CN116491893B - 高度近视眼底改变评估方法及装置、电子设备及存储介质 - Google Patents
高度近视眼底改变评估方法及装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116491893B CN116491893B CN202310768766.3A CN202310768766A CN116491893B CN 116491893 B CN116491893 B CN 116491893B CN 202310768766 A CN202310768766 A CN 202310768766A CN 116491893 B CN116491893 B CN 116491893B
- Authority
- CN
- China
- Prior art keywords
- area
- region
- leopard
- choroidal
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000004402 high myopia Effects 0.000 title claims abstract description 35
- 230000008859 change Effects 0.000 title claims abstract description 31
- 230000003902 lesion Effects 0.000 claims abstract description 249
- 238000009826 distribution Methods 0.000 claims abstract description 111
- 230000008961 swelling Effects 0.000 claims abstract description 60
- 241000219095 Vitis Species 0.000 claims abstract description 58
- 235000009754 Vitis X bourquina Nutrition 0.000 claims abstract description 58
- 235000012333 Vitis X labruscana Nutrition 0.000 claims abstract description 58
- 235000014787 Vitis vinifera Nutrition 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 32
- 241000282373 Panthera pardus Species 0.000 claims description 419
- 230000002123 temporal effect Effects 0.000 claims description 52
- 238000011156 evaluation Methods 0.000 claims description 38
- 206010025421 Macule Diseases 0.000 claims description 32
- 206010003694 Atrophy Diseases 0.000 claims description 21
- 230000037444 atrophy Effects 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 10
- 208000035719 Maculopathy Diseases 0.000 claims description 9
- 210000003161 choroid Anatomy 0.000 claims description 9
- 208000002780 macular degeneration Diseases 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000004379 myopia Effects 0.000 claims description 6
- 208000001491 myopia Diseases 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 abstract description 11
- 239000004973 liquid crystal related substance Substances 0.000 description 26
- 210000001508 eye Anatomy 0.000 description 19
- 238000012800 visualization Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 11
- 238000000605 extraction Methods 0.000 description 10
- 210000001745 uvea Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000036285 pathological change Effects 0.000 description 8
- 231100000915 pathological change Toxicity 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 210000003733 optic disk Anatomy 0.000 description 7
- 230000004438 eyesight Effects 0.000 description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 210000004220 fundus oculi Anatomy 0.000 description 4
- 210000002189 macula lutea Anatomy 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 210000003786 sclera Anatomy 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 206010039705 Scleritis Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 201000004849 posterior scleritis Diseases 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 208000002367 Retinal Perforations Diseases 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 1
- 208000007985 Erythema Infectiosum Diseases 0.000 description 1
- 235000005811 Viola adunca Nutrition 0.000 description 1
- 240000009038 Viola odorata Species 0.000 description 1
- 235000013487 Viola odorata Nutrition 0.000 description 1
- 235000002254 Viola papilionacea Nutrition 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012993 chemical processing Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
本公开披露一种高度近视眼底改变评估方法及装置、电子设备及存储介质，涉及图像处理领域，用于解决后巩膜葡萄肿筛查不便以及无法在广大人群中普筛的问题。该高度近视眼底改变评估方法包括：确定待评估眼底图像的第一区域、第二区域和第三区域；确定第一区域、第二区域和第三区域各自的脉络膜特征参数；基于第一区域、第二区域和第三区域各自的脉络膜特征参数，评估待评估眼底图像对应的病变分布情况。由于病变在待评估眼底图像中的位置不同，对应的后巩膜葡萄肿的类型不同，因此，本公开通过脉络膜特征参数，评估眼底结构病变的位置分布情况，能够实现辅助医生评估后巩膜葡萄肿及其类型的目的，方便后巩膜葡萄肿的无创便捷早筛和管理。
Description
技术领域
本公开属于图像处理领域，具体涉及一种高度近视眼底改变评估方法及装置、电子设备及存储介质。
背景技术
后巩膜葡萄肿属于高度近视引起的并发症，一般发生在黄斑区或黄斑临近的区域，如果不及时进行相关的治疗，可能会引起视网膜脉络膜萎缩、视网膜裂孔等病理性变化，进而影响患者的视力功能。
