二目标弦确定为视盘短轴,所述第二目标弦为所有与所述眼底血管弓曲线在所述视盘中心点处的切线垂直的弦中最长的弦。
进一步地,以上所述的方法中,基于眼底图像中主血管的位置,在所述眼底图像中生成经过视盘中心点的眼底血管弓曲线,包括:
基于眼底图像中主血管的位置,确定所述眼底图像中血管弓的位置特征点;所述眼底图像中血管弓的位置特征点包括所述视盘中心点;
对所述眼底图像中血管弓的位置特征点进行拟合,得到所述眼底血管弓曲线。
进一步地,以上所述的方法中,基于眼底图像中主血管的位置,确定所述眼底图像中血管弓的位置特征点,包括:
确定以所述视盘中心点为圆心、设定长度为半径的圆与所述眼底图像中主血管的交点;所述交点至少为两个;
将所述视盘中心点和所述交点,确定为所述眼底图像中血管弓的位置特征点。
进一步地,以上所述的方法中,还包括:
确定所述视盘中心点和黄斑中心点的第三连线与所述视盘长轴之间,和/或,所述第二连线与视盘短轴之间的夹角;
根据所述夹角的大小确定所述眼底图像中眼球的旋转程度。
进一步地,以上所述的方法中,还包括:
在根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘长轴和视盘短轴的情况下,根据所述视盘长轴和所述视盘短轴的方向,从所述眼底图像中确定眼底图像拍摄对象的上侧、下侧、鼻侧和颞侧中的至少一侧。
进一步地,以上所述的方法中,还包括:
在根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘长轴的情况下,对所述眼底图像进行旋转,直至所述视盘长轴处于竖向;
或者,在根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘短轴的情况下,对所述眼底图像进行旋转,直至所述视盘短轴处于横向。
另一方面,本申请还提供了一种确定眼底特征的装置,包括:
获取模块,用于获取眼底图像;
生成模块,用于基于眼底图像中主血管的位置,在所述眼底图像中生成经过视盘中心点的眼底血管弓曲线;
确定模块,用于根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘长轴和/或视盘短轴。
另一方面,本申请还提供了一种电子设备,包括:
存储器和处理器;
其中,所述存储器用于存储程序;
所述处理器,用于通过运行所述存储器中的程序,实现以上任意一项所述的确定眼底特征的方法。
本申请的确定眼底特征的方法,能够获取眼底图像,基于眼底图像中主血管的位置,在眼底图像中生成经过视盘中心点的眼底血管弓曲线,根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴和/或视盘短轴。基于本申请的方法,能够自动确定视盘长轴和/或视盘短轴的位置,不受主观因素的影响,准确率高,更符合实际应用需求,应用范围广。而且,本申请不仅仅依赖于视盘,还结合血管共同判断视盘长短轴,更能反映视盘倾斜度,降低或排除拍摄过程中眼球的旋转、斜视和眼位不正因素导致长短轴不规则、不合理的问题。
附图说明
为了更清楚地说明本申请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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1是本申请实施例提供的一种确定眼底特征的方法的流程示意图;
图2是本申请实施例提供的关键点检测模型的训练样本标注示意图;
图3是本申请实施例提供的拟合得到眼底血管弓曲线的示意图;
图4是本申请实施例提供的视盘长轴和视盘短轴的位置示意图;
图5是本申请实施例提供的确定眼底血管弓曲线的流程示意图;
图6是本申请实施例提供的确定拍摄对象的上侧、下侧、鼻侧和颞侧的示意图;
图7是本申请实施例提供的分割视杯区域的示意图;
图8是本申请实施例提供的绘制视杯区域的外接图形的示意图;
图9是本申请实施例提供的一种确定眼底特征的装置的结构示意图;
图10是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
本申请实施例技术方案适用于检测眼底特征的应用场景,采用本申请实施例技术方案,能够自动确定视盘长轴和/或视盘短轴的位置,不受检测人员主观因素的影响,准确率高。
示例性的,本申请实施例技术方案可应用于硬件处理器等硬件设备,或包装成软件程序被运行,当硬件处理器执行本申请实施例技术方案的处理过程,或上述软件程序被运行时,可以实现眼底特征的检测。本申请实施例只对本申请技术方案的具体处理过程进行示例性介绍,并不对本申请技术方案的具体执行形式进行限定,任意形式的可以执行本申请技术方案处理过程的技术实现形式,都可以被本申请实施例所采用。
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。
本申请实施例提出一种确定眼底特征的方法,该方法可以由电子设备执行,该电子设备可以是任意的具有数据及指令处理功能的设备,例如可以是计算机、智能终端、服务器等。参见图1所示,该方法包括:
S101、获取眼底图像。
眼底是眼球后部组织的统称,包括视盘、黄斑、血管等结构,通过眼底照相机对眼底进行拍照所获取的图像叫做眼底图像。通过眼底图像,医生能够看清眼底的组织结构,分析是否存在异常,最后根据详细的筛查与诊断给出具体的治疗方案。
