CN116327111B - 基于眼底照片的眼底血管血氧功能系数测量系统及方法 - Google Patents

基于眼底照片的眼底血管血氧功能系数测量系统及方法 Download PDF

Info

Publication number
CN116327111B
CN116327111B CN202310191057.3A CN202310191057A CN116327111B CN 116327111 B CN116327111 B CN 116327111B CN 202310191057 A CN202310191057 A CN 202310191057A CN 116327111 B CN116327111 B CN 116327111B
Authority
CN
China
Prior art keywords
blood vessel
vessel segment
optical density
fundus
sub
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
Application number
CN202310191057.3A
Other languages
English (en)
Other versions
CN116327111A (zh
Inventor
袁进
肖鹏
骆仲舟
张金泽
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.)
Zhongshan Ophthalmic Center
Original Assignee
Zhongshan Ophthalmic Center
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 Zhongshan Ophthalmic Center filed Critical Zhongshan Ophthalmic Center
Priority to CN202310191057.3A priority Critical patent/CN116327111B/zh
Publication of CN116327111A publication Critical patent/CN116327111A/zh
Application granted granted Critical
Publication of CN116327111B publication Critical patent/CN116327111B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B3/10—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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本公开描述一种基于眼底照片的眼底血管血氧功能系数测量系统及方法，该系统包括图像接收模块、眼底血管提取模块、血管段外扩模块、血管段分割模块、光密度比值计算模块以及血氧功能系数计算模块；图像接收模块用于接收眼底照片；眼底血管提取模块用于提取获得血管段；血管段外扩模块用于对血管段的轮廓进行扩张以获取目标轮廓；血管段分割模块用于对各血管段进行分割以获得子血管段；光密度比值计算模块用于获取第一光密度比值和第二光密度比值；血氧功能系数计算模块根据第一光密度比值和第二光密度比值获取眼底照片中血管的血氧功能系数。由此，本公开能够提高眼底血管血氧功能系数测量的精确度。