通常医生通过传统的眼底检查项目，例如核磁共振、A超或B超，才能够确定后巩膜葡萄肿的类型。但是，由于核磁共振、A超或B超的检测成本高且检测时间长，检查多有不便，近视患者无法常规开展，不利于对后巩膜葡萄肿在广大人群中进行普筛。
发明内容
有鉴于此，本公开提供一种高度近视眼底改变评估方法及装置、电子设备及存储介质，实现了通过眼底图像辅助医生评估后巩膜葡萄肿类型的目的，从而为后巩膜葡萄肿在广大人群中普筛提供了基础。
第一方面，本公开一实施例提供的一种高度近视眼底改变评估方法，包括：确定待评估眼底图像的第一区域、第二区域和第三区域，第一区域包括视盘区域和围绕视盘区域的周围区域，第二区域包括黄斑区域和围绕黄斑区域的周围区域，第三区域包括待评估眼底图像中的可见眼底结构的区域；确定第一区域、第二区域和第三区域的各自的脉络膜特征参数；基于视盘豹纹斑区域、黄斑豹纹斑区域和眼底豹纹斑区域，评估待评估眼底图像对应的病变分布情况，其中，病变分布情况用于表征病变在待评估眼底图像中的位置分布情况。
结合第一方面，在第一方面的某些实现方式中，第一区域、第二区域和第三区域各自的脉络膜特征参数，评估所述待评估眼底图像对应的病变分布情况，包括：基于第一区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第一占比；基于第二区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第二占比；基于第一占比和第二占比，评估待评估眼底图像对应的病变分布情况。
结合第一方面，在第一方面的某些实现方式中，病变分布情况包括病变分布在第一预设病变位置和/或病变分布在第二预设病变位置，基于第一占比和第二占比，评估待评估眼底图像对应的病变分布，包括：若第一占比小于第一预设阈值，且第二占比小于第一预设阈值，确定病变分布在第一预设病变位置；若所述第一占比和所述第二占比中的至少一个大于所述第一预设阈值，且第一占比小于第二占比，确定病变分布在第二预设病变位置。
结合第一方面，在第一方面的某些实现方式中，该评估方法还包括：确定第一区域的下方盘沿区域、上方盘沿区域、鼻侧盘沿区域、颞侧盘沿区域；分别提取下方盘沿区域中的脉络膜特征参数、上方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数和颞侧盘沿区域中的脉络膜特征参数；若第一占比和第二占比中的至少一个大于所述第一预设阈值，且第一占比大于第二占比，基于下方盘沿区域中的脉络膜特征参数、上方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数、颞侧盘沿区域中的脉络膜特征参数，确定病变分布情况。
结合第一方面，在第一方面的某些实现方式中，病变分布情况还包括病变分布在第三预设病变位置和/或病变分布在第四预设病变位置和/或病变分布在第五预设病变位置；基于下方盘沿区域中的脉络膜特征参数、上方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数、颞侧盘沿区域中的脉络膜特征参数，确定病变分布情况，包括：若下方盘沿区域中的脉络膜特征参数、上方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数和颞侧盘沿区域中的脉络膜特征参数均小于第二预设阈值，确定病变分布在第三预设病变位置；若下方盘沿区域中的脉络膜特征参数、上方盘沿脉区域中的络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数和颞侧盘沿区域中的脉络膜特征参数中的至少一个大于所述第二预设阈值，且上方盘沿区域中的脉络膜特征参数、下方盘沿区域中的脉络膜特征参数和颞侧盘沿区域中的脉络膜特征参数均小于鼻侧盘沿区域中的脉络膜特征参数，确定病变分布在所述第四预设病变位置；若下方盘沿区域中的脉络膜特征参数、上方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数和颞侧盘沿区域中的脉络膜特征参数中的至少一个大于第二预设阈值，且上方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数和颞侧盘沿区域中的脉络膜特征参数均小于下方盘沿区域中的脉络膜特征参数，确定病变分布在第五预设病变位置；若下方盘沿区域中的脉络膜特征参数、上方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数和颞侧盘沿区域中的脉络膜特征参数中的至少一个大于第二预设阈值，且上方盘沿区域中的脉络膜特征参数大于或等于下方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数、颞侧盘沿区域中的脉络膜特征参数中的至少一个，确定病变分布在所述第三预设病变位置；若下方盘沿区域中的脉络膜特征参数、上方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数和颞侧盘沿区域中的脉络膜特征参数中的至少一个大于第二预设阈值，且颞侧盘沿区域中的脉络膜特征参数大于或等于下方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数、上方盘沿区域中的脉络膜特征参数中的至少一个，确定病变分布在第三预设病变位置。
结合第一方面，在第一方面的某些实现方式中，脉络膜特征参数包括豹纹斑特征参数、脉络膜弥漫性萎缩灶和脉络膜局限性萎缩灶中的至少一种；其中，豹纹斑特征参数包括豹纹斑的面积，豹纹斑的密度，豹纹斑的等效面积占比，豹纹斑的形态数据，豹纹斑的分型维数中的至少一种。
结合第一方面，在第一方面的某些实现方式中，该方法还包括：在脉络膜特征参数为豹纹斑的等效面积占比的情况下，分别对第一区域的豹纹斑图像面积、第二区域的豹纹斑图像面积和第三区域的豹纹斑图像面积进行计算，确定视盘豹纹斑图像面积、黄斑豹纹斑图像面积和眼底豹纹斑图像面积；对视盘豹纹斑图像面积或黄斑豹纹斑图像面积进行第一面积补偿处理，得到视盘豹纹斑理论面积和黄斑豹纹斑理论面积；分别将视盘豹纹斑理论面积和黄斑豹纹斑理论面积确定为视盘区域豹纹斑面积和黄斑区域豹纹斑面积；如果对视盘豹纹斑图像面积进行了第一面积补偿处理，根据视盘豹纹斑图像面积和视盘豹纹斑理论面积对眼底豹纹斑图像面积进行第二面积补偿处理，得到眼底图像豹纹斑对应的第一理论面积，将眼底图像豹纹斑对应的第一理论面积，确定为眼底豹纹斑理论面积；如果对黄斑豹纹斑图像面积进行了第一面积补偿处理，根据黄斑豹纹斑图像面积和黄斑豹纹斑理论面积，对眼底豹纹斑图像面积进行第三面积补偿处理，得到眼底图像豹纹斑对应的第二理论面积，将眼底图像豹纹斑对应的第二理论面积，确定为眼底豹纹斑理论面积。基于第一区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第一占比，包括：基于视盘区域的豹纹斑面积和眼底豹纹斑理论面积的比值，确定第一占比；基于第二区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第二占比，包括：基于黄斑区域豹纹斑面积和眼底豹纹斑理论面积的比值，确定第二占比。
结合第一方面，在第一方面的某些实现方式中，该方法还包括：分别对第一区域的豹纹斑图像面积、第二区域的豹纹斑图像面积和第三区域的豹纹斑图像面积进行计算，确定第一区域豹纹斑的面积、第二区域豹纹斑的面积和第三区域豹纹斑的面积；基于第一区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第一占比，包括：基于第一区域的豹纹斑的面积和第三区域的豹纹斑的面积的比值，确定第一占比；基于所述第二区域的脉络膜特征参数和所述第三区域的脉络膜特征参数的比值，确定第二占比，包括：基于第二区域的豹纹斑面积和第三区域的豹纹斑面积的比值，确定第二占比。
结合第一方面，在第一方面的某些实现方式中，在确定待评估眼底图像的第一区域、第二区域和第三区域之前，该评估方法还包括：确定待评估对象的初始待评估眼底图像的豹纹斑区域；分别计算初始待评估眼底图像的面积和初始待评估眼底图像的豹纹斑区域的面积，得到初始图像面积和初始图像豹纹斑面积；基于初始图像豹纹斑面积和初始图像面积，确定豹纹斑密度；如果豹纹斑密度大于预设密度阈值，将初始待评估眼底图像确定为待评估眼底图像。
第二方面，本公开一实施例提供高度近视眼底改变可视化方法，包括基于待评估眼底图像获取待评估眼底图像对应的病变分布情况，其中，待评估眼底图像对应的病变情况，基于上述第一方面所提及的评估方法确定；基于病变分布情况生成二维病变可视化图像或三维病变可视化图像。
第三方面，本公开一实施例提供一种高度近视眼底改变评估装置，包括：第一确定模块，用于确定待评估眼底图像的第一区域、第二区域和第三区域，第一区域包括视盘区域和围绕视盘区域的周围区域，第二区域包括黄斑区域和围绕黄斑区域的周围区域，第三区域包括待评估眼底图像中的可见眼底结构的区域；第二确定模块，用于确定第一区域、第二区域和第三区域各自的脉络膜特征参数；评估模块，用于基于第一区域、第二区域和第三区域各自的脉络膜特征参数，评估待评估眼底图像对应的病变分布情况，其中，病变分布情况用于表征病变在待评估眼底图像中的位置分布情况。
第四方面，本公开一实施例提供一种高度近视眼底改变可视化装置，包括：获取模块，用于基于待评估眼底图像获取待评估眼底图像对应的病变分布情况，其中，待评估眼底图像对应的病变情况，基于上述第一方面任一项的评估方法确定；可视化模块，用于基于病变分布情况生成二维病变可视化图像或三维病变可视化图像。