本申请的实施例中,先获取眼底图像,并且可以在获取到眼底图像后,对眼底图像进行预处理操作,以便于在后续的步骤中,能够更加准确的确定眼底特征。预处理操作包括感兴趣区域提取操作、去噪处理操作、归一化处理操作和增强处理操作中的至少一种。
感兴趣区域(Region of Interest,ROI)提取即提取眼底图像中的有效区域,去除背景等无效区域,减少非眼底区域的干扰。可以首先将彩色的眼底图像进行通道分离,其中背景区域在红色通道呈现暗色,利用阈值分割方法对红色通道图像进行分割,利用暗色区域的平均灰度值以及暗色区域的面积占比来获得ROI候选区域,之后利用图像的形态学特征和位置特征对ROI候选区域进行筛选,获得最终的ROI区域。
去噪处理操作是为了减少拍摄和相机成像过程中噪声干扰,通过低通滤波法实现,将图像从空间域转为频率域,去除低频部分,从而达到去燥的目的。
归一化处理操作通过均值校准,将每一幅图像的颜色、亮度、尺寸都调整到统一的范围,从而降低图像间的差异性,减少亮度和颜色的偏差。归一化处理操作包括其中亮度归一化和尺寸归一化。其中亮度归一化是将颜色空间转换至LAB空间,通过对LAB空间进行均值校准后,再转回RGB空间,从而实现亮度归一化。尺寸归一化是将图像进行尺寸归一化至384×384。
增强处理操作是在ROI区域内,使用限制对比度的自适应直方图均衡(CLAHE)算法对图像进行增强处理,该算法将图像分成不同小块,在各小块上进行灰度限制的增强处理,并在相邻小块之间做灰度插值,以消除小块边界之间的灰度差异。
示例性地,可以先进行去噪处理操作,得到去噪后的眼底图像,然后对去噪后的眼底图像进行归一化处理操作,得到归一化后的眼底图像,然后对归一化后的眼底图像进行增强处理操作,得到增强后的眼底图像。也可以只对眼底图像进行去噪处理操作,或者归一化处理操作,或者增强处理操作,即以上几种预处理操作可以根据实际需求进行选择,本申请不做具体限定。
S102、基于眼底图像中主血管的位置,在眼底图像中生成经过视盘中心点的眼底血管弓曲线。
上述主血管指的是眼底中的主静脉或主动脉。可以根据主静脉或主动脉在眼底图像中的位置,在眼底图像中生成经过视盘中心点的眼底血管弓曲线,本实施例不做限定。
示例性的,可以预先训练关键点检测模型,基于关键点检测模型在眼底图像上确定视盘中心点、辅助关键点和目标关键点。对视盘中心点、辅助关键点和目标关键点进行拟合处理,得到眼底血管弓曲线。
在对关键点检测模型进行训练时,采用大量的眼底图像作为训练样本,眼底图像上预先标注的视盘中心点、辅助关键点和目标关键点的位置作为训练标签。将训练样本输入到关键点检测模型中,检测关键点检测模型的输出结果,根据关键点检测模型的输出结果和训练标签确定关键点检测模型的损失值,在训练至关键点检测模型的损失值小于设定值时,训练完成。
需要说明的是,在作为训练样本的眼底图像上标注视盘中心点、辅助关键点和目标关键点的位置时,可以采用如图2所示的标注方式:过黄斑中心点H做垂线,将该垂线与主血管的两个交点确定为第一目标关键点G和第二目标关键点E。在视盘中心点D和主血管的下半部分之间选取第一辅助关键点B和第二辅助关键点F,依据贝塞尔函数拟合确定第一辅助关键点B和第二辅助关键点F的最佳坐标值;在视盘中心点D和主血管的上半部分之间选取第三辅助关键点A和第四辅助关键点C,依据贝塞尔函数拟合确定第三辅助关键点A和第四辅助关键点C的最佳坐标值。
将眼底图像输入到训练好的关键点检测模型中,得到视盘中心点、第一目标关键点、第二目标关键点、第一辅助关键点、第二辅助关键点、第三辅助关键点和第四辅助关键点的位置。如图3所示,以视盘中心点D为起始端点、以第一目标关键点G为终止端点,第一辅助关键点B和第二辅助关键点F为控制点,通过贝塞尔函数拟合获取第一血管弓拟合曲线L1,其中,第一辅助关键点B和第二辅助关键点F位于视盘中心点D和第一目标关键点G之间,通过第一辅助关键点B和第二辅助关键点F来调整第一血管弓拟合曲线L1的形状,使第一血管弓拟合曲线L1的形状与眼底血管弓吻合或接近;以视盘中心点D为起始端点、以第二目标关键点E为终止端点,第三辅助关键点A和第四辅助关键点C为控制点,通过贝塞尔函数拟合获取第二血管弓拟合曲线L2,其中第三辅助关键点A和第四辅助关键点C位于视盘中心点D和第二目标关键点E之间,通过第三辅助关键点A和第四辅助关键点C来调整第二血管弓拟合曲线L2的形状,使第二血管弓拟合曲线L2与眼底血管弓吻合或接近。将第一血管弓拟合曲线L1和第二血管弓拟合曲线L2连接处理,得到经过视盘中心点的眼底血管弓曲线。
S103、根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴和/或视盘短轴。
在得到眼底血管弓曲线后,可以确定眼底血管弓曲线在视盘中心点处的切线,以便于根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴和/或视盘短轴。
本实施例中,先绘制视盘区域的视盘边缘,视盘边缘可以是视盘的外接圆、外接椭圆、类圆形或者外接矩形等,本实施例不做限定。
在确定视盘长轴时,可以确定眼底血管弓曲线在视盘中心点处的切线与视盘边缘的第一交点和第二交点,将第一交点和第二交点之间的第一连线确定为视盘长轴。示例性的,如图4所示,可以绘制视盘区域的外接椭圆,确定眼底血管弓曲线在视盘中心点处的切线m与视盘区域的外接椭圆的第一交点C和第二交点D,将第一交点C和第二交点D之间的第一连线确定为视盘长轴。