Description

基于眼底照片的眼底血管血氧功能系数测量系统及方法
技术领域
本公开大体涉及智能医疗系统，具体涉及一种基于眼底照片的眼底血管血氧功能系数测量系统及方法。
背景技术
眼球作为结构精密的光学器官，拥有复杂的血管网络和神经网络。视网膜作为眼球中视神经最集中的区域，功能的维持需要正常的血-视网膜屏障，而眼底疾病引发的眼底缺血缺氧等功能变化会使血管通透性发生改变，发生出血、渗出、新生血管等病变，破坏正常的血-视网膜屏障，因此可能还会造成视神经的损伤。同时，除了眼科疾病会造成眼底血管改变外，许多全身疾病也会影响眼底血管。因此检测眼底血氧功能变化对辅助眼底疾病以及其他疾病的临床诊断有着重要意义。
目前，能用于评估眼底血氧功能的参数主要是血氧饱和度，该参数主要依靠计算眼底照片中的相关光学参数获取。现有的计算血氧饱和度的方式均以眼底照片的相关光学参数在整图中的平均值来计算。
然而，不同大小、长短甚至不同区域的动脉与静脉的眼底血管的血氧饱和度均有不同，现有方法无法将这些细微的变化量化，从而无法以更高的精确度测量血氧功能系数，难以反映眼底血管的细微变化。
发明内容
本公开是有鉴于上述现有技术的状况而提出的，其目的在于提供一种能够提高测量结果的精确度的基于眼底照片的眼底血管血氧功能系数测量系统及方法。
为此，本公开第一方面提供一种基于眼底照片的眼底血管血氧功能系数测量系统，包括：图像接收模块、眼底血管提取模块、血管段外扩模块、血管段分割模块、光密度比值计算模块以及血氧功能系数计算模块；所述图像接收模块用于接收所述眼底照片，其中，所述眼底照片具有敏感光通道和非敏感光通道；所述眼底血管提取模块用于提取所述眼底照片中的包括多个血管的眼底血管网络以获得血管段，所述血管段为血管的分支点之间的全部血管；所述血管段外扩模块用于基于所述血管段的参数对所述血管段的轮廓进行扩张以获取目标轮廓，令所述血管段的轮廓和所述目标轮廓之间的区域为血管段外区域，所述血管段的轮廓内的区域为血管段内区域；所述血管段分割模块用于对所述血管段对应的血管段外区域和血管段内区域进行分割以获得所述血管段对应的多个子血管段；所述血管段分割模块用于对各所述血管段外区域和各所述血管段内区域进行分割以获得子血管段；所述光密度比值计算模块用于基于所述血管段的光密度获取所述血管段的光密度比值为第一光密度比值，并基于所述子血管段的光密度获取所述血管段的第二光密度比值，所述血氧功能系数计算模块根据所述第一光密度比值和所述第二光密度比值获取所述眼底照片中血管的血氧功能系数。
在本公开中，对获得的血管段进行进一步分割，使用了精细化的分割对眼底照片中的眼底血管网络进行处理以获取血管段和血管段对应的子血管段，并分别获取光密度和光密度比值，进而基于两种光密度比值获得血氧功能系数。在这种情况下，血管的提取和分割粒度可细化到涉及局部区域的血管段以及血管段的区域，能够提高光密度比值的精确度，进而能够提高测量结果的精确度。另外，血管段为血管的分支点之间的部分，单个血管段的形态变化较小，能够在获取子血管段时得到更加一致的子血管段。另外，结合两种光密度比值获得血氧功能系数，能够使得测量结果从更多方面更精确地反映出眼底血管的性质。另外，基于较高的精确度能够反映血氧情况(例如血氧功能和相关疾病等)的精细的变化趋势，进而能够反映眼底血管的早期变化。另外，具有敏感光通道和非敏感光通道的眼底照片应用较广，进而能够提高获取血氧功能系数的适用性。由此，本公开能够达到测量结果更精确、能够反映出眼底血管的早期变化以及适用性广的效果。
另外，在本公开第一方面所涉及的测量系统中，可选地，通过第一人工智能算法提取所述眼底照片中的眼底血管网络并去除所述眼底血管网络的分支点以获得所述多个血管段。在这种情况下，经过这种处理，能够去除眼底照片中其他图案并得到相互分离的血管段，从而能够降低眼底照片中其他图案和分支点的影响，进而能够进行更为精细地处理，获取更精准的测量结果。
另外，在本公开第一方面所涉及的测量系统中，可选地，所述血管段外扩模块通过第二人工智能算法获得各个所述血管段的参数，所述参数包括所述血管段的平均血管半径或平均血管直径，所述平均血管半径和所述平均血管直径通过像素表示，所述血管段的轮廓的扩张范围为所述平均血管半径或所述平均血管直径的预设倍数。由此，能够得到根据每个血管段的不同性质获得不同的血管外区域，能够以更具体和细致的方式获取血管段的血氧功能系数。
另外，在本公开第一方面所涉及的测量系统中，可选地，所述血管段分割模块基于参考线将各个所述血管段对应的血管段内区域和所述血管段外区域分割成长度不大于预设长度的子血管段外区域和子血管段内区域，进而基于所述子血管段外区域和所述子血管段内区域获得各个所述子血管段，其中，所述参考线与所述血管段的中心线平行且所述参考线的长度与所述血管段的中心线的长度相等。由此，能够对一个血管段进行更精细的处理，得到更精确的测量结果。
另外，在本公开第一方面所涉及的测量系统中，可选地，所述第一光密度比值的获取过程为：获取所述血管段外区域在所述敏感光通道的第一图像灰度值和所述血管段外区域在所述非敏感光通道下的第二图像灰度值；获取所述血管段内区域在所述敏感光通道的第三图像灰度值和所述血管段内区域在所述非敏感光通道下的第四图像灰度值；基于所述第一图像灰度值与所述第三图像灰度值计算所述血管段在所述敏感光通道下的第一光密度；基于所述第二图像灰度值与所述第四图像灰度值计算所述血管段在所述非敏感光通道下的第二光密度，令所述第一光密度和所述第二光密度的比值为所述血管段的所述第一光密度比值。由此，以灰度值获取不同光通道下的光密度能够简化第一光密度比值的获取过程。
另外，在本公开第一方面所涉及的测量系统中，可选地，所述第一图像灰度值为所述血管段外区域在所述敏感光通道的所有像素的灰度值的平均值，所述第二图像灰度值为所述血管段外区域在所述非敏感光通道的所有像素的灰度值的平均值，所述第三图像灰度值为所述血管段内区域在所述敏感光通道的所有像素的灰度值的平均值，所述第四图像灰度值为所述血管段内区域在所述非敏感光通道的所有像素的灰度值的平均值。在这种情况下，以平均值对灰度值进行计算能够更完整地覆盖到血管段的每一个像素的数据，综合所有像素获得的灰度值能够更好地反映相应区域的光学性质。
另外，在本公开第一方面所涉及的测量系统中，可选地，所述第二光密度比值的获取过程为：获取所述子血管段外区域在所述敏感光通道的第五图像灰度值和所述子血管段外区域在所述非敏感光通道下的第六图像灰度值；获取所述子血管段内区域在所述敏感光通道的第七图像灰度值和所述子血管段内区域在所述非敏感光通道下的第八图像灰度值；基于所述第五图像灰度值与所述第七图像灰度值计算所述子血管段外区域和所述子血管段内区域在所述敏感光通道下的光密度，基于多个所述子血管段外区域和所述子血管段内区域的光密度获得所述血管段的第三光密度；基于所述第六图像灰度值与所述第八图像灰度值计算所述子血管段外区域和所述子血管段内区域在所述非敏感光通道下的光密度，基于多个所述子血管段外区域和所述子血管段内区域的光密度获得所述血管段的第四光密度；令所述第三光密度和所述第四光密度的比值为所述血管段的所述第二光密度比值。由此，以灰度值获取不同光通道下的光密度能够简化第二光密度比值的获取过程。