第五方面，本公开一实施例提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器用于执行上述第一方面所提及的方法。
第六方面，本公开一实施例提供一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序用于执行上述第一方面所提及的方法。
本公开实施例基于待评估眼底图像不同区域中的脉络膜特征参数，评估待评估眼底图像对应的病变分布情况，病变分布情况能够表征病变在待评估眼底图像中的位置分布情况。由于病变在待评估眼底图像中的位置不同，对应的后巩膜葡萄肿的类型不同，因此，本公开实施例通过评估病变在待评估眼底图像中的位置分布情况，能够辅助医生评估后巩膜葡萄肿的类型，并帮助医疗医生了解疾病进展，便于后巩膜加固术的风险评估及手术指导。从而有利于近视人群的无创便利筛查，为后巩膜葡萄肿在广大人群中普筛提供了基础。
附图说明
通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。
图1所示为本公开一实施例提供的应用场景示意图。
图2所示为本公开一实施例提供的高度近视眼底改变评估方法的流程示意图。
图3所示为本公开一实施例提供的基于视盘豹纹斑区域、黄斑豹纹斑区域和眼底豹纹斑区域，评估待评估眼底图像对应的病变分布情况的流程示意图。
图4所示为本公开一实施例提供的基于第一占比和第二占比，评估待评估眼底图像对应的病变分布的流程示意图。
图5所示为本公开另一实施例提供的高度近视眼底改变评估方法的流程示意图的流程示意图。
图6所示为本公开另一实施例提供的高度近视眼底改变评估方法的流程示意图。
图7所示为本公开一实施例提供的高度近视眼底改变评估装置的结构示意图。
图8所示为本公开一实施例提供的高度近视眼底改变可视化装置的结构示意图。
图9所示为本公开提供的电子设备的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本公开一部分实施例，而不是全部的实施例。
后巩膜葡萄肿属于高度近视引起的并发症，是眼球的后半部巩膜局部变薄，后凸起、扩张而造成，由于变薄的巩膜会透出其中的颜色，呈蓝紫色，像紫葡萄的颜色，因此被称为葡萄肿，一般发生在黄斑区或黄斑邻近的区域。如果不及时进行相关的治疗，后巩膜葡萄肿可能会引起视网膜脉络膜萎缩、视网膜裂孔等病理性变化，进而影响患者的视力功能，导致患者视力功能下降。
后巩膜葡萄肿的位置不同，对应的类型也不同，例如：Ⅰ型后极部型葡萄肿（后巩膜葡萄肿位于后极部），Ⅱ型黄斑型葡萄肿（后巩膜葡萄肿以黄斑为中心），Ⅲ型视盘周围型葡萄肿（后巩膜葡萄肿以视盘为中心），Ⅳ型视盘鼻侧型葡萄肿（后巩膜葡萄肿位于视盘鼻侧），Ⅴ型视盘鼻下型葡萄肿（后巩膜葡萄肿位于视盘下方）。因此，通常医生需要通过传统的眼底检查项目，例如核磁共振、A超或B超，确定后巩膜葡萄肿的立体位置，才能够确定后巩膜葡萄肿的类型。但是，由于核磁共振、A超或B超的检测成本高，且检测时间长，操作十分不便捷，无法在近视人群中开展常规筛查，从而不利于近视患者的管理，也不利于后巩膜葡萄肿在广大人群中普筛。
下面结合图1对本公开实施例的应用场景进行简单的介绍。
图1所示本公开一实施例提供的应用场景示意图。
图1所示为本公开一实施例提供的应用场景示意图。如图1所示，该场景为对患者A的待评估眼底图像进行评估的场景。具体地，对患者A的待评估眼底图像进行评估的场景包括，服务器110、与服务器110通信连接的用户终端120。服务器110用于执行本公开实施例提及的高度近视眼底改变评估方法。
示例性地，在实际应用过程中，用户通过用户终端120发出对患者A的待评估眼底图像进行评估的指令，服务器110接收到该指令后，确定患者A的待评估眼底图像的第一区域、第二区域和第三区域，第一区域包括视盘区域和围绕视盘区域的周围区域，第二区域包括黄斑区域和围绕黄斑区域的周围区域，第三区域包括待评估眼底图像中的可见眼底结构的区域；确定第一区域中的视盘豹纹斑区域、第二区域中的黄斑豹纹斑区域和第三区域中的眼底豹纹斑区域；基于视盘豹纹斑区域、黄斑豹纹斑区域和眼底豹纹斑区域，评估待评估眼底图像对应的病变分布情况，其中，病变分布情况用于表征病变在待评估眼底图像中的位置分布情况。服务器110将待评估眼底图像对应的病变分布情况输出至用户终端120，以便用户利用用户终端120查看待评估眼底图像对应的病变分布情况。
示例性地，上述提及的用户终端120包括但不限于台式电脑、笔记本电脑等计算机终端。
示例性地，上述提及的患者A的待评估眼底图像，可以是患者A根据治疗需求拍摄的眼底图像，上传至服务器110的，也可以是存储在存储设备中的患者A在治疗期间，所有拍摄的眼底图像，服务器110根据指令调取患者A的待评估眼底图像。待评估眼底图像可以为45°彩色眼底图像，也可以为60°眼底图像或者广角眼底图像或其他视场角的眼底图像，甚至其他模态的眼底图像，眼底图像可以以视盘为中心拍摄，也可以以黄斑中心为中心拍摄或其他眼位的图像，本实施例不做限定。
下面结合图2至图6对本公开的高度近视眼底改变评估方法进行简单的介绍。
图2所示为本公开一实施例提供的高度近视眼底改变评估方法的流程示意图。如图2所示，本公开实施例提供的高度近视眼底改变评估方法包括如下步骤。
步骤S210，确定待评估眼底图像的第一区域、第二区域和第三区域。
待评估眼底图像可以是高度近视的目标对象（例如，人类）的眼底图像。高度近视可以是近视度数大于预设度数的近视。例如，预设度数可以是500度、550度、600度，即大于600度的近视可以被认为是高度近视。第一区域包括视盘区域和围绕视盘区域的周围区域，第二区域包括黄斑区域和围绕黄斑区域的周围区域，第三区域包括待评估眼底图像中的可见眼底结构的区域。
示例性地，以视盘为中心，选取第一预设值为半径，例如，选取2.5倍的视盘半径为第一预设值，确定第一区域。以黄斑为中心，选取第二预设值为半径，例如，选取2倍视盘半径为第二预设值，确定第二区域。应当理解，第一预设值和第二预设值可以根据需求进行选取，本公开实施例不对第一预设值和第二预设值作具体限定。示例性地，根据待评估眼底图像，确定第三区域，可以执行为对待评估眼底图像的感兴趣区域进行提取。感兴趣区域包括可见眼底结构的区域。示例性地，可以选取传统的计算机视觉技术对待评估眼底图像的感兴趣区域进行提取，也可是通过训练好的深度学习网络模型，对待评估眼底图像的感兴趣区域进行提取。
示例性地，待评估眼底图像可以是通过拍摄角度大于200°的广角眼底相机拍摄得到，也可以是通过其他拍摄角度的广角眼底相机或小于60度的普通眼底相机拍摄得到。本公开实施例不对待评估眼底图像的拍摄角度作具体限定。
步骤S220，确定第一区域、第二区域和所述第三区域各自的脉络膜特征参数。
示例性地，确定第一区域、第二区域和第三区域各自的眼底豹纹斑区域。
示例性地，对第一区域中的豹纹斑区域进行提取，得到第一区域中的豹纹斑区域，即，第一区域中的视盘豹纹斑区域。对第二区域中的豹纹斑区域进行提取，得到第二区域中的豹纹斑区域，即，第二区域中的黄斑豹纹斑区域。对眼底图像中的可见眼底结构的区域中的豹纹斑进行提取，得到第三区域中的眼底豹纹斑区域。
步骤S230，基于第一区域、第二区域和第三区域各自的脉络膜特征参数，评估待评估眼底图像对应的病变分布情况。
病变分布情况用于表征病变在待评估眼底图像中的位置分布情况。
示例性地，基于第一区域、第二区域和第三区域各自的眼底豹纹斑区域，确定待评估眼底图像对应的分布情况，具体地，基于视盘豹纹斑区域的图像面积和眼底豹纹斑区域的图像面积，黄斑豹纹斑区域和眼底豹纹斑区域的比值，评估待评估眼底图像为对应的病变分布情况，病变分布情况能够帮助医生确定病变的具体位置情况，例如病变为后巩膜葡萄肿，后巩膜葡萄肿位于后极部、后巩膜葡萄肿以黄斑为中心、后巩膜葡萄肿以视盘为中心、后巩膜葡萄肿位于视盘鼻侧、后巩膜葡萄肿位于视盘下方，从而能够辅助医生确定后巩膜葡萄肿的类型为Ⅰ型后极部型葡萄肿、Ⅱ型黄斑型葡萄肿、Ⅲ型视盘周围型葡萄肿、Ⅳ型视盘鼻侧型葡萄肿、Ⅴ型视盘鼻下型葡萄肿。因此，评估结果能够辅助医生确定后巩膜葡萄肿类型。