或者,还可以将视盘边缘中的第一目标弦确定为视盘长轴,第一目标弦为所有与眼底血管弓曲线在视盘中心点处的切线平行的弦中最长的弦。具体的,可以从视盘边缘的所有弦中,确定出与眼底血管弓曲线在视盘中心点处的切线平行且长度最长的弦,将该弦确定为视盘长轴。
在确定视盘短轴时,确定经过视盘中心点且与眼底血管弓曲线在视盘中心点处的切线垂直的直线与视盘边缘的第三交点和第四交点,将第三交点和第四交点之间的第二连线确定为视盘短轴。示例性的,如图4所示,可以绘制视盘区域的外接椭圆,确定经过视盘中心点且与眼底血管弓曲线在视盘中心点处的切线m垂直的直线n,直线n与视盘区域的外接椭圆形成第三交点E和第四交点F,将第三交点E和第四交点F之间的第二连线确定为视盘短轴。
或者,还可以将视盘边缘中的第二目标弦确定为视盘短轴,第二目标弦为所有与眼底血管弓曲线在视盘中心点处的切线垂直的弦中最长的弦。具体的,可以从视盘边缘的所有弦中,确定出与眼底血管弓曲线在视盘中心点处的切线垂直且长度最长的弦,将该弦确定为视盘短轴。
以上实施例中,能够获取眼底图像,基于眼底图像中主血管的位置,在眼底图像中生成经过视盘中心点的眼底血管弓曲线,根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴和/或视盘短轴。基于本申请的方法,能够自动确定视盘长轴和/或视盘短轴的位置,不受主观因素的影响,准确率高。而且,本申请不仅仅依赖于视盘,还结合血管共同判断视盘长短轴,更能反映视盘倾斜度,降低或排除拍摄过程中眼球的旋转、斜视和眼位不正因素导致长短轴不规则、不合理的问题。
作为一种可选的实现方式,如图5所示,在本申请另一实施例中公开了,以上实施例的步骤基于眼底图像中主血管的位置,在眼底图像中生成经过视盘中心点的眼底血管弓曲线,具体可以包括如下步骤:
S501、基于眼底图像中主血管的位置,确定眼底图像中血管弓的位置特征点。
上述眼底图像中血管弓的位置特征点包括视盘中心点。本实施例中,可以先基于眼底图像中主血管的位置,确定眼底图像中血管弓的位置特征点。
具体地,可以按照以上实施例的记载,采用对关键点检测模型的训练样本的标签标注方式,将视盘中心点、第一目标关键点、第二目标关键点、第一辅助关键点、第二辅助关键点、第三辅助关键点和第四辅助关键点确定为眼底图像中血管弓的位置特征点,具体确定视盘中心点、第一目标关键点、第二目标关键点、第一辅助关键点、第二辅助关键点、第三辅助关键点和第四辅助关键点的方式可以参照以上实施例关于关键点检测模型的训练样本的标签标注的记载,此处不做赘述。
此外,还可以通过如下方式确定眼底图像中血管弓的位置特征点:
确定以视盘中心点为圆心、设定长度为半径的圆与眼底图像中主血管的交点;交点至少为两个;将视盘中心点和交点,确定为眼底图像中血管弓的位置特征点。
具体地,本实施例中可以将视盘中心点为圆心,以任意长度为半径画圆。例如,半径长度为0.5PD~1.5PD之间,其中PD为视盘外接圆的直径。该圆与眼底图像中主血管至少产生两个交点。将视盘中心点和交点,确定为眼底图像中血管弓的位置特征点。示例性的,如图2所示,以视盘中心点D为圆心,以设定长度为半径画圆,该圆与眼底图像中主血管的交点为第五交点G´和第六交点E´,可以将视盘中心点D、第五交点G´和第六交点E´作为眼底图像中血管弓的位置特征点。上述设定长度在0.5PD~1.5PD。
S502、对眼底图像中血管弓的位置特征点进行拟合,得到眼底血管弓曲线。
本实施例中,得到眼底图像中血管弓的位置特征点后,可以对眼底图像中血管弓的位置特征点进行拟合处理,进而得到眼底血管弓曲线。
以上实施例中,能够自动从眼底图像中确定经过视盘中心点的眼底血管弓曲线,以便于根据经过视盘中心点的眼底血管弓曲线,确定视盘长轴和/或视盘短轴的位置。如此设置不受主观因素的影响,准确率高。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的确定眼底特征的方法,具体还可以包括如下步骤:
确定视盘中心点和黄斑中心点的第三连线与视盘长轴之间,和/或,第二连线与视盘短轴之间的夹角;根据夹角的大小确定眼底图像中眼球的旋转程度。
视盘中心点和黄斑中心点的第三连线与视盘长轴之间的夹角、视盘中心点和黄斑中心点的第三连线与视盘短轴之间的夹角,均可以用于表示眼球的旋转程度。
具体地,正常人的眼底图像中,视盘中心点和黄斑中心点的第三连线与视盘长轴的夹角、视盘中心点和黄斑中心点的第三连线与视盘短轴的夹角均固定在一定的范围内。当发生斜视时,眼球旋转或者倾斜,会导致眼底图像中视盘倾斜,当发生的斜视为旋转性斜视时,眼球向内旋转或者向外旋转,眼底图像中视盘中心点和黄斑中心点的第三连线也会发生偏移,进而使得视盘中心点和黄斑中心点的第三连线与视盘长轴的夹角、视盘中心点和黄斑中心点的第三连线与视盘短轴的夹角发生改变,超出正常的范围。
因此,本实施例中检测视盘中心点和黄斑中心点的第三连线与视盘长轴之间,和/或,第二连线与视盘短轴之间的夹角,用于表示眼球的旋转程度。其中,若上述夹角超过正常的范围,则夹角越大,眼球的旋转程度越高。
视盘或者眼球发生的微小倾斜或者旋转医生肉眼难以分辨,通过本实施例的方案,通过测量第三连线与视盘短轴之间的夹角和/或第三连线与视盘长轴之间的夹角,能够帮助精确的评估眼球旋转角度,为医生定量评估斜视及斜视的程度提供了依据。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的确定眼底特征的方法,具体还可以包括如下步骤:
在根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴和视盘短轴的情况下,根据视盘长轴和视盘短轴的方向,从眼底图像中确定眼底图像拍摄对象的上侧(Superior)、下侧(Infuerior)、鼻侧(Nasal)和颞侧(Temporal)中的至少一侧。
具体地,如果根据眼底血管弓曲线在视盘中心点处的切线,确定了视盘长轴和视盘短轴的位置,那么可以根据视盘长轴和视盘短轴的位置和方向,从眼底图像中确定拍摄对象对应的上侧、下侧、鼻侧和颞侧中的至少一侧。其中,视盘长轴对应的是拍摄对象的上侧、下侧,也就是说,视盘长轴的方向为垂直方向;视盘短轴对应的是拍摄对象的鼻侧和颞侧,视盘短轴的方向为水平方向。
进一步的,可以从眼底图像中确定视盘区域与视杯区域,分别根据视盘区域边界与视杯区域边界在视盘长轴、视盘短轴方向的距离,确定眼底图像拍摄对象的上侧、下侧、鼻侧和颞侧中的至少一侧。
如图6所示,视盘长轴被视杯分割,得到线段N和线段T;视盘短轴也被视杯分割,得到线段S和线段I。可以比较线段S和线段I的长度,将其中较长的线段对应的位置确定为鼻侧,将其中较短的线段对应的位置确定为颞侧。如图6所示的实施例中,线段T的长度小于线段N的长度,线段T所在的一侧为颞侧。可以比较线段S和线段I的长度,将其中较长的线段对应的位置确定为下侧,将其中较短的线段对应的位置确定为上侧。如图6所示的实施例中,线段I的长度大于线段S的长度,则线段I所在的一侧为下侧、线段S所在的一侧为上侧。
可以计算视盘区域的边界与视杯盘区域的边界的最长距离,作为视杯视盘的最大盘沿长度,可以计算视盘区域的边界与视杯盘区域的边界的最短距离,作为视杯视盘的最小盘沿长度。如图6所示,其中max指示的位置为最大盘沿长度,min指示的位置为最小盘沿长度。
此外,可以对视杯区域进行分割,得到分割后的如图7所示视杯区域。绘制视杯区域的外接图形,例如,绘制如图8所示的外接圆,计算视杯区域的面积与视杯区域的外接图形的面积比值,则可得到视杯的圆度。同理,计算视盘区域的面积与视盘区域的外接图形的面积比值,则可得到视杯的圆度。
以上实施例中,可以根据视盘长轴和视盘短轴确定眼底图像拍摄对象的上侧、下侧、鼻侧和颞侧中的至少一侧,以便于医护人员对眼底图像的健康状态进行评估。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的确定眼底特征的方法,具体还可以包括如下步骤:
在根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴的情况下,对眼底图像进行旋转,直至视盘长轴处于竖向;
或者,在根据眼底血管弓曲线在视盘中心点处的切线,确定视盘短轴的情况下,对眼底图像进行旋转,直至视盘短轴处于横向。
本申请的实施例中,在基于以上的步骤确定视盘长轴后,可以对眼底图像进行旋转,直至视盘长轴处于竖向;或者,在基于以上的步骤确定视盘短轴后,可以对眼底图像进行旋转,直至视盘短轴处于横向,如此设置,按照眼底图像拍摄对象中眼底各个区域的实际位置展示眼底图像,使得医生能够更好阅片。
需要说明的是,上述横向为显示屏的长度方向,上述竖向为显示屏的宽度方向。显示屏用于显示上述眼底图像。
与上述确定眼底特征的方法相对应的,本申请实施例还公开了一种确定眼底特征的装置,参见图9所示,该装置包括:
获取模块100,用于获取眼底图像;
生成模块110,用于基于眼底图像中主血管的位置,在眼底图像中生成经过视盘中心点的眼底血管弓曲线;
确定模块120,用于根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴和/或视盘短轴。
作为一种可选的实现方式,在本申请另一实施例中公开了,确定模块120根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴时,具体用于:
确定眼底血管弓曲线在视盘中心点处的切线与视盘边缘的第一交点和第二交点,将第一交点和第二交点之间的第一连线确定为视盘长轴;
或者,将视盘边缘中的第一目标弦确定为视盘长轴,第一目标弦为所有与眼底血管弓曲线在视盘中心点处的切线平行的弦中最长的弦。
作为一种可选的实现方式,在本申请另一实施例中公开了,确定模块120根据眼底血管弓曲线在视盘中心点处的切线,确定视盘短轴时,具体用于:
确定经过视盘中心点且与眼底血管弓曲线在视盘中心点处的切线垂直的直线与视盘边缘的第三交点和第四交点,将第三交点和第四交点之间的第二连线确定为视盘短轴;
或者,将视盘边缘中的第二目标弦确定为视盘短轴,第二目标弦为所有与眼底血管弓曲线在视盘中心点处的切线垂直的弦中最长的弦。
作为一种可选的实现方式,在本申请另一实施例中公开了,生成模块110基于眼底图像中主血管的位置,在眼底图像中生成经过视盘中心点的眼底血管弓曲线时,具体用于:
基于眼底图像中主血管的位置,确定眼底图像中血管弓的位置特征点;眼底图像中血管弓的位置特征点包括视盘中心点;
对眼底图像中血管弓的位置特征点进行拟合,得到眼底血管弓曲线。
作为一种可选的实现方式,在本申请另一实施例中公开了,生成模块110基于眼底图像中主血管的位置,确定眼底图像中血管弓的位置特征点时,具体用于:
确定以视盘中心点为圆心、设定长度为半径的圆与眼底图像中主血管的交点;交点至少为两个;