另外，在本公开第一方面所涉及的测量系统中，可选地，所述第五图像灰度值为所述子血管段外区域在所述敏感光通道的所有像素的灰度值的平均值，所述第六图像灰度值为所述子血管段外区域在所述非敏感光通道的所有像素的灰度值的平均值，所述第七图像灰度值为所述子血管段内区域在所述敏感光通道的具有最小灰度值的多个像素的灰度值的平均值，所述第八图像灰度值为所述子血管段内区域在所述非敏感光通道的最小灰度值的多个像素的灰度值的平均值。在这种情况下，以平均值计算灰度值能够更完整地覆盖到子血管段的每一个像素的数据，综合所有像素获得的灰度值能够更好地反映相应区域的光学性质。
另外，在本公开第一方面所涉及的测量系统中，可选地，基于所述多个血管段的所述第一光密度比值获取所述眼底照片的第一照片光密度比值，并基于所述多个血管段的所述第二光密度比值获取所述眼底照片的第二照片光密度比值，根据所述第一光照片密度比值和所述第二照片光密度比值获取所述眼底照片中血管的血氧功能系数。在这种情况下，获取的血氧功能系数同时与两种以不同方式得出的光密度比值相关，能够使得测量结果从更多方面更精确地反映出眼底血管的性质。
本公开第二方面还提供一种基于眼底照片的眼底血管血氧功能系数测量方法，包括：接收眼底照片，其中，所述眼底照片包括具有敏感光通道和非敏感光通道；提取所述眼底照片中的多个血管以获得血管段，所述血管段为血管的分支点之间的部分；基于所述血管段的参数对所述血管段的轮廓进行扩张以获取目标轮廓，令所述血管段的轮廓和所述目标轮廓之间的区域为血管段外区域，所述血管段的轮廓内的区域为血管段内区域；对各所述血管段外区域和各所述血管段内区域进行分割以获得子血管段；基于所述血管段的光密度获取所述血管段的光密度比值为第一光密度比值，并基于所述子血管段的光密度获取所述血管段的第二光密度比值，并且根据所述第一光密度比值和所述第二光密度比值获取所述眼底照片中血管的血氧功能系数。
在本公开中，对获得的血管段进行进一步分割，使用了精细化的分割对眼底照片中的眼底血管网络进行处理以获取血管段和血管段对应的子血管段，并分别获取光密度和光密度比值，进而基于两种光密度比值获得血氧功能系数。在这种情况下，血管的提取和分割粒度可细化到涉及局部区域的血管段以及血管段的区域，能够提高光密度比值的精确度，进而能够提高测量结果的精确度。另外，血管段为血管的分支点之间的部分，单个血管段的形态变化较小，能够在获取子血管段时得到更加一致的子血管段。另外，结合两种光密度比值获得血氧功能系数，能够使得测量结果从更多方面更精确地反映出眼底血管的性质。另外，基于较高的精确度能够反映血氧情况(例如血氧功能和相关疾病等)的精细的变化趋势，进而能够反映眼底血管的早期变化。另外，具有敏感光通道和非敏感光通道的眼底照片应用较广，进而能够提高计算血氧功能系数的适用性。由此，本公开能够达到测量结果更精确、能够反映出眼底血管的早期变化以及适用性广的效果。
根据本公开，提供一种能够提高测量结果的精确度的基于眼底照片的眼底血管血氧功能系数测量系统及方法。
附图说明
现在将仅通过参考附图的例子进一步详细地解释本公开，其中：
图1是示出了本公开示例所涉及的测量系统的应用场景的示意图。
图2是示出了本公开示例所涉及的测量系统的系统框图。
图3是示出了本公开示例所涉及的测量方法的总流程图。
图4A是示出了本公开示例所涉及的眼底照片的示意图。
图4B是示出了本公开示例所涉及的眼底照片对应的提取图像的示意图。
图5是示出了本公开示例所涉及的血管段外扩的流程图。
图6A是示出了本公开示例所涉及的单个血管段的示意图。
图6B是示出了本公开示例所涉及的血管段对应的扩张图像的示意图。
图7是示出了本公开示例所涉及的测量系统的获取子血管段的流程图。
图8是示出了本公开示例所涉及的测量系统的获取第一光密度比值的流程图。
图9是示出了本公开示例所涉及的测量系统的获取第二光密度比值的流程图。
图10是示出了本公开示例所涉及的测量系统的获取眼底血管血氧功能系数的流程图。
具体实施方式
以下，参考附图，详细地说明本公开的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。
需要说明的是，本公开中的术语“包括”和“具有”以及它们的任何变形，例如所包括或所具有的一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可以包括或具有没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本公开示例涉及的测量结果的精确度可以为眼底血管的血氧功能系数测量的精确度。
图1是示出了本公开示例所涉及的测量系统13的应用场景的示意图。
在一些示例中，本公开涉及的基于眼底照片的眼底血管血氧功能系数测量系统13(以下简称为测量系统13)可以应用于如图1所示的应用场景1中。在应用场景1中，眼底照相设备12可以采集人眼11的眼底照片。在眼底照相设备12完成采集人眼11的眼底照片后，可以将采集的眼底照片传输至测量系统13。在一些示例中，在应用场景1中，测量系统13可以测量人眼11的眼底血管血氧功能系数(以下简称为血氧功能系数)。
在一些示例中，人眼11的眼底是指眼球内后部的组织，可以包括眼球的内膜、视网膜、黄斑、视杯区域和血管(例如，视网膜动静脉)。
在一些示例中，眼底照片可以具有敏感光通道和非敏感光通道。在这种情况下，具有敏感光通道和非敏感光通道的眼底照片应用较广，进而能够提高获取血氧功能系数的适用性。例如，通过眼底照相设备12可以采集人眼11的眼底照片。
另外，眼底照片可以是通过眼底照相设备获取的具有敏感光通道和非敏感光通道的眼底图像。在一些示例中，眼底照相系统可以包括眼底照相机和具有双波长光源的眼底照相系统。
另外，敏感光可以是血液中氧合血红蛋白相比于去氧血红蛋白在吸收率上明显更高的一定波长的可见光。例如敏感光可以是波长为610纳米的光。另外，非敏感光可以是血液中氧合血红蛋白相比于去氧血红蛋白在吸收率上差异很小或没有差异的一定波长的可见光。例如非敏感光可以是波长为546纳米的光。
另外，敏感光通道可以是眼底照片中与敏感光对应的通道。例如波长为610纳米的光可以对应眼底照片中的红通道。另外，非敏感光通道可以是眼底照片与非敏感光对应的通道。例如，波长为546纳米的可见光可以对应眼底照片中的绿通道。
如上所述，通过本示例所涉及的测量系统13可以测量血氧功能系数。以下结合附图详细说明测量系统13的组成模块。图2是示出了本公开示例所涉及的测量系统13的系统框图。
在一些示例中，如图2所示，测量系统13可以包括图像接收模块131、眼底血管提取模块132、血管段外扩模块133、血管段分割模块134、光密度比值计算模块135以及血氧功能系数计算模块136。
在一些示例中，图像接收模块131可以用于接收眼底照片。如上所述，眼底照片可以具有敏感光通道和非敏感光通道。在一些示例中，通过眼底照相系统可以获取眼底图像。眼底照相系统可以为眼底照相设备12。也即，眼底照相设备12可以获取上述眼底照片。
在一些示例中，眼底照片可以是单张包含多种颜色通道的图像，多种颜色通道中存在分别与敏感光通道和非敏感光通道对应的通道。在这种情况下，经过通道分离后可以得到敏感光通道和非敏感光通道下的灰度图像以用于获取光密度(例如第一光密度和/或第二光密度)。在一些示例中，眼底照片可以是包含敏感光通道的灰度图像和非敏感光通道下的灰度图像。例如，眼底照片可以是来自同一个人眼11且分别对应敏感光通道和非敏感光通道下的两张灰度图像。