在一些实施例中，脉络膜特征参数包括豹纹斑特征参数、脉络膜弥漫性萎缩灶和脉络膜局限性萎缩灶中的至少一种；豹纹斑特征参数包括豹纹斑的面积，豹纹斑的密度，豹纹斑的等效面积占比，豹纹斑的形态数据，豹纹斑的分型维数中的至少一种，其中，等效面积占比指的是根据眼底影像可见豹纹斑面积占眼底图像面积比值进行等效计算，确定眼底图像不可见区域豹纹斑面积占整体眼底结构的面积比值，豹纹斑的形态数据包括豹纹斑的形状参数和/或姿态参数。示例性地，脉络膜特征参数还可以包括萎缩弧。示例性地，豹纹斑的分型维数可根据豹纹斑的形态数据确定，豹纹斑形态数据指的是根据豹纹斑在眼底图像中表现出的形态确定的数据，豹纹斑在眼底图像中表现出的形态包括豹纹斑的形状、弯曲度、面积、密度、宽度、分形维数、紧密度、交叉程度、分叉程度中的至少一种。在一些实施例中，豹纹斑形态参数与弯曲度、面积、密度、宽度、分形维数、紧密度、交叉程度、分叉程度成正比，也就是说，豹纹斑的弯曲度、面积、密度、宽度、分形维数、紧密度、交叉程度、分叉程度越高，豹纹斑形态参数越大。其中，豹纹斑的紧密度根据豹纹斑区域轮廓线长度，和豹纹斑区域内的实际面积确定。本领域技术人员可根据实际应用灵活调整豹纹斑形态参数的参考特征。示例性地，可以预先训练豹纹斑形态提取模型，将眼底图像输入到豹纹斑形态提取模型中，以便豹纹斑形态提取模型输出豹纹斑的形状、弯曲度、面积、密度、宽度、分形维数、紧密度、交叉程度、分叉程度中的至少一种。然后根据豹纹斑的形状、弯曲度、面积、密度、宽度、分形维数、紧密度、交叉程度、分叉程度中的至少一种确定豹纹斑形态数据。可以获取大量的单通道图像作为训练样本，标记各单通道图像中形状、弯曲度、面积、密度、宽度、分形维数、紧密度、交叉程度、分叉程度中的至少一种为训练标签。豹纹斑形态提取模型的训练过程与以上实施例的豹纹斑特征提取模型的训练过程相同，豹纹斑形态提取模型的具体训练过程参照以上实施例的记载即可，此处不做赘述。豹纹斑形态提取模型可以采用卷积神经网络模型作为基础模型，本实施例不做限定。一些实施例中，豹纹斑形态数据是根据豹纹斑的形状、弯曲度、面积、密度、宽度、分形维数、紧密度、交叉程度、分叉程度中的至少一种确定的。可以将单通道图像输入到豹纹斑形态提取模型中，以使豹纹斑形态提取模型输出的豹纹斑的形状、弯曲度、面积、密度、宽度、分形维数、紧密度、交叉程度、分叉程度，根据豹纹斑形态提取模型输出结果作为豹纹斑形态数据。脉络膜弥漫性萎缩灶、脉络膜局限性萎缩灶特征包括面积、大小、位置、形状等。
在一些实施例中，步骤S230的具体实现方式如图3所示，此处不再赘述。
本公开实施例通过待评估眼底图像的不同区域，确定不同区域的脉络膜特征参数，再根据不同区域的脉络膜特征参数，评估待评估眼底图像对应的病变分布情况。病变分布情况表征病变在待评估眼底图像中的位置分布情况。由于病变在待评估眼底图像中的位置不同，对应的后巩膜葡萄肿的类型不同，因此，通过评估病变在待评估眼底图像中的位置分布情况，能够实现辅助医生评估后巩膜葡萄肿类型的目的，降低了后巩膜葡萄肿类型的检测成本，并且非常便捷，有利于近视患者常规开展后巩膜葡萄肿检查，从而为后巩膜葡萄肿在广大人群中普筛提供了基础。此外，通过本申请的方法评估后巩膜葡萄肿类型便于后巩膜加固术的风险评估及手术指导，有利于帮助医生了解疾病进展。
在一些实施例中，只要检测出脉络膜特征参数包括脉络膜弥漫性萎缩灶、脉络膜局限性萎缩灶，即可确定待评估眼底图像的病变分布位置在第一预设病变位置。若未检测出脉络膜特征参数包括脉络膜弥漫性萎缩灶、脉络膜局限性萎缩灶，则根据豹纹斑特征参数评估待评估眼底图像对应的病变分布情况。
图3所示为本公开一实施例提供的基于视盘豹纹斑区域、黄斑豹纹斑区域和眼底豹纹斑区域，评估待评估眼底图像对应的病变分布情况的流程示意图。如图3所示，本公开一实施例提供的基于视盘豹纹斑区域、黄斑豹纹斑区域和眼底豹纹斑区域，评估待评估眼底图像对应的病变分布情况的步骤如下。
步骤S310，基于第一区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第一占比。
示例性地，第一占比包括第一区域的豹纹斑的面积和第三区域的豹纹斑的面积的比值，第一区域的豹纹斑的密度和第三区域的豹纹斑密度比值，第一区域的豹纹斑的等效面积占比和第三区域的豹纹斑的等效面积比值，第一区域的豹纹斑的形态数据和第三区域的豹纹斑的形态数据的比值，第一区域的豹纹斑的分型维数和第三区域的豹纹斑的分型维数的比值中的至少一种。
示例性地，根据第一区域的豹纹斑所占像素数、第二区域的豹纹斑所占像素数和第三区域的豹纹斑所占像素数进行计算，确定视盘区域豹纹斑面积、黄斑区域豹纹斑面积和眼底豹纹斑面积。根据视盘区域豹纹斑面积和眼底豹纹斑面积，将视盘区域豹纹斑面积与眼底豹纹斑面积的比值，确定为第一占比。根据视盘区域豹纹斑面积和第一区域所占像素，确定第一区域的豹纹斑密度；根据眼底豹纹斑面积和第三区域所占像素，确定第三区域的豹纹斑密度，将第一区域的豹纹斑密度和第三区域的豹纹斑密度的比值确定为第一占比。获取第一区域的豹纹斑的形态数据和第三区域的豹纹斑形态数据，将第一区域的豹纹斑的形态数据和第三区域的豹纹斑的形态数据的比值，确定为第一占比。获取第一区域的豹纹斑的分型维数和第三区域的豹纹斑的分型维数，确定第一区域的豹纹斑的分型维数和第三区域的豹纹斑的分型维数的比值为第一占比。
步骤S320，基于第二区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第二占比。
示例性地，第二占比包括第二区域的豹纹斑的面积和第三区域的豹纹斑的面积的比值，第二区域的豹纹斑的密度和第三区域的豹纹斑密度比值，第二区域的豹纹斑的等效面积占比和第三区域的豹纹斑的等效面积比值，第二区域的豹纹斑的形态数据和第三区域的豹纹斑的形态数据的比值，第二区域的豹纹斑的分型维数和第三区域的豹纹斑的分型维数的比值中的至少一种。
示例性地，根据上述获得的黄斑区域豹纹斑面积与眼底豹纹斑面积，将黄斑区域豹纹斑面积与眼底豹纹斑面积的比值，确定为第二占比。根据黄斑区域豹纹斑面积和第二区域所占像素，确定第二区域的豹纹斑密度；根据眼底豹纹斑面积和第三区域所占像素，确定第三区域的豹纹斑密度，将第二区域的豹纹斑密度和第三区域的豹纹斑密度的比值确定为第二占比。获取第二区域的豹纹斑的形态数据和第三区域的豹纹斑形态数据，将第二区域的豹纹斑的形态数据和第三区域的豹纹斑的形态数据的比值，确定为第二占比。获取第二区域的豹纹斑的分型维数和第三区域的豹纹斑的分型维数，确定第二区域的豹纹斑的分型维数和第三区域的豹纹斑的分型维数的比值为第二占比。
示例性地，根据上述获得的黄斑区域豹纹斑面积和黄斑区域面积，将黄斑区域豹纹斑面积和黄斑区域面积的比值，确定为第二占比。
在一些实施例中，该评估方法还包括：在脉络膜特征参数为豹纹斑的面积的情况下，分别对第一区域的豹纹斑图像面积、第二区域的豹纹斑图像面积和第三区域的豹纹斑图像面积进行计算，确定第一区域豹纹斑的面积、第二区域豹纹斑的面积和第三区域豹纹斑的面积；基于第一区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第一占比，包括：基于第一区域的豹纹斑的面积和第三区域的豹纹斑的面积的比值，确定第一占比；基于第二区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第二占比，包括：基于第二区域的豹纹斑面积和第三区域的豹纹斑面积的比值，确定第二占比。应当理解，选择脉络膜特征参数为豹纹斑的面积时，是在待评估眼底图像的拍摄角度，能够完全展示实际视盘区域的全部范围和黄斑区域的全部范围的情况下，即，第一区域的图像面积等于实际视盘区域面积以及第二区域的图像面积等于实际黄斑区域面积。
步骤S330，基于第一占比和第二占比，评估待评估眼底图像对应的病变分布情况。
示例性地，根据第一占比和第二占比的大小关系，评估待评估眼底图像对应的病变分布情况。
在一些实施例中，步骤S350的具体实施方式如图4所示，此处不再赘述。
本公开实施例通过视盘区域豹纹斑面积、黄斑区域豹纹斑面积和眼底豹纹斑面积，确定多个占比，通过多个占比，评估待评估眼底图像对应的病变分布情况，实现了通过眼底图像中的不同区域的豹纹斑面积，评估待评估眼底图像对应的病变分布情况的目的，减少了后巩膜葡萄肿检测的成本，进一步为后巩膜葡萄肿在广大人群中普筛提供了基础。
图4所示为本公开一实施例提供的基于第一占比和第二占比，评估待评估眼底图像对应的病变分布的流程示意图。如图4所示，本公开实施例提供的基于第一占比和第二占比，评估待评估眼底图像对应的病变分布包括如下步骤。
步骤S410，判断第一占比和第二占比是否均小于第一阈值。
病变分布情况包括病变分布在第一预设病变位置和/或病变分布在第二预设病变位置。
示例性地，第一阈值根据实际需求设定，例如第一阈值选取为0.5。如果第一占比和第二占比均小于第一阈值，则执行步骤S420，如果第一占比和第二占比中至少一个大于第一阈值，则执行步骤S430。
步骤S420，确定病变分布在第一预设病变位置。
示例性地，第一预设病变位置确定为后极部，确定病变分布在后极部。医生可以根据病变分布在后极部的评估结果，确定后巩膜葡萄肿的类型为Ⅰ型后极部型葡萄肿。
步骤S430，判断第一占比是否小于第二占比。
示例性地，如果第一占比小于第二占比，则执行步骤S440，若第一占比大于第二占比，可以确定病变分布在除第一预设病变位置和第二预设病变位置之外的其它预设病变位置。
步骤S440，确定病变分布在第二预设病变位置。
示例性地，第二预设病变位置确定为黄斑中心区域，病变分布在黄斑中心区域。医生可以根据病变分布在黄斑中心区域的评估结果，确定后巩膜葡萄肿的类型为Ⅱ型黄斑型葡萄肿。
在一些实施例中，该高度近视眼底改变评估方法还包括：确定第一区域的下方盘沿区域、上方盘沿区域、鼻侧盘沿区域、颞侧盘沿区域；分别提取下方盘沿区域中的脉络膜特征参数、上方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数、和颞侧盘沿中的脉络膜特征参数；若第一占比和第二占比中的至少一个大于所述第一预设阈值，且第一占比大于第二占比，基于下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数、颞侧盘沿区域中脉络膜特征参数，确定病变分布情况。示例性地，预设分割规则为ISNT法则，即，按照视盘的盘沿宽度的下方（I）盘沿最宽，其次为上方（S）盘沿，再者为鼻侧（N）盘沿、颞侧（T）盘沿最窄的方式分割。