将视盘中心点和交点,确定为眼底图像中血管弓的位置特征点。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的确定眼底特征的装置,还包括:
对象确定模块,用于在根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴和视盘短轴的情况下,根据视盘长轴和视盘短轴的方向,从眼底图像中确定眼底图像拍摄对象的上侧、下侧、鼻侧和颞侧中的至少一侧。
作为一种可选的实现方式,在本申请另一实施例中公开了,以上实施例的确定眼底特征的装置,还包括:
旋转模块,用于在根据眼底血管弓曲线在视盘中心点处的切线,确定视盘长轴的情况下,对眼底图像进行旋转,直至视盘长轴处于竖向;或者,在根据眼底血管弓曲线在视盘中心点处的切线,确定视盘短轴的情况下,对眼底图像进行旋转,直至视盘短轴处于横向。
具体的,上述的确定眼底特征的装置的各个单元的具体工作内容,请参见上述方法实施例的内容,此处不再赘述。
本申请另一实施例还提出一种电子设备,参见图10所示,该电子设备包括:
存储器200和处理器210;
其中,存储器200与处理器210连接,用于存储程序;
处理器210,用于通过运行存储器200中存储的程序,实现上述任一实施例公开的确定眼底特征的方法。
具体的,上述电子设备还可以包括:总线、通信接口220、输入设备230和输出设备240。
处理器210、存储器200、通信接口220、输入设备230和输出设备240通过总线相互连接。其中:
总线可包括一通路,在计算机系统各个部件之间传送信息。
处理器210可以是通用处理器,例如通用中央处理器(CPU)、微处理器等,也可以是特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。
处理器210可包括主处理器,还可包括基带芯片、调制解调器等。
存储器200中保存有执行本申请技术方案的程序,还可以保存有操作系统和其他关键业务。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。更具体的,存储器200可以包括只读存储器(read-only memory,ROM)、可存储静态信息和指令的其他类型的静态存储设备、随机存取存储器(random access memory,RAM)、可存储信息和指令的其他类型的动态存储设备、磁盘存储器、flash等等。
输入设备230可包括接收用户输入的数据和信息的装置,例如键盘、鼠标、摄像头、扫描仪、光笔、语音输入装置、触摸屏、计步器或重力感应器等。
输出设备240可包括允许输出信息给用户的装置,例如显示屏、打印机、扬声器等。
通信接口220可包括使用任何收发器一类的装置,以便与其他设备或通信网络通信,如以太网,无线接入网(RAN),无线局域网(WLAN)等。
处理器210执行存储器200中所存放的程序,以及调用其他设备,可用于实现本申请上述实施例所提供的确定眼底特征的方法的各个步骤。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,计算机程序指令在被处理器210运行时使得处理器210执行上述实施例所提供的确定眼底特征的方法的各个步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,计算机程序指令在被处理器运行时使得处理器210执行上述实施例所提供的确定眼底特征的方法的各个步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
具体的,上述的电子设备、计算机程序产品和计算机可读存储介质的各个部分的具体工作内容,以及计算机程序产品或者上述的存储介质上的计算机程序被处理器运行时的具体处理内容,均可以参见上述的确定眼底特征的方法的各个实施例的内容,此处不再赘述。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,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。
本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减,各实施例中记载的技术特征可以进行替换或者组合。
本申请各实施例种装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本申请所提供的几个实施例中,应该理解到,所揭露的终端,装置和方法,可以通过其它的方式实现。例如,以上所描述的终端实施例仅仅是示意性的,例如,模块或子模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个子模块或模块可以结合或者可以集成到另一个模块,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的,作为模块或子模块的部件可以是或者也可以不是物理模块或子模块,即可以位于一个地方,或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中,也可以是各个模块或子模块单独物理存在,也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现,也可以采用软件功能模块或子模块的形式实现。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件单元,或者二者的结合来实施。软件单元可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种确定眼底特征的方法,其特征在于,包括:
获取眼底图像;
基于眼底图像中主血管的位置,在所述眼底图像中生成经过视盘中心点的眼底血管弓曲线;
根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘长轴和/或视盘短轴。
2.根据权利要求1所述的确定眼底特征的方法,其特征在于,根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘长轴,包括:
确定所述眼底血管弓曲线在所述视盘中心点处的切线与视盘边缘的第一交点和第二交点,将所述第一交点和所述第二交点之间的第一连线确定为视盘长轴;
或者,将所述视盘边缘中的第一目标弦确定为视盘长轴,所述第一目标弦为所有与所述眼底血管弓曲线在所述视盘中心点处的切线平行的弦中最长的弦。
3.根据权利要求1所述的确定眼底特征的方法,其特征在于,根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘短轴,包括:
确定经过所述视盘中心点且与眼底血管弓曲线在所述视盘中心点处的切线垂直的直线与所述视盘边缘的第三交点和第四交点,将所述第三交点和所述第四交点之间的第二连线确定为视盘短轴;
或者,将所述视盘边缘中的第二目标弦确定为视盘短轴,所述第二目标弦为所有与所述眼底血管弓曲线在所述视盘中心点处的切线垂直的弦中最长的弦。
4.根据权利要求1所述的确定眼底特征的方法,其特征在于,基于眼底图像中主血管的位置,在所述眼底图像中生成经过视盘中心点的眼底血管弓曲线,包括:
基于眼底图像中主血管的位置,确定所述眼底图像中血管弓的位置特征点;所述眼底图像中血管弓的位置特征点包括所述视盘中心点;
对所述眼底图像中血管弓的位置特征点进行拟合,得到所述眼底血管弓曲线。
5.根据权利要求4所述的确定眼底特征的方法,其特征在于,基于眼底图像中主血管的位置,确定所述眼底图像中血管弓的位置特征点,包括:
确定以所述视盘中心点为圆心、设定长度为半径的圆与所述眼底图像中主血管的交点;所述交点至少为两个;
将所述视盘中心点和所述交点,确定为所述眼底图像中血管弓的位置特征点。
6.根据权利要求1所述的确定眼底特征的方法,其特征在于,还包括:
确定所述视盘中心点和黄斑中心点的第三连线与所述视盘长轴之间,和/或,所述第二连线与视盘短轴之间的夹角;
根据所述夹角的大小确定所述眼底图像中眼球的旋转程度。
7.根据权利要求1所述的确定眼底特征的方法,其特征在于,还包括:
在根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘长轴和视盘短轴的情况下,根据所述视盘长轴和所述视盘短轴的方向,从所述眼底图像中确定眼底图像拍摄对象的上侧、下侧、鼻侧和颞侧中的至少一侧。
8.根据权利要求1所述的确定眼底特征的方法,其特征在于,还包括:
在根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘长轴的情况下,对所述眼底图像进行旋转,直至所述视盘长轴处于竖向;
或者,在根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘短轴的情况下,对所述眼底图像进行旋转,直至所述视盘短轴处于横向。
9.一种确定眼底特征的装置,其特征在于,包括:
获取模块,用于获取眼底图像;
生成模块,用于基于眼底图像中主血管的位置,在所述眼底图像中生成经过视盘中心点的眼底血管弓曲线;
确定模块,用于根据所述眼底血管弓曲线在所述视盘中心点处的切线,确定视盘长轴和/或视盘短轴。
10.一种电子设备,其特征在于,包括:
存储器和处理器;
其中,所述存储器用于存储程序;
所述处理器,用于通过运行所述存储器中的程序,实现如权利要求1至8中任意一项所述的确定眼底特征的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310009885.0A CN115908405B (zh) | 2023-01-05 | 2023-01-05 | 确定眼底特征的方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310009885.0A CN115908405B (zh) | 2023-01-05 | 2023-01-05 | 确定眼底特征的方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115908405A true CN115908405A (zh) | 2023-04-04 |
CN115908405B CN115908405B (zh) | 2023-05-02 |
Family