在一些示例中，眼底血管提取模块132可以用于提取眼底照片中的眼底血管网络以获得血管段。另外，眼底血管网络可以包括多个血管。
在一些示例中，血管段可以为血管的分支点之间的部分血管或全部血管。在这种情况下，单个血管段的形态变化较小，能够在获取子血管段时得到更加一致的子血管段。优选地，血管段可以为血管的分支点之间的全部血管。由此，使最终获得的血氧功能系数能够较全面地反映眼底血管的血氧情况。
在一些示例中，血管段外扩模块133可以用于基于血管段的参数对血管段的轮廓进行扩张以获取目标轮廓。在一些示例中，血管段的参数可以包括血管段的长度、位置、平均血管半径以及平均血管直径中的至少一种。另外，在扩张时可以基于血管段的轮廓的一部分进行扩张。优选地，在扩张时可以基于血管段的轮廓的所有部分进行扩张。由此，能够使目标轮廓的分布更为均匀，进而能够降低血管段周边过暗或过亮区域在获取光密度时产生的影响。
另外，可以令血管段的轮廓和目标轮廓之间的区域为血管段外区域，血管段的轮廓内的区域为血管段内区域。在一些示例中，血管段内区域和血管段外区域可以用于获取眼底血管在敏感光通道和非敏感光通道下的光密度。
在一些示例中，血管段分割模块134可以用于对各血管段对应的血管段外区域和血管段内区域进行分割以获得多个子血管段。另外，各个子血管段可以具有对应的子血管段内区域和子血管段外区域。在一些示例中，一个子血管段可以对应于一个子血管段内区域和一个子血管段外区域。
在一些示例中，光密度比值计算模块135可以用于基于血管段的光密度获取血管段的光密度比值为第一光密度比值，并基于子血管段的光密度获取血管段的第二光密度比值。在另一些示例中，光密度比值计算模块135也可以仅获取第一光密度比值或仅获取第二光密度比值，相应地，后续的相关模块可以基于第一光密度比值或第二光密度比值获取血氧功能系数。
在一些示例中，血氧功能系数计算模块136可以根据第一光密度比值和第二光密度比值获取眼底照片中血管的血氧功能系数。
在一些示例中，血氧功能计算模块136也可以不是必须的。测量系统13可以根据第一光密度比值或第二光密度比值中的任意一个获取眼底血管的血氧饱和度。或者，测量系统13可以结合第一光密度比值和第二光密度比值获取眼底血管的血氧饱和度，例如求平均值。另外，光密度比值与血氧饱和度之间具有预设的关系式进行转化。
以下结合附图详细说明测量系统13对血氧功能系数进行测量的方法(以下可以简称为测量方法)。图3是示出了本公开示例所涉及的测量方法的总流程图。
在一些示例中，如图3所示，测量方法可以包括接收眼底照片(步骤S110)，提取眼底照片中的血管段(步骤S120)，基于血管段的参数对血管段的轮廓进行扩张以获取目标区域(步骤S130)，对血管段的目标区域进行分割以获取多个子血管段(步骤S140)，基于血管段获取第一光密度比值(步骤S150)，基于子血管段获取第二光密度比值(步骤S160)，基于第一光密度比值和第二光密度比值获取血氧功能系数(步骤S170)。
通过这种方法，对获得的血管段进行进一步分割，使用了精细化的分割对眼底照片中的眼底血管网络进行处理以获取血管段和血管段对应的子血管段，并分别获取光密度和光密度比值，进而基于两种光密度比值获得血氧功能系数。在这种情况下，血管的提取和分割粒度可细化到涉及局部区域的血管段以及血管段的区域。其中，局部区域的血管段可以是眼底中的局部区域内的血管段，血管段的区域可以是血管段中的一段。
由此，能够提高光密度比值的精确度，进而能够提高测量结果的精确度。
另外，结合两种光密度比值获得血氧功能系数，能够使得测量结果从更多方面更精确地反映出眼底血管的性质。
另外，基于较高的精确度能够反映血氧情况(例如血氧功能和相关疾病等)的精细的变化趋势，进而能够反映眼底血管的早期变化。
在步骤S110中，图像接收模块131可以接收眼底照片。另外，关于眼底照片可以参考前文的相关描述。
在一些示例中，在步骤S110中，图像接收模块131可以与眼底照相机12连接以接收眼底照片。在另一些示例中，图像接收模块131可以与存储有眼底照片的设备连接以接收已存储的眼底照片。
在步骤S120中，眼底血管提取模块132可以提取眼底照片中的血管段。在一些示例中，眼底血管提取模块132可以提取眼底照片中的眼底血管网络，并基于眼底血管网络获取血管段。在这种情况下，提取眼底血管网络能够识别血管区域，从而降低眼底照片中除血管外的其他结构的影响。
以下结合附图详细说明眼底血管提取模块132提取血管段的方法。图4A是示出了本公开示例所涉及的眼底照片P1的示意图。图4B是示出了本公开示例所涉及的眼底照片P1对应的提取图像P2的示意图。其中，提取图像P2示出了眼底照片P1的血管段提取结果。
在步骤S120中，图像接收模块131可以将眼底照片输入眼底血管提取模块132中。作为输入的眼底照片的示例，图4A示出眼底照片P1。此时可以用第一人工智能算法识别眼底照片P1中的不同图案并从中提取出眼底血管网络。
在一些示例中，在去除眼底血管网络的分支点中，眼底血管提取模块132可以识别并去除眼底血管网络中的视杯区域中的血管。在这种情况下，由于视杯区域是视神经和眼底动静脉血管的密集汇合处，在眼底照片中的亮度较高，去除后能够降低视杯区域在获取血氧功能系数过程中造成的干扰。
在一些示例中，眼底血管提取模块132可以对去除视杯区域后的眼底血管网络的分支点处进行断点处理。分支点可以是眼底动静脉血管的分支处。在这种情况下，能够获得动静脉血管的血管段，降低较小的血管(例如毛细血管)在获取时造成的干扰，从而能够提高测量结果的精确度。
经过上述处理后，能够去除眼底照片中其他图案并得到相互分离的血管段，从而能够降低眼底照片中其他图案和较小的血管的影响，进而能够进行更为精确地处理，获取更精确的测量结果。
作为提取眼底照片中血管段的结果的示例，例如图4B示出表示眼底照片P1的血管段提取结果的提取图像P2。在提取图像P2中，可以看出眼底血管提取模块132在步骤S120中对眼底照片P1处理后所得的血管段的结果。
在一些示例中，在步骤S120中，眼底血管提取模块132可以通过第一人工智能算法提取眼底照片P1中的眼底血管网络。
在一些示例中，眼底血管提取模块132可以去除提取的眼底血管网络中的分支点以获得多个血管段。第一人工智能算法可以是指用于图像识别的算法(例如人工神经网络)，经过训练后可以用于提取眼底照片P1中的眼底血管网络。另外，血管段为血管的分支点之间的部分，单个血管段的形态变化较小，能够在获取子血管段时得到更加一致的子血管段。
经过这种处理，能够得到相互分离的血管段，从而能够以更多的方式分类和组合血管段，能够使用更灵活的方式获取血氧功能系数。
在步骤S130中，血管段外扩模块133可以基于血管段的参数对血管段的轮廓进行扩张以获取目标区域。目标区域可以包括血管段内区域和血管段外区域，目标区域可以用于光密度的获取。也即，扩张血管段的轮廓后得到的血管段内区域和血管段外区域可以用于光密度的获取。
在一些示例中，血管段的参数可以包括上述血管段的平均血管半径或平均血管直径。另外，平均血管半径和平均血管直径可以通过像素表示(也即，平均血管半径和平均血管直径可以为像素的数量)。血管段的轮廓的扩张范围为平均血管半径或平均血管直径的预设倍数。