在一些实施例中，病变分布情况还包括病变分布在第三预设病变位置和/或病变分布在第四预设病变位置和/或病变分布在第五预设病变位置；基于基于下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数、颞侧盘沿区域中脉络膜特征参数，确定病变分布情况，包括：若下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数均小于第二预设阈值，确定病变分布在第三预设病变位置；若下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数中的至少一个大于所述第二预设阈值，且上方盘沿区域中脉络膜特征参数、下方盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数均小于鼻侧盘沿区域中脉络膜特征参数，确定病变分布在所述第四预设病变位置；若下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数中的至少一个大于第二预设阈值，且上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数均小于下方盘沿区域中脉络膜特征参数，确定病变分布在所述第五预设病变位置；若下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数中的至少一个大于第二预设阈值，且上方盘沿区域中脉络膜特征参数大于或等于下方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数、颞侧盘沿区域中脉络膜特征参数中的至少一个，确定病变分布在所述第三预设病变位置；若下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数中的至少一个大于第二预设阈值，且颞侧盘沿区域中脉络膜特征参数大于或等于下方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数中的至少一个，确定病变分布在第三预设病变位置。示例性地，第二阈值根据实际需求设定，例如0.35，本公开实施例不对第二阈值的值作具体限定。示例性地，第三预设病变位置为视盘中心，确定病变分布情况在视盘中心，医生可以根据病变分布情况在视盘中心的评估结果，确定后巩膜葡萄肿的类型为Ⅲ型视盘周围型葡萄肿。示例性地，第四预设病变位置为视盘鼻侧，确定病变分布情况在视盘鼻侧，医生可以根据病变分布情况在视盘鼻侧的评估结果，确定后巩膜葡萄肿的类型为Ⅳ型视盘鼻侧型葡萄肿。示例性地，第五病变位置为视盘下方，确定病变分布情况在视盘下方，医生可以根据病变分布情况在视盘下方的评估结果，确定后巩膜葡萄肿的类型为Ⅴ型视盘鼻下型葡萄肿。
示例性地，病变分布情况包括：病变分布在第一预设病变位置、病变分布在第二预设病变位置、病变分布在第三预设病变位置、病变分布在第四预设病变位置、病变分布在第五预设病变位置中的至少一种。
本公开实施例通过多个预设病变分布位置，利用多个预设阈值，评估待评估眼底图像的病变分布，能够更准确地获得病变分布情况，提高评估结果的准确性，为后续医生根据确定后巩膜葡萄肿的类型提供更可靠的依据。此外，本公开实施例在确定多个占比与多个阈值的关系后，进一步对待评估图像的进行处理，对视盘区域及视盘周围区域进行分割，确定多个根据预设分割法则确定的多个区域。本公开实施例对分割后的多个区域中的豹纹斑区域进行面积计算，根据分割后的多个区域的豹纹斑区域面积，评估待评估图像，能够保证评估待评估图像的病变分布情况更加全面，为后续医生根据病变分布情况确定后巩膜葡萄肿的类型提供了更加全面的依据。
图5所示为本公开另一实施例提供的高度近视眼底改变评估方法的流程示意图。如图5所示，本公开另一实施例提供的另一高度近视眼底改变评估方法包括如下步骤。在图2所示实施例基础上延伸出图5所示实施例，下面着重叙述图5所示实施例与图2所示实施例的不同之处，相同之处不再赘述。
步骤S510，在脉络膜特征参数为豹纹斑的等效面积占比的情况下，分别对第一区域的豹纹斑图像面积、第二区域的豹纹斑图像面积和第三区域的图像面积进行计算，确定视盘豹纹斑图像面积、黄斑豹纹斑图像面积和眼底豹纹斑图像面积。
示例性地，由于拍摄角度和/或拍摄位置的限制，第一区域中的视盘区域周围的部分区域可能存在不可见的情况，第二区域中的黄斑区域周围的部分区域可能存在不可见的情况，在脉络膜特征参数为豹纹斑的等效面积占比的情况下，需要对视盘豹纹斑图像面积和/或黄斑豹纹斑图像面积进行补偿处理。应当理解，第一区域和第二区域的面积可以根据视盘区域和黄斑区域，结合预设范围计算获得。预设范围根据需求设定。
示例性地，当视盘区域的面积小于第一区域面积且大于1/2第一区域面积和/或黄斑区域的面积小于第二区域的面积，且大于1/2第二区域面积时，才对第一区域和/或第二区域进行面积补偿，即，当第一区域中的图像面积小于第一区域面积，且大于1/2第一区域面积和/或第二区域中的图像面积小于第二区域面积且大于1/2第二区域面积时，才对第一区域面积和/或第二区域进行面积补偿，从而通过计算获得豹纹斑的等效面积占比。更近一步地，1/2是一种优选实施方式，本领域技术人员也可根据实际情况灵活定义该数值，以避免计算误差过大。
步骤S520，判断是否对视盘豹纹斑图像面积进行第一面积补偿处理。
示例性地，如果是以黄斑为中心拍摄的眼底图像，则对视盘豹纹斑图像面积进行第一面积补偿处理；如果是以视盘为中心拍摄的眼底图像，则无需对视盘豹纹斑图像面积进行补偿。如果是以黄斑为中心拍摄的眼底图像，通常由于拍摄角度限制，无法完全展示实际视盘区域的全部范围，因此需要对待评估眼底图像中的可见眼底结构的区域进行补偿，假设待评估眼底图像中的可见眼底结构的区域外的豹纹斑密度与待评估眼底图像中的可见眼底结构的区域内的豹纹斑密度相同。判断眼底图像是以视盘为中心拍摄的，还是以黄斑为中心拍摄的方法可根据定位视盘或者定位黄斑相当于眼底图像的位置关系确定，或者根据第一区域相对于第三区域的占比，或第二区域相对于第三区域的占比确定。
如果对视盘豹纹斑图像面积进行第一面积补偿处理，则执行步骤S530，如果不对视盘豹纹斑图像面积进行第一面积补偿处理，并执行步骤S540。
步骤S530，对视盘豹纹斑图像面积进行第一面积补偿处理，得到视盘豹纹斑理论面积。
示例性地，对视盘豹纹斑图像面积进行第一面积补偿处理，获得视盘豹纹斑理论面积，可以通过下式1-1获得。
式1-1
其中，指的是视盘豹纹斑理论面积，/>指的是视盘豹纹斑图像面积，/>指的是视盘区域豹纹斑图像的补偿面积。
视盘区域豹纹斑图像的补偿面积，可以通过下式1-2获得。
式1-2
其中，指的是视盘图像面积的补偿面积，/>指的是视盘图像的豹纹斑密度。
视盘图像面积的补偿面积可以通过下式1-3获得。
式1-3/>
其中，指的是第一区域面积，/>指的是视盘的图像面积。
应当理解，根据需求选取第一区域范围，获得第一区域的面积，因此第一区域的面积可以是通过预设范围确定的，例如：根据黄斑与视盘之间的距离，作为第一区域范围的预设半径，根据视盘中心，确定第一区域面积，或者根据第三区域确定预设范围半径，从而确定第一区域面积，或者根据视盘的长轴与预设倍数，确定预设范围半径，从而确定第一区域面积。
视盘图像的豹纹斑密度可以通过下式1-4获得。
式1-4
其中，指的是视盘豹纹斑图像面积，/>指的是视盘的图像面积。
示例性地，步骤S530执行完成，执行步骤S560。
步骤S540，判断是否对黄斑豹纹斑图像面积进行第一面积补偿处理。
示例性地，如果是以视盘为中心拍摄的眼底图像，则对黄斑豹纹斑图像面积进行第一面积补偿处理；如果是以黄斑为中心拍摄的眼底图像，则无需对视盘豹纹斑图像面积进行补偿。如果是以视盘为中心拍摄的眼底图像，通常由于拍摄角度限制，无法完全展示实际黄斑区域的全部范围，因此需要对待评估眼底图像中的可见眼底结构的区域进行补偿，假设待评估眼底图像中的可见眼底结构的区域外的豹纹斑密度与待评估眼底图像中的可见眼底结构的区域内的豹纹斑密度相同。
如果对黄斑豹纹斑图像面积进行第一面积补偿处理，则执行步骤S550，如果不对黄斑豹纹斑图像面积进行了面积补偿处理，则根据第二区域的豹纹斑面积和第三区域的豹纹斑面积确定评估结果。
步骤S550，对黄斑豹纹斑图像面积进行第一面积补偿处理，得到黄斑豹纹斑理论面积。
示例性地，对黄斑豹纹斑图像面积进行第一面积补偿处理，获得黄斑豹纹斑理论面积，黄斑豹纹斑理论面积可以通过下式1-5获得。
式1-5
在式1-5中，指的是黄斑豹纹斑理论面积，/>指的是黄斑豹纹斑图像面积，指的是黄斑区域豹纹斑图像的补偿面积。
黄斑区域豹纹斑图像的补偿面积，可以通过下式1-6获得。
式1-6
其中，指的黄斑图像面积的补偿面积，/>是黄斑图像的豹纹斑密度。
黄斑图像面积的补偿面积可以通过下式1-7获得。
式1-7
其中，指的是第二区域面积，/>指的是黄斑的图像面积。
应当理解，根据需求选取第二区域范围，获得第二区域的面积，因此第二区域的面积可以是固定值，例如：根据黄斑与视盘之间的距离，作为第二区域范围的预设半径，根据黄斑中心，确定第二区域面积，或者根据第三区域确定预设范围半径，从而确定第二区域面积，或者根据视盘的长轴与预设倍数，以黄斑中心为圆心，利用预设范围半径，确定第二区域面积。
黄斑图像的豹纹斑密度可以通过下式1-8获得。
式1-8