ID=85728236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310009885.0A Active CN115908405B (zh) | 2023-01-05 | 2023-01-05 | 确定眼底特征的方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115908405B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437231A (zh) * | 2023-12-21 | 2024-01-23 | 依未科技(北京)有限公司 | 近视眼底结构改变的定位方法及装置、图像处理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106943124A (zh) * | 2012-09-10 | 2017-07-14 | 俄勒冈健康科学大学 | 用光学相干断层扫描血管造影对局部循环进行量化 |
CN109697719A (zh) * | 2019-03-05 | 2019-04-30 | 百度在线网络技术(北京)有限公司 | 一种图像质量评估方法、装置及计算机可读存储介质 |
US20190220973A1 (en) * | 2018-01-16 | 2019-07-18 | Electronics And Telecommunications Research Institute | Glaucoma diagnosis method using fundus image and apparatus for the same |
CN112581439A (zh) * | 2020-12-11 | 2021-03-30 | 南京泰明生物科技有限公司 | 基于视网膜结构的黄斑区定位系统 |
CN113450341A (zh) * | 2021-07-16 | 2021-09-28 | 依未科技(北京)有限公司 | 图像处理方法及装置、计算机可读存储介质及电子设备 |
CN113724377A (zh) * | 2021-11-01 | 2021-11-30 | 杭州晟视科技有限公司 | 冠脉血管的三维重建方法、装置、电子设备及存储介质 |
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 |
CN114549395A (zh) * | 2021-12-14 | 2022-05-27 | 依未科技(北京)有限公司 | 基于视计算的图像特征确定的方法、装置、介质和设备 |
-
2023
- 2023-01-05 CN CN202310009885.0A patent/CN115908405B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106943124A (zh) * | 2012-09-10 | 2017-07-14 | 俄勒冈健康科学大学 | 用光学相干断层扫描血管造影对局部循环进行量化 |
US20190220973A1 (en) * | 2018-01-16 | 2019-07-18 | Electronics And Telecommunications Research Institute | Glaucoma diagnosis method using fundus image and apparatus for the same |
CN109697719A (zh) * | 2019-03-05 | 2019-04-30 | 百度在线网络技术(北京)有限公司 | 一种图像质量评估方法、装置及计算机可读存储介质 |
CN112581439A (zh) * | 2020-12-11 | 2021-03-30 | 南京泰明生物科技有限公司 | 基于视网膜结构的黄斑区定位系统 |
CN113450341A (zh) * | 2021-07-16 | 2021-09-28 | 依未科技(北京)有限公司 | 图像处理方法及装置、计算机可读存储介质及电子设备 |
CN113724377A (zh) * | 2021-11-01 | 2021-11-30 | 杭州晟视科技有限公司 | 冠脉血管的三维重建方法、装置、电子设备及存储介质 |
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 |
CN114549395A (zh) * | 2021-12-14 | 2022-05-27 | 依未科技(北京)有限公司 | 基于视计算的图像特征确定的方法、装置、介质和设备 |
Non-Patent Citations (3)
Title |
---|
栗改云;贾亚丁;张棉花;: "正常成年人中心固视点的微视野检测" * |
邹北骥;张思剑;朱承璋;: "彩色眼底图像视盘自动定位与分割" * |
高玮玮;程武山;王明红;沈建新;左晶;: "一种基于视网膜主血管方向的视盘定位及提取方法" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437231A (zh) * | 2023-12-21 | 2024-01-23 | 依未科技(北京)有限公司 | 近视眼底结构改变的定位方法及装置、图像处理方法 |
CN117437231B (zh) * | 2023-12-21 | 2024-04-26 | 依未科技(北京)有限公司 | 近视眼底结构改变的定位方法及装置、图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115908405B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230255478A1 (en) | Automated determination of arteriovenous ratio in images of blood vessels | |