在一些示例中，在步骤S130中，血管段外扩模块133可以通过第二人工智能算法获得上述各个血管段的参数。另外，第二人工智能算法可以用于识别各个血管段。具体地，第二人工智能算法可以是指用于图像分离的算法，经过训练后能从包含多个血管段的图像中分离出单个血管段并获取分离后得到的血管段的参数。在一些示例中，第二人工智能算法获取的参数可以是血管段的长度和平均半径。
由此，能够得到根据每个血管段的不同性质获得不同的血管外区域，能够以更具体和细致的方式获取血管段的血氧功能系数。
以下结合附图详细说明血管段外扩模块133扩张血管段的轮廓的方法。图5示出了本公开示例所涉及的血管段外扩的流程图。图6A是示出了本公开示例所涉及的血管段A的血管段图像P3的示意图。图6B是示出了本公开示例所涉及的血管段A对应的扩张图像P4的示意图。其中，扩张图像P4包括血管段外区域B。
如图5所示，以血管段的参数为平均血管半径为例，扩张血管段的轮廓的方法可以包括识别每个血管段并分离(步骤S131)，计算每个分离后的血管段的平均血管半径(步骤S132)和基于平均血管半径对血管段的轮廓进行扩张得到血管段外区域(步骤S133)。需要说明的是，平均血管直径类似，此处不再赘述。
在步骤S131中，血管段外扩模块133可以识别每个血管段并分离。在一些示例中，步骤S131中用于识别每个血管段的图像可以是经过眼底血管提取模块132处理后得到的多个血管段图像。作为分离血管段的示例，图6A示出单个血管段A的血管段图像P3。另外，血管段A的轮廓内的区域为血管段A的血管段内区域。
在步骤S132中，血管段外扩模块133可以计算每个分离后的血管段A的平均血管半径。在一些示例中，平均血管半径可以是血管段各处的宽度的平均值的二分之一。以图6A为例，血管段外扩模块133可以对血管段A进行处理，计算出血管段A各处的宽度的平均值，再将该宽度的平均值除以2后得到平均血管半径。
在步骤S133中，血管段外扩模块133可以基于平均血管半径对血管段的轮廓进行扩张以得到血管段外区域。另外，在扩张中，可以以至少部分轮廓为起始线，沿着垂直于起始线的方向，向血管段外延伸预设宽度，其中，预设宽度可以为平均血管半径的预设倍数(也即扩张范围可以为平均血管半径的预设倍数)。
作为血管段外区域的示例，图6B示出对血管段A的全部轮廓进行外扩后得到的扩张图像P4。其中图像P4中的血管段外区域B是由血管段A的轮廓经由外扩获取目标轮廓后得到。
在一些示例中，在步骤S133中，血管段外扩模块133可以根据步骤S132得出的平均血管半径以预设倍数对血管段A的轮廓进行外扩。预设倍数可以是1或其他整数。优选地，预设倍数可以为1。在这种情况下，能够取得大小较适宜的血管段外区域，进而能够在满足较高精确度的同时减少计算量。
在一些示例中，在步骤S133中，血管段外扩模块133可以在对血管段A的轮廓进行外扩获取目标轮廓后，可以基于目标轮廓将血管段内区域和血管段外区域进行分离以获取分别包括血管段内区域和血管段外区域的像素的两张图像。在这种情况下，能够避免在获取光密度时需要重复辨识不同区域的情况。由此，能够简化光密度的获取过程并节约资源。
返回参考图3，在步骤S140中，血管段分割模块134可以对血管段的目标区域进行分割以获取多个子血管段。另外，子血管段的长度小于对应的血管段。在一些示例中，子血管段对应的区域可以为长度小于被分割的血管段内区域和血管段外区域的子血管段内区域和子血管段外区域。
在一些示例中，在步骤S140中，血管段分割模块134可以计算各个血管段的血管段内区域和血管段外区域的参考线，基于参考线将各血管段内区域和各血管段外区域分割成长度不大于预设长度的子血管段内区域和子血管段外区域。由此，能够对一个血管段进行更精细的处理，得到更精确的测量结果。
在一些示例中，参考线可以与血管段的中心线平行，且参考线的长度与血管段的中心线的长度相等。优选地，参考线可以是拟合中心线。在这种情况下，分割血管段时能够使用在位置和长度上更契合血管中心线的参考线，提供更好的参考。
在一些示例中，在步骤S140中，血管段分割模块134可以以固定长度对血管段进行截取以获取子血管段。在这种情况下，能够得到更为一致的子血管段，进而能够使子血管段对应的光密度较一致，有利提高测量的精确度。
以下结合附图详细说明血管段分割模块134获取子血管段的方法。图7是示出了本公开示例所涉及的获取子血管段的流程图。
如图7所示，血管段分割模块134获取子血管段的方法可以包括计算血管段内区域和血管段外区域的拟合中心线的位置和长度(步骤S141)，沿着拟合中心线按照固定长度截取血管段获取子血管段(步骤S142)。
在步骤S141中，血管段分割模块134可以对每个血管段分别计算血管段内区域和血管段外区域B的拟合中心线的位置和长度。在一些示例中，拟合中心线可以是根据一个轮廓内各处的宽度和位置计算拟合的中心线。在一些示例中，拟合中心线可以是血管段A的拟合中心线。在一些示例中，拟合中心线可以是血管段内区域或血管段外区域B的拟合中心线。另外，拟合中心线与血管段A的中心线平行。
在步骤S142中，血管段分割模块134可以沿着拟合中心线按照固定长度截取血管段获取子血管段。在一些示例中，固定长度可以为3像素。在一些示例中，截取时可以向下取整，也即，若截取后存在长度不足3像素的血管段，则不将这些血管段用于光密度的获取中。在这种情况下，对于一些宽度较小的血管段，也可以在获取光密度比值时使用数量适宜的像素进行获取。例如，对于2像素宽的血管段内区域，对应的子血管段内区域有6像素。
返回，参考图3，在步骤S150中，光密度比值计算模块135可以基于血管段相应区域计算第一光密度比值。在一些示例中，第一光密度比值可以是血管段在敏感光通道下的光密度与该血管段在非敏感光通道下的光密度的比值。另外，光密度可以是指在同一个光通道下，血管段内区域与血管段外区域的图像灰度值的比值的对数，通常该对数以10为底。
以下结合附图详细说明光密度比值计算模块135获取第一光密度比值的方法。图8是示出了本公开示例所涉及的计算第一光密度比值的流程图。
如图8所示，光密度比值计算模块135获取第一光密度比值的方法可以包括获取血管段外区域在敏感光通道和非敏感光通道下相应的图像灰度值(步骤S151)，获取血管段内区域在敏感光通道和非敏感光通道下相应的图像灰度值(步骤S152)，分别基于血管段外区域和血管段内区域对应的图像灰度值计算第一光密度和第二光密度(步骤S153)，基于第一光密度和第二光密度计算血管段的第一光密度比值(步骤S154)。
在一些示例中，在步骤S151中，光密度比值计算模块135可以获取血管段外区域在敏感光通道的第一图像灰度值和血管段外区域在非敏感光通道下的第二图像灰度值。
在一些示例中，在步骤S152中，光密度比值计算模块135可以获取血管段内区域在敏感光通道的第三图像灰度值和在非敏感光通道下的第四图像灰度值。
在一些示例中，图像灰度值可以是图像中或图像的相应区域中像素的灰度值的统计值。例如统计值可以为中位数、众数以及平均数(也即平均值)等。
在一些示例中，图像灰度值可以由平均值获得。在一些示例中，第一图像灰度值可以为血管段外区域在敏感光通道的所有像素的灰度值的平均值，第二图像灰度值可以为血管段外区域在非敏感光通道的所有像素的灰度值的平均值。第三图像灰度值可以为血管段内区域在敏感光通道的所有像素的灰度值的平均值，第四图像灰度值可以为血管段内区域在非敏感光通道的所有像素的灰度值的平均值。