其中，指的是黄斑豹纹斑图像面积，/>指的是黄斑的图像面积。
示例性地，步骤S550执行完成，执行步骤S570。
步骤S560，根据视盘豹纹斑图像面积和视盘豹纹斑理论面积，对眼底豹纹斑图像面积进行第二面积补偿处理，得到眼底图像豹纹斑对应的第一理论面积，将眼底图像豹纹斑对应的第一理论面积，确定为眼底豹纹斑理论面积。
示例性地，对眼底豹纹斑图像面积进行第二面积补偿处理，得到眼底图像豹纹斑对应的第一理论面积，眼底图像豹纹斑对应的第一理论面积可以通过下式1-9获得。
式1-9
其中，指的是眼底图像豹纹斑对应的第一理论面积，/>指的是通过第一区域获得的第三区域图像面积的补偿面积，/>指的是眼底图像的豹纹斑密度。
当根据视盘豹纹斑图像面积和视盘豹纹斑理论面积对眼底豹纹斑图像面积进行第二面积补偿处理时，通过第一区域获得的第三区域图像面积的补偿面积可以通过下式1-10获得。
式1-10
其中，指的是视盘图像面积的补偿面积，同上述/>；/>指的是第三区域的图像面积；/>指的是第一区域面积，同上述/>。
示例性地，步骤S550执行完成，执行步骤S580。
在一些实施例中，上述步骤S520和步骤S540的顺序可以按照需求进行调整，也可同时进行，对应地，步骤S530和步骤S550的顺序可以按照需求进行调整，也可同时进行。
步骤S570，根据黄斑豹纹斑图像面积和黄斑豹纹斑理论面积，对眼底豹纹斑图像面积进行第三面积补偿处理，得到眼底图像豹纹斑第二理论面积，将眼底图像豹纹斑第二理论面积，确定为眼底豹纹斑理论面积。
示例性地，眼底豹纹斑图像面积进行第三面积补偿处理，得到眼底图像豹纹斑第二理论面积，眼底图像豹纹斑对应的第二理论面积可以通过下式1-11获得。
式1-11
其中，指的是眼底图像豹纹斑第二理论面积，/>指的是通过第二区域获得的第三区域图像面积的补偿面积，/>指的是眼底图像的豹纹斑密度。/>
根据黄斑豹纹斑图像面积和黄斑豹纹斑理论面积，对眼底豹纹斑图像面积进行第三面积补偿处理，得到眼底图像豹纹斑对应的第二理论面积，通过第二区域获得的第三区域图像面积的补偿面积，/>可以通过下式1-12获得。
式1-12
其中，指的是黄斑图像面积的补偿面积，同上述/>；/>指的是第二区域面积同上述/>；/>指的是第三区域的图像面积，同上述/>。
步骤S580，分别将视盘豹纹斑理论面积和黄斑豹纹斑理论面积确定为视盘区域豹纹斑面积和黄斑区域豹纹斑面积。
示例性地，将上述获得的视盘豹纹斑理论面积和黄斑豹纹斑理论面积/>确定为视盘区域豹纹斑面积和黄斑区域豹纹斑面积。
应当理解，如果是以视盘为中心拍摄的眼底图像，没有对第一区域进行面积补偿，视盘区域的豹纹斑的理论面积为视盘豹纹斑图像面积。如果是以黄斑为中心拍摄的眼底图像，没有对第二区域进行面积补偿，黄斑区域的豹纹斑的理论面积为视盘豹纹斑图像面积。
步骤S590，基于视盘区域的豹纹斑面积和眼底豹纹斑图像面积的比值，确定第一占比。
示例性地，确定第一占比可通过下式1-13获得。
式1-13
其中，指的是第一占比；/>指的是视盘豹纹斑理论面积，同上述/>；/>指的是眼底图像豹纹斑对应的第一理论面积，同上述/>；/>指的是视盘豹纹斑图像面积的补偿面积，同上述/>；/>指的是ROI区域的豹纹斑图像面积。
应当理解，如果并未对第一区域进行第一面积理论补偿，则第一占比等于视盘豹纹斑图像面积和眼底豹纹斑理论面积的比值。
步骤S5100，基于黄斑区域豹纹斑面积和眼底豹纹斑图像面积的比值，确定第二占比。
示例性地，确定第二占比可通过下式1-14获得。
式1-14
其中，指的是第二占比；/>指的是黄斑豹纹斑理论面积，同上述/>；/>指的是眼底图像豹纹斑对应的第二理论面积，同上述/>；/>指的是黄斑豹纹斑图像面积的补偿面积，同上述/>；/>指的是ROI区域的豹纹斑图像面积，同上述/>。
应当理解，如果并未对第二区域进行第一面积理论补偿，则第二占比等于黄斑豹纹斑图像面积和眼底豹纹斑理论面积的比值。
本公开实施例通过对眼底豹纹斑的图像面积进行面积补偿，能够在不同的拍摄角度下，对眼底结构图像的面积进行补偿，充分考虑了眼底的真实结构，定量化分析出豹纹斑的特征参数信息，使得后续的评估待评估图像的结果更加准确，进一步提高医生根据待评估图像确定后巩膜葡萄肿的分类结果的准确性的同时，还能够辅助医生对后巩膜葡萄肿相关的疾病进行量化描述依据。
图6所示为本公开另一实施例提供的高度近视眼底改变评估方法的流程示意图。在图2所示实施例基础上延伸出图6所示实施例，下面着重叙述图6所示实施例与图2所示实施例的不同之处，相同之处不再赘述。
如图6所示，本公开另一实施例提供的另一高度近视眼底改变评估方法在确定待评估眼底图像的第一区域、第二区域和第三区域之前，还包括如下步骤。
步骤S610，确定待评估对象的初始待评估眼底图像的豹纹斑区域。
步骤S620，分别计算初始待评估眼底图像的面积和初始待评估眼底图像的豹纹斑区域的面积，得到初始图像面积和初始图像豹纹斑面积。
步骤S630，基于初始图像豹纹斑面积和初始图像面积，确定豹纹斑密度。
示例性地，豹纹斑密度等于初始图像豹纹斑面积和初始图像面积的比值，能够体现豹纹斑面积在初始眼底图像面积中所占的比值。
步骤S640，判断豹纹斑密度是否大于预设密度阈值。
示例性地，如果豹纹斑密度大于预设密度阈值，则执行步骤S650，如果豹纹斑密度小于或等于预设密度阈值，说明初始待评估眼底图像中的豹纹斑密度较小，初始待评估眼底图像对应的待评估对象患后巩膜葡萄肿的概率很小，则不将初始待评估眼底图像确定为待评估眼底图像，即不对初始待评估眼底图像执行后续步骤。示例性地，预设阈值选取为0-0.5之间，具体地可以为0.03、0.05、0.08、0.1或者0.2，应当理解，预设阈值可以根据实际需求选取，本公开不对预设阈值进行具体限定。
步骤S650，将初始待评估眼底图像确定为待评估眼底图像。
本公开实施例通过对豹纹斑密度和预设阈值的判断，当豹纹斑密度大于预设阈值时，将初始待评估眼底图像确定为待评估眼底图像，能够减少评估过程的计算量，帮助医疗医生了解疾病进展，进一步为后续辅助医生确定后巩膜葡萄肿的类型节省时间，减少时间成本，从而有利于近视人群的无创便利筛查，为后巩膜葡萄肿在广大人群中普筛提供了基础。
本公开提供了一种高度近视眼底改变可视化方法，包括基于待评估眼底图像获取待评估眼底图像对应的病变分布情况，其中，待评估眼底图像对应的病变情况，基于上述所提及的任一评估方法确定；基于病变分布情况生成二维病变可视化图像或三维病变可视化图像。
示例性地，根据待评估眼底图像对应的病变分布情况，将不同病变分布对应的位置对应不同的数字，确定待评估眼底图像病变分布情况对应的数字图像。基于数字图像，通过映射处理，确定待处理眼底图像对应的二维病变可视化图像或三维病变可视化图像。或者基于数字图像，通过可视化工具处理，确定待处理眼底图像对应的二维病变可视化图像或三维病变可视化图像。示例性地，数字图像中的数字作为灰度值，通过映射到颜色空间，从而获得二维病变可视化图像（例如，热力图）。将数字图像映射到三维空间，确定三维病变可视化图像（例如，三维模型、等高线地形图）。通过本申请的方法能够帮助医疗医生了解疾病进展，有利于后巩膜加固术的风险评估及手术指导，便于通过可视化图像找到最佳手术位置，规划最佳最佳手术方法，提高后巩膜加固术手术效率。
本公开实施例基于病变分布情况生成二维病变可视化图像或三维病变可视化图像，能够使得病变分布情况更直观的被展示，能够更直接地辅助医生对病变分布情况进行了解，以及能够在帮助相关经验不足的医生对病变分布情况进行了解，从而推进后巩膜葡萄肿在广大人群中进行普筛的进程。
上文结合图1至图6，详细描述了本公开的方法实施例，下面结合图7，详细描述本公开的装置实施例。应理解，方法实施例的描述与装置实施例的描述相互对应，因此，未详细描述的部分可以参见前面方法实施例。
图7所示为本公开一实施例提供的高度近视眼底改变评估装置的结构示意图。如图7所示，本公开实施例提供的高度近视眼底改变评估装置包括：第一确定模块710，第二确定模块720，评估模块730。具体地，第一确定模块710，用于确定待评估眼底图像的第一区域、第二区域和第三区域，第一区域包括视盘区域和围绕视盘区域的周围区域，第二区域包括黄斑区域和围绕黄斑区域的周围区域，第三区域包括待评估眼底图像中的可见眼底结构的区域；第二确定模块720，用于确定第一区域、第二区域和第三区域各自的脉络膜特征参数；评估模块730，用于基于第一区域、第二区域和第三区域各自的脉络膜特征参数，评估待评估眼底图像对应的病变分布情况，其中，病变分布情况用于表征病变在待评估眼底图像中的位置分布情况。
在一些实施例中，评估模块730还用于，基于第一区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第一占比；基于第二区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第二占比；基于第一占比和第二占比，评估待评估眼底图像对应的病变分布情况。
在一些实施例中，病变分布情况包括病变分布在第一预设病变位置和/或病变分布在第二预设病变位置，评估模块730还用于，若第一占比小于第一预设阈值，且第二占比小于第一预设阈值，确定病变分布在第一预设病变位置；若第一占比和第二占比中的至少一个大于第一预设阈值，且第一占比小于第二占比，确定病变分布在第二预设病变位置。