Marin et al. | Obtaining optic disc center and pixel region by automatic thresholding methods on morphologically processed fundus images | |
Yin et al. | Vessel extraction from non-fluorescein fundus images using orientation-aware detector | |
Mary et al. | An empirical study on optic disc segmentation using an active contour model | |
Sarathi et al. | Blood vessel inpainting based technique for efficient localization and segmentation of optic disc in digital fundus images | |
JP5622461B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
CN110930446B (zh) | 一种眼底图像定量分析的前置处理方法及存储设备 | |
Jordan et al. | A review of feature-based retinal image analysis | |
Nisha et al. | A computer-aided diagnosis system for plus disease in retinopathy of prematurity with structure adaptive segmentation and vessel based features | |
CN113643354B (zh) | 基于增强分辨率的眼底图像的血管管径的测量装置 | |
CN114937024A (zh) | 图像评估方法、装置和计算机设备 | |
CN115908405B (zh) | 确定眼底特征的方法、装置和电子设备 | |
Uribe-Valencia et al. | Automated Optic Disc region location from fundus images: Using local multi-level thresholding, best channel selection, and an Intensity Profile Model | |
Dharmawan et al. | A new optic disc segmentation method using a modified Dolph-Chebyshev matched filter | |
JP3548473B2 (ja) | 眼底画像の動静脈識別方法、記録媒体及び装置 | |
Brancati et al. | Automatic segmentation of pigment deposits in retinal fundus images of Retinitis Pigmentosa | |
Wisaeng et al. | Automatic detection of exudates in retinal images based on threshold moving average models | |
Zhou et al. | Automatic fovea center localization in retinal images using saliency-guided object discovery and feature extraction | |
AU2020219147A1 (en) | Diagnostic imaging for diabetic retinopathy | |
CN115984206A (zh) | 图像分类方法、装置和电子设备 | |
CN116030042A (zh) | 一种针对医生目诊的诊断装置、方法、设备及存储介质 | |
US10617294B1 (en) | System and method for determining the spherical power of eyes based on measured refractive error | |
Luo et al. | An Optic Disc Segmentation Method Based on Active Contour Tracking. | |
Park et al. | Diabetic retinopathy classification using c4. 5 | |
Diaz-Pinto et al. | Computer-aided glaucoma diagnosis using stochastic watershed transformation on single fundus images |
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 |