在这种情况下，以平均值对灰度值进行计算能够更完整地覆盖到血管段的每一个像素的数据，综合所有像素获得的灰度值能够更好地反映相应区域的光学性质。
在一些示例中，在步骤S153中，光密度比值计算模块135可以基于第一图像灰度值与第三图像灰度值获取血管段在敏感光通道下的第一光密度。
在一些示例中，在步骤S153中，光密度比值计算模块135可以基于第二图像灰度值与第四图像灰度值获取血管段在非敏感光通道下的第二光密度。
在一些示例中，在步骤S154中，光密度比值计算模块135可以基于敏感光通道和非敏感光通道下的光密度获取血管段的第一光密度比值。
在一些示例中，令第一光密度和第二光密度的比值为血管段的第一光密度比值。由此，以灰度值获取不同光通道下的光密度能够简化第一光密度比值的获取过程。
以下，详细说明第一光密度、第二光密度及第一光密度比值的示例性的计算方式，并不表示对本公开的限定。
在一些示例中，第一光密度可以满足公式：
其中，O1表示第一图像灰度值；O3表示第三图像灰度值；OD1表示第一光密度。
在一些示例中，第二光密度可以满足公式：
其中，O2表示第二图像灰度值；O4表示第四图像灰度值；OD2表示第二光密度。
根据第一光密度和第二光密度，第一光密度比值可以满足公式：
其中，ODRP表示第一光密度比值。由此，可以得出血管段的第一光密度比值。
返回参考图3，在步骤S160中，光密度比值计算模块135可以获取第二光密度比值。在一些示例中，第二光密度比值可以是指一个血管段所有子血管段在敏感光通道下的光密度的相关统计值与在非敏感光通道下的光密度的相关统计值的比值。在一些示例中，相关统计值可以包括中位数、众数以及平均数。
在一些示例中，光密度的相关统计值可以是光密度的平均值。在这种情况下，以平均值计算光密度比值能够更完整地覆盖到每一个子血管段的数据，能够获得更完整的计算结果。
以下结合附图详细说明光密度比值计算模块135获取第二光密度比值的方法。图9是示出了本公开示例所涉及的测量系统的第二光密度比值计算的流程图。
如图9所示，光密度比值计算模块135获取第二光密度比值的方法可以包括获取子血管段外区域在敏感光通道和非敏感光通道下相应的图像灰度值(步骤S161)，获取子血管段内区域在敏感光通道和非敏感光通道下相应的图像灰度值(步骤S162)，基于相应灰度值计算血管段的第三光密度和第四光密度(步骤S163)，基于每个子血管段相应光密度计算血管段的第二光密度比值(步骤S164)。
在步骤S161中，光密度比值计算模块135可以获取子血管段外区域在敏感光通道下和非敏感光通道下相应的图像灰度值。在一些示例中，光密度比值计算模块135可以获取子血管段外区域在敏感光通道的第五图像灰度值和子血管段外区域在非敏感光通道下的第六图像灰度值。
在步骤S162中，光密度比值计算模块135获取子血管段内区域在敏感光通道和非敏感光通道下相应的图像灰度值。在一些示例中，光密度比值计算模块135可以获取子血管段内区域在敏感光通道的第七图像灰度值和子血管段内区域在非敏感光通道下的第八图像灰度值。
由此，以灰度值获取不同光通道下的光密度能够简化第二光密度比值的获取过程。
在一些示例中，一个子血管段可以对应于四个图像灰度值，分别为第五图像灰度值、第六图像灰度值、第七图像灰度值和第八图像灰度值。
在一些示例中，第五图像灰度值为子血管段外区域在敏感光通道的所有像素的灰度值的平均值。第六图像灰度值为子血管段外区域在非敏感光通道的所有像素的灰度值的平均值。第七图像灰度值子血管段内区域在敏感光通道的具有最小灰度值的多个像素的灰度值的平均值。第八图像灰度值为子血管段内区域在非敏感光通道的最小灰度值的多个像素的灰度值的平均值。
在这种情况下，以平均值计算灰度值能够更完整地覆盖到子血管段的每一个像素的数据，综合所有像素获得的灰度值能够更好地反映相应区域的光学性质。
在一些示例中，光密度比值计算模块135用于计算第七图像灰度值和第八图像灰度值的子血管段内区域的像素可以为敏感光和非敏感光通道下具有最小灰度值的6个像素。在这种情况下，对于较为狭窄的血管也能够取得数量适中的数据，能够使得计算过程较少受到低数据量情况的影响。
在步骤S163中，光密度比值计算模块135基于相应灰度值计算血管段的第三光密度和第四光密度。在一些示例中，光密度比值计算模块135可以基于第五图像灰度值与第七图像灰度值计算子血管段外区域和子血管段内区域在敏感光通道下的光密度。基于多个子血管段外区域和子血管段内区域的光密度获得血管段的第三光密度。基于第六图像灰度值与第八图像灰度值计算子血管段在非敏感光通道下的光密度。基于多个子血管段外区域和子血管段内区域的光密度获得血管段的第四光密度。
在步骤S164中，光密度比值计算模块135可以基于每个子血管段相应光密度计算血管段A的第二光密度比值。在一些示例中，光密度比值计算模块135可以令第三光密度和第四光密度的比值为血管段的第二光密度比值。由此，以灰度值计算不同光通道下的光密度能够简化计算过程。
以下，详细说明第三光密度、第四光密度及第二光密度比值的示例性的计算方式，并不表示对本公开的限定。
在一些示例中，第三光密度可以满足公式：
其中，O5表示第五图像灰度值；O7表示第七图像灰度值；OD3表示第三光密度。
在一些示例中，第四光密度可以满足公式：
其中，O6表示第六图像灰度值；O8表示第八图像灰度值；OD4表示第四光密度。
根据第三光密度和第四光密度，第二光密度比值可以满足公式：
其中，ODR2表示第二光密度比值。由此，可以得出血管段的第二光密度比值。
返回参考图3，在步骤S170中，血氧功能系数计算模块136可以基于光密度比值获取血氧功能系数。在一些示例中，血氧功能系数计算模块136可以使用第一光密度比值和第二光密度比值计算得到血氧功能系数。由此，获取的血氧功能系数同时与两种以不同方式得出的光密度比值相关，能够使得测量结果从更多方面反映出眼底血管的性质。
以下结合附图详细说明血氧功能系数计算模块136获取血氧功能系数的方法。图10是示出了本公开示例所涉及的计算血氧功能系数的流程图。
如图10所示，血氧功能系数计算模块136获取血氧功能系数的方法可以包括基于多个血管段的第一光密度比值计算第一照片光密度比值(步骤S171)，基于多个血管段的第二光密度比值计算第二照片光密度比值(步骤S172)，基于第一照片光密度比值和第二照片光密度比值计算血氧功能系数(步骤S173)。
在一些示例中，在步骤S171中，第一照片光密度比值可以是眼底照片中多个血管段的第一光密度比值的平均值。
在一些示例中，在步骤S172中，第二照片光密度比值可以是眼底照片中多个血管段的第二光密度比值的平均值。
在一些示例中，在步骤S173中，血氧功能系数计算模块136可以基于第一照片光密度比值和第二照片光密度比值并根据Lambert-Beer定律计算血氧功能系数。具体地，光密度比值可以与血氧功能系数存在直线相关性(也即线性关系)，计算血氧功能系数的公式可以为：
其中，FC为血氧功能系数；为第一照片光密度比值；/>为第二照片光密度比值；a1、a2和b为常数。另外，a1、a2和b可以通过对已知的血氧功能系数的血管的光密度进行分析而获得。
虽然以上结合附图和示例对本公开进行了具体说明，但是可以理解，上述说明不以任何形式限制本公开。本领域技术人员在不偏离本公开的实质精神和范围的情况下可以根据需要对本公开进行变形和变化，这些变形和变化均落入本公开的范围内。