在一些实施例中，评估模块730还用于，确定第一区域的下方盘沿区域、上方盘沿区域、鼻侧盘沿区域、颞侧盘沿区域；分别提取下方盘沿区域中的脉络膜特征参数、上方盘沿区域中的脉络膜特征参数、鼻侧盘沿区域中的脉络膜特征参数和颞侧盘沿区域中的脉络膜特征参数；若第一占比和第二占比中的至少一个大于所述第一预设阈值，且第一占比大于第二占比，基于下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数、颞侧盘沿区域中脉络膜特征参数，确定病变分布情况。
在一些实施例中，病变分布情况还包括病变分布在第三预设病变位置和/或病变分布在第四预设病变位置和/或病变分布在第五预设病变位置；评估模块730还用于，若下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数均小于第二预设阈值，确定病变分布在第三预设病变位置；若下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数中的至少一个大于所述第二预设阈值，且上方盘沿区域中脉络膜特征参数、下方盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数均小于鼻侧盘沿区域中脉络膜特征参数，确定病变分布在所述第四预设病变位置；若下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数中的至少一个大于第二预设阈值，且上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数均小于下方盘沿区域中脉络膜特征参数，确定病变分布在所述第五预设病变位置；若下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数中的至少一个大于第二预设阈值，且上方盘沿区域中脉络膜特征参数大于或等于下方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数、颞侧盘沿区域中脉络膜特征参数中的至少一个，确定病变分布在所述第三预设病变位置；若下方盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数和颞侧盘沿区域中脉络膜特征参数中的至少一个大于第二预设阈值，且颞侧盘沿区域中脉络膜特征参数大于或等于下方盘沿区域中脉络膜特征参数、鼻侧盘沿区域中脉络膜特征参数、上方盘沿区域中脉络膜特征参数中的至少一个，确定病变分布在第三预设病变位置。
在一些实施例中，脉络膜特征参数包括豹纹斑特征参数、脉络膜弥漫性萎缩灶和脉络膜局限性萎缩灶中的至少一种；其中，豹纹斑特征参数包括豹纹斑的面积，豹纹斑的密度，豹纹斑的等效面积占比，豹纹斑的形态数据，豹纹斑的分型维数中的至少一种。
在一些实施例中，评估模块730还用于，在脉络膜特征参数为豹纹斑的等效面积占比的情况下，分别对第一区域的豹纹斑图像面积、第二区域的豹纹斑图像面积和第三区域的豹纹斑图像面积进行计算，确定视盘豹纹斑图像面积、黄斑豹纹斑图像面积和眼底豹纹斑图像面积；对视盘豹纹斑图像面积或黄斑豹纹斑图像面积进行第一面积补偿处理，得到视盘豹纹斑理论面积和黄斑豹纹斑理论面积；分别将视盘豹纹斑理论面积和黄斑豹纹斑理论面积确定为视盘区域豹纹斑面积和黄斑区域豹纹斑面积；如果对视盘豹纹斑图像面积进行了第一面积补偿处理，根据视盘豹纹斑图像面积和视盘豹纹斑理论面积对眼底豹纹斑图像面积进行第二面积补偿处理，得到眼底图像豹纹斑对应的第一理论面积，将眼底图像豹纹斑对应的第一理论面积，确定为眼底豹纹斑理论面积；如果对黄斑豹纹斑图像面积进行了第一面积补偿处理，根据黄斑豹纹斑图像面积和黄斑豹纹斑理论面积，对眼底豹纹斑图像面积进行第三面积补偿处理，得到眼底图像豹纹斑对应的第二理论面积，将眼底图像豹纹斑对应的第二理论面积，确定为眼底豹纹斑理论面积。基于第一区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第一占比，包括：基于视盘区域的豹纹斑面积和眼底豹纹斑理论面积的比值，确定第一占比；基于第二区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第二占比，包括：基于黄斑区域豹纹斑面积和眼底豹纹斑理论面积的比值，确定第二占比。
在一些实施例中，评估模块730还用于，在脉络膜特征参数为所述豹纹斑的面积的情况下，分别对第一区域的豹纹斑图像面积、第二区域的豹纹斑图像面积和第三区域的豹纹斑图像面积进行计算，确定第一区域豹纹斑的面积、第二区域豹纹斑的面积和第三区域豹纹斑的面积；基于第一区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第一占比，包括：基于第一区域的豹纹斑的面积和第三区域的豹纹斑的面积的比值，确定第一占比；基于第二区域的脉络膜特征参数和第三区域的脉络膜特征参数的比值，确定第二占比，包括：基于第二区域的豹纹斑面积和第三区域的豹纹斑面积的比值，确定第二占比。
在一些实施例中，第一确定模块710还用于，确定待评估对象的初始待评估眼底图像的豹纹斑区域；分别计算初始待评估眼底图像的面积和初始待评估眼底图像的豹纹斑区域的面积，得到初始图像面积和初始图像豹纹斑面积；基于初始图像豹纹斑面积和初始图像面积，确定豹纹斑密度；如果豹纹斑密度大于预设密度阈值，将初始待评估眼底图像确定为待评估眼底图像。
图8所示为本公开一实施例提供的高度近视眼底改变可视化装置的结构示意图。本公开一实施例提供的高度近视眼底改变可视化装置800包括获取模块810和可视化模块820；具体地，获取模块810用于，基于待评估眼底图像获取待评估眼底图像对应的病变分布情况，其中，待评估眼底图像对应的病变情况，基于上述任一项所述的评估方法确定；可视化模块820用于，基于病变分布情况生成二维病变可视化图像或三维病变可视化图像。
下面，参考图9来描述根据本申请实施例的电子设备。图9所示为本公开一示例性实施例提供的电子设备的结构示意图。图9所示为本公开的一实施例提供的电子设备的结构示意图。
图9所示为本公开一实施例提供的电子设备的结构示意图。图9所示的电子设备900（该电子设备900具体可以是一种计算机设备）包括存储器901、处理器902、通信接口903以及总线904。其中，存储器901、处理器902、通信接口903通过总线904实现彼此之间的通信连接。
存储器901可以是只读存储器（Read Only Memory，ROM），静态存储设备，动态存储设备或者随机存取存储器（Random Access Memory，RAM）。存储器901可以存储程序，当存储器901中存储的程序被处理器902执行时，处理器902和通信接口903用于执行本公开实施例的高度近视眼底改变评估方法中的各个步骤。
处理器902可以采用通用的中央处理器（Central Processing Unit，CPU），微处理器，应用专用集成电路（Application Specific Integrated Circuit，ASIC），图形处理器（Graphics Processing Unit，GPU）或者一个或多个集成电路，用于执行相关程序，以实现本公开实施例的高度近视眼底改变评估装置中的各个单元所需执行的功能。
处理器902还可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，本公开的高度近视眼底改变评估方法的各个步骤可以通过处理器902中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器902还可以是通用处理器、数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（ASIC）、现场可编程门阵列（FieldProgrammable 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。可以实现或者执行本公开实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器901，处理器902读取存储器901中的信息，结合其硬件完成本公开实施例的高度近视眼底改变评估装置包括的单元所需执行的功能，或者执行本公开实施例的高度近视眼底改变评估方法。
通信接口903使用例如但不限于收发器一类的收发装置，来实现电子设备900与其他设备或通信网络之间的通信。例如，可以通过通信接口903获取待评估眼底图像。
总线904可包括在电子设备900各个部件（例如，存储器901、处理器902、通信接口903）之间传送信息的通路。
应注意，尽管图9所示的电子设备900仅仅示出了存储器、处理器、通信接口，但是在具体实现过程中，本领域的技术人员应当理解，电子设备900还包括实现正常运行所必需的其他器件。同时，根据具体需要，本领域的技术人员应当理解，电子设备900还可包括实现其他附加功能的硬件器件。此外，本领域的技术人员应当理解，电子设备900也可仅仅包括实现本公开实施例所必需的器件，而不必包括图9中所示的全部器件。