Claims (8)

1.一种基于眼底照片的眼底血管血氧功能系数测量系统，其特征在于，包括：图像接收模块、眼底血管提取模块、血管段外扩模块、血管段分割模块、光密度比值计算模块以及血氧功能系数计算模块；所述图像接收模块用于接收所述眼底照片，其中，所述眼底照片具有敏感光通道和非敏感光通道；所述眼底血管提取模块用于提取所述眼底照片中的包括多个血管的眼底血管网络以获得血管段，所述血管段为血管的分支点之间的全部血管；所述血管段外扩模块用于基于所述血管段的参数对所述血管段的轮廓进行扩张以获取目标轮廓，令所述血管段的轮廓和所述目标轮廓之间的区域为血管段外区域，所述血管段的轮廓内的区域为血管段内区域；所述血管段分割模块用于对所述血管段对应的血管段外区域和血管段内区域进行分割以获得所述血管段对应的多个子血管段；所述光密度比值计算模块用于基于所述血管段的光密度获取所述血管段的光密度比值为第一光密度比值，并基于所述子血管段的光密度获取所述血管段的第二光密度比值；
所述血氧功能系数计算模块根据所述第一光密度比值和所述第二光密度比值获取所述眼底照片中血管的血氧功能系数；
其中，所述第一光密度比值的获取过程为：获取所述血管段外区域在所述敏感光通道的第一图像灰度值和所述血管段外区域在所述非敏感光通道下的第二图像灰度值；获取所述血管段内区域在所述敏感光通道的第三图像灰度值和所述血管段内区域在所述非敏感光通道下的第四图像灰度值；基于所述第一图像灰度值与所述第三图像灰度值计算所述血管段在所述敏感光通道下的第一光密度；基于所述第二图像灰度值与所述第四图像灰度值计算所述血管段在所述非敏感光通道下的第二光密度，令所述第一光密度和所述第二光密度的比值为所述血管段的所述第一光密度比值；
所述第二光密度比值的获取过程为：获取子血管段外区域在所述敏感光通道的第五图像灰度值和所述子血管段外区域在所述非敏感光通道下的第六图像灰度值；获取子血管段内区域在所述敏感光通道的第七图像灰度值和所述子血管段内区域在所述非敏感光通道下的第八图像灰度值；基于所述第五图像灰度值与所述第七图像灰度值计算所述子血管段外区域和所述子血管段内区域在所述敏感光通道下的光密度，基于多个所述子血管段外区域和所述子血管段内区域的光密度获得所述血管段的第三光密度；基于所述第六图像灰度值与所述第八图像灰度值计算所述子血管段外区域和所述子血管段内区域在所述非敏感光通道下的光密度，基于多个所述子血管段外区域和所述子血管段内区域的光密度获得所述血管段的第四光密度；令所述第三光密度和所述第四光密度的比值为所述血管段的所述第二光密度比值。
2.根据权利要求1所述的眼底血管血氧功能系数测量系统，其特征在于：通过第一人工智能算法提取所述眼底照片中的眼底血管网络并去除所述眼底血管网络的分支点以获得所述多个血管段。
3.根据权利要求1所述的眼底血管血氧功能系数测量系统，其特征在于：所述血管段外扩模块通过第二人工智能算法获得各个所述血管段的参数，所述参数包括所述血管段的平均血管半径或平均血管直径，所述平均血管半径和所述平均血管直径通过像素表示，所述血管段的轮廓的扩张范围为所述平均血管半径或所述平均血管直径的预设倍数。
4.根据权利要求1所述的眼底血管血氧功能系数测量系统，其特征在于：所述血管段分割模块基于参考线将各个所述血管段对应的血管段内区域和所述血管段外区域分割成长度不大于预设长度的子血管段外区域和子血管段内区域，进而基于所述子血管段外区域和所述子血管段内区域获得各个所述子血管段，其中，所述参考线与所述血管段的中心线平行且所述参考线的长度与所述血管段的中心线的长度相等。
5.根据权利要求1所述的眼底血管血氧功能系数测量系统，其特征在于：所述第一图像灰度值为所述血管段外区域在所述敏感光通道的所有像素的灰度值的平均值，所述第二图像灰度值为所述血管段外区域在所述非敏感光通道的所有像素的灰度值的平均值，所述第三图像灰度值为所述血管段内区域在所述敏感光通道的所有像素的灰度值的平均值，所述第四图像灰度值为所述血管段内区域在所述非敏感光通道的所有像素的灰度值的平均值。
6.根据权利要求1所述的眼底血管血氧功能系数测量系统，其特征在于：所述第五图像灰度值为所述子血管段外区域在所述敏感光通道的所有像素的灰度值的平均值，所述第六图像灰度值为所述子血管段外区域在所述非敏感光通道的所有像素的灰度值的平均值，所述第七图像灰度值为所述子血管段内区域在所述敏感光通道的具有最小灰度值的多个像素的灰度值的平均值，所述第八图像灰度值为所述子血管段内区域在所述非敏感光通道的最小灰度值的多个像素的灰度值的平均值。
7.根据权利要求1、权利要求5或权利要求6所述的任一项的眼底血管血氧功能系数测量系统，其特征在于：基于多个血管段的所述第一光密度比值获取所述眼底照片的第一照片光密度比值，并基于多个血管段的所述第二光密度比值获取所述眼底照片的第二照片光密度比值，根据所述第一照片光密度比值和所述第二照片光密度比值获取所述眼底照片中血管的血氧功能系数。
8.一种基于眼底照片的眼底血管血氧功能系数测量方法，其特征在于，包括：接收眼底照片，其中，所述眼底照片包括具有敏感光通道和非敏感光通道；提取所述眼底照片中的多个血管以获得血管段，所述血管段为血管的分支点之间的部分；基于所述血管段的参数对所述血管段的轮廓进行扩张以获取目标轮廓，令所述血管段的轮廓和所述目标轮廓之间的区域为血管段外区域，所述血管段的轮廓内的区域为血管段内区域；对各所述血管段外区域和各所述血管段内区域进行分割以获得子血管段；基于所述血管段的光密度获取所述血管段的光密度比值为第一光密度比值，并基于所述子血管段的光密度获取所述血管段的第二光密度比值；并且根据所述第一光密度比值和所述第二光密度比值获取所述眼底照片中血管的血氧功能系数；
其中，所述第一光密度比值的获取过程为：获取所述血管段外区域在所述敏感光通道的第一图像灰度值和所述血管段外区域在所述非敏感光通道下的第二图像灰度值；获取所述血管段内区域在所述敏感光通道的第三图像灰度值和所述血管段内区域在所述非敏感光通道下的第四图像灰度值；基于所述第一图像灰度值与所述第三图像灰度值计算所述血管段在所述敏感光通道下的第一光密度；基于所述第二图像灰度值与所述第四图像灰度值计算所述血管段在所述非敏感光通道下的第二光密度，令所述第一光密度和所述第二光密度的比值为所述血管段的所述第一光密度比值；
所述第二光密度比值的获取过程为：获取子血管段外区域在所述敏感光通道的第五图像灰度值和所述子血管段外区域在所述非敏感光通道下的第六图像灰度值；获取子血管段内区域在所述敏感光通道的第七图像灰度值和所述子血管段内区域在所述非敏感光通道下的第八图像灰度值；基于所述第五图像灰度值与所述第七图像灰度值计算所述子血管段外区域和所述子血管段内区域在所述敏感光通道下的光密度，基于多个所述子血管段外区域和所述子血管段内区域的光密度获得所述血管段的第三光密度；基于所述第六图像灰度值与所述第八图像灰度值计算所述子血管段外区域和所述子血管段内区域在所述非敏感光通道下的光密度，基于多个所述子血管段外区域和所述子血管段内区域的光密度获得所述血管段的第四光密度；令所述第三光密度和所述第四光密度的比值为所述血管段的所述第二光密度比值。
CN202310191057.3A 2023-02-28 2023-02-28 基于眼底照片的眼底血管血氧功能系数测量系统及方法 Active CN116327111B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310191057.3A CN116327111B (zh) 2023-02-28 2023-02-28 基于眼底照片的眼底血管血氧功能系数测量系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310191057.3A CN116327111B (zh) 2023-02-28 2023-02-28 基于眼底照片的眼底血管血氧功能系数测量系统及方法

Publications (2)

Publication Number Publication Date
CN116327111A CN116327111A (zh) 2023-06-27
CN116327111B true CN116327111B (zh) 2024-01-16

Family

ID=86879943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310191057.3A Active CN116327111B (zh) 2023-02-28 2023-02-28 基于眼底照片的眼底血管血氧功能系数测量系统及方法

Country Status (1)

Country Link
CN (1) CN116327111B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104856691A (zh) * 2014-02-21 2015-08-26 谢亚男 一种基于眼底照相机的视网膜血氧饱和度测量的方法
CN104997519A (zh) * 2015-08-13 2015-10-28 中国科学院光电技术研究所 基于眼底相机的双波长视网膜血管血氧测量系统
CN110448267A (zh) * 2019-09-06 2019-11-15 重庆贝奥新视野医疗设备有限公司 一种多模眼底动态成像分析系统及其方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2001259435A1 (en) * 2000-05-03 2001-11-12 Stephen T Flock Optical imaging of subsurface anatomical structures and biomolecules
DE102004016435B4 (de) * 2004-03-31 2009-05-28 Imedos Gmbh Verfahren zur spektralphotometrischen Ermittlung der Sauerstoffsättigung des Blutes in optisch zugänglichen Blutgefäßen
US7774036B2 (en) * 2005-06-07 2010-08-10 Oxymap Ehf Automatic registration of images

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104856691A (zh) * 2014-02-21 2015-08-26 谢亚男 一种基于眼底照相机的视网膜血氧饱和度测量的方法
CN104997519A (zh) * 2015-08-13 2015-10-28 中国科学院光电技术研究所 基于眼底相机的双波长视网膜血管血氧测量系统
CN110448267A (zh) * 2019-09-06 2019-11-15 重庆贝奥新视野医疗设备有限公司 一种多模眼底动态成像分析系统及其方法

Also Published As

Publication number Publication date
CN116327111A (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
Gagnon et al. Procedure to detect anatomical structures in optical fundus images
KR100889014B1 (ko) 그래프 기반 접근 방법을 이용한 설진 영역 추출 방법
Akram et al. Automated detection of dark and bright lesions in retinal images for early detection of diabetic retinopathy
CN111340789A (zh) 眼底视网膜血管识别及量化方法、装置、设备及存储介质
US5868134A (en) Retinal disease analyzer
Nguyen et al. An automated method for retinal arteriovenous nicking quantification from color fundus images
US20200320693A1 (en) Determining levels of hypertension from retinal vasculature images
Adnan et al. Consideration of Canny edge detection for eye redness image processing: A review
Kolar et al. Illumination correction and contrast equalization in colour fundus images
CN106408558B (zh) 糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法
Fondón et al. Automatic optic cup segmentation algorithm for retinal fundus images based on random forest classifier
CN112560911B (zh) 中医舌图像分类方法及系统
CN116327111B (zh) 基于眼底照片的眼底血管血氧功能系数测量系统及方法
Nguyen et al. Automated quantification of retinal arteriovenous nicking from colour fundus images
Taori et al. Segmentation of macula in retinal images using automated seeding region growing technique
CN110276333B (zh) 眼底身份识别模型训练方法、眼底身份识别方法和设备
Kolar et al. Analysis of visual appearance of retinal nerve fibers in high resolution fundus images: a study on normal subjects
Trimeche et al. Segmentation of retinal arterial bifurcations in 2D adaptive optics ophthalmoscopy images
Priya et al. A novel approach to the detection of macula in human retinal imagery
Al-Sharfaa et al. Localization of Optic Disk and Exudates Detection in Retinal Fundus Images
CN111292285A (zh) 一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法
Martins Automatic microaneurysm detection and characterization through digital color fundus images
CN115100178A (zh) 一种眼底血管形态特征评估的方法、装置、介质和设备
Athab et al. Disc and Cup Segmentation for Glaucoma Detection
KR100904084B1 (ko) 컬러 분포 기반의 설태 분류 방법

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