本领域普通技术人员可以意识到，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、或者计算机软件和电子硬件的结合来实现。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公开的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元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。
所述功能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，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。
Claims (13)
1.一种高度近视眼底改变评估方法，其特征在于，包括：
确定待评估眼底图像的第一区域、第二区域和第三区域，所述第一区域包括视盘区域和围绕所述视盘区域的周围区域，所述第二区域包括黄斑区域和围绕所述黄斑区域的周围区域，所述第三区域包括所述待评估眼底图像中的可见眼底结构的区域；
确定所述第一区域、所述第二区域和所述第三区域各自的脉络膜特征参数；
基于所述第一区域、所述第二区域和所述第三区域各自的脉络膜特征参数，评估所述待评估眼底图像对应的病变分布情况，其中，所述病变分布情况用于表征病变在所述待评估眼底图像中的位置分布情况，所述病变分布情况包括病变的位置，所述病变包括后巩膜葡萄肿，所述位置用于评估病变类型。
2.根据权利要求1所述的评估方法，其特征在于，所述第一区域、所述第二区域和所述第三区域各自的脉络膜特征参数，评估所述待评估眼底图像对应的病变分布情况，包括：
基于所述第一区域的脉络膜特征参数和所述第三区域的脉络膜特征参数的比值，确定第一占比；
基于所述第二区域的脉络膜特征参数和所述第三区域的脉络膜特征参数的比值，确定第二占比；
基于所述第一占比和所述第二占比，评估所述待评估眼底图像对应的病变分布情况。
3.根据权利要求2所述的评估方法，其特征在于，所述病变分布情况包括所述病变分布在第一预设病变位置和/或所述病变分布在第二预设病变位置；所述基于所述第一占比和所述第二占比，评估所述待评估眼底图像对应的病变分布，包括：
若所述第一占比小于第一预设阈值，且所述第二占比小于所述第一预设阈值，确定所述病变分布在所述第一预设病变位置；
若所述第一占比和所述第二占比中的至少一个大于所述第一预设阈值，且所述第一占比小于所述第二占比，确定所述病变分布在所述第二预设病变位置。
4.根据权利要求3所述的评估方法，其特征在于，还包括：
确定所述第一区域的下方盘沿区域、上方盘沿区域、鼻侧盘沿区域、颞侧盘沿区域；
分别提取所述下方盘沿区域中的脉络膜特征参数、所述上方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数和所述颞侧盘沿区域中的脉络膜特征参数；
若所述第一占比和所述第二占比中的至少一个大于所述第一预设阈值，且所述第一占比大于所述第二占比，基于所述下方盘沿区域中的脉络膜特征参数、所述上方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数、所述颞侧盘沿区域中的脉络膜特征参数，确定所述病变分布情况。
5.根据权利要求4所述的评估方法，其特征在于，所述病变分布情况还包括所述病变分布在第三预设病变位置和/或所述病变分布在第四预设病变位置和/或所述病变分布在第五预设病变位置；所述基于所述下方盘沿区域中的脉络膜特征参数、所述上方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数和所述颞侧盘沿区域中的脉络膜特征参数，确定所述病变分布情况，包括：
若所述下方盘沿区域中的脉络膜特征参数、所述上方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数和所述颞侧盘沿区域中的脉络膜特征参数均小于第二预设阈值，确定所述病变分布在所述第三预设病变位置；
若所述下方盘沿区域中的脉络膜特征参数、所述上方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数和所述颞侧盘沿区域中的脉络膜特征参数中的至少一个大于所述第二预设阈值，且所述上方盘沿区域中的脉络膜特征参数、所述下方盘沿区域中的脉络膜特征参数和所述颞侧盘沿区域中的脉络膜特征参数均小于所述鼻侧盘沿区域中的脉络膜特征参数，确定所述病变分布在所述第四预设病变位置；
若所述下方盘沿区域中的脉络膜特征参数、所述上方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数和所述颞侧盘沿区域中的脉络膜特征参数中的至少一个大于所述第二预设阈值，且所述上方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数和所述颞侧盘沿区域中的脉络膜特征参数均小于所述下方盘沿区域中的脉络膜特征参数，确定所述病变分布在所述第五预设病变位置；
若所述下方盘沿区域中的脉络膜特征参数、所述上方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数和所述颞侧盘沿区域中的脉络膜特征参数中的至少一个大于所述第二预设阈值，且所述上方盘沿区域中的脉络膜特征参数大于或等于所述下方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数、所述颞侧盘沿区域中的脉络膜特征参数中的至少一个，确定所述病变分布在所述第三预设病变位置；
若所述下方盘沿区域中的脉络膜特征参数、所述上方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数和所述颞侧盘沿区域中的脉络膜特征参数中的至少一个大于所述第二预设阈值，且所述颞侧盘沿区域中的脉络膜特征参数大于或等于所述下方盘沿区域中的脉络膜特征参数、所述鼻侧盘沿区域中的脉络膜特征参数、所述上方盘沿区域中的脉络膜特征参数中的至少一个，确定所述病变分布在所述第三预设病变位置。
6.根据权利要求2至5任一所述的评估方法，其特征在于，所述脉络膜特征参数包括豹纹斑特征参数、脉络膜弥漫性萎缩灶特征参数和脉络膜局限性萎缩灶特征参数中的至少一种；其中，豹纹斑特征参数包括豹纹斑的面积，豹纹斑的密度，豹纹斑的等效面积占比，豹纹斑的形态数据，豹纹斑的分型维数中的至少一种，所述脉络膜弥漫性萎缩灶特征参数和所述脉络膜局限性萎缩灶特征参数包括脉络膜弥漫性萎缩灶或脉络膜局限性萎缩灶的面积、大小、位置和形状。
7.根据权利要求6所述的评估方法，其特征在于，还包括：
在所述脉络膜特征参数为所述豹纹斑的等效面积占比的情况下，分别对所述第一区域的豹纹斑图像面积、所述第二区域的豹纹斑图像面积和所述第三区域的豹纹斑图像面积进行计算，确定视盘豹纹斑图像面积、黄斑豹纹斑图像面积和眼底豹纹斑图像面积；
对所述视盘豹纹斑图像面积或所述黄斑豹纹斑图像面积进行第一面积补偿处理，得到视盘豹纹斑理论面积或黄斑豹纹斑理论面积；
分别将视盘豹纹斑理论面积和黄斑豹纹斑理论面积确定为视盘区域豹纹斑面积和黄斑区域豹纹斑面积；
如果对所述视盘豹纹斑图像面积进行了所述第一面积补偿处理，根据所述视盘豹纹斑图像面积和所述视盘豹纹斑理论面积对所述眼底豹纹斑图像面积进行第二面积补偿处理，得到眼底图像豹纹斑对应的第一理论面积，将所述眼底图像豹纹斑对应的第一理论面积，确定为眼底豹纹斑理论面积；
如果对所述黄斑豹纹斑图像面积进行了所述第一面积补偿处理，根据所述黄斑豹纹斑图像面积和所述黄斑豹纹斑理论面积，对所述眼底豹纹斑图像面积进行第三面积补偿处理，得到眼底图像豹纹斑对应的第二理论面积，将所述眼底图像豹纹斑对应的第二理论面积，确定为所述眼底豹纹斑理论面积；
所述基于所述第一区域的脉络膜特征参数和所述第三区域的脉络膜特征参数的比值，确定第一占比，包括：
基于所述视盘区域的豹纹斑面积和所述眼底豹纹斑理论面积的比值，确定所述第一占比；
所述基于所述第二区域的脉络膜特征参数和所述第三区域的脉络膜特征参数的比值，确定第二占比，包括：
基于所述黄斑区域豹纹斑面积和所述眼底豹纹斑理论面积的比值，确定所述第二占比。
8.根据权利要求6所述的评估方法，其特征在于，还包括：
在所述脉络膜特征参数为所述豹纹斑的面积的情况下，分别对所述第一区域的豹纹斑图像面积、所述第二区域的豹纹斑图像面积和所述第三区域的豹纹斑图像面积进行计算，确定第一区域豹纹斑的面积、第二区域豹纹斑的面积和第三区域豹纹斑的面积；
所述基于所述第一区域的脉络膜特征参数和所述第三区域的脉络膜特征参数的比值，确定第一占比，包括：
基于所述第一区域的豹纹斑的面积和所述第三区域的豹纹斑的面积的比值，确定所述第一占比；
所述基于所述第二区域的脉络膜特征参数和所述第三区域的脉络膜特征参数的比值，确定第二占比，包括：
基于所述第二区域豹纹斑的面积和所述第三区域豹纹斑的面积的比值，确定所述第二占比。
9.根据权利要求1至5任一所述的评估方法，其特征在于，在所述确定所述待评估眼底图像的第一区域、第二区域和第三区域之前，还包括：
确定待评估对象的初始待评估眼底图像的豹纹斑区域；
分别计算所述初始待评估眼底图像的面积和所述初始待评估眼底图像的豹纹斑区域的面积，得到初始图像面积和初始图像豹纹斑面积；
基于所述初始图像豹纹斑面积和所述初始图像面积，确定豹纹斑密度；
如果所述豹纹斑密度大于预设密度阈值，将所述初始待评估眼底图像确定为所述待评估眼底图像。
10.一种高度近视眼底改变可视化方法，其特征在于，包括：
基于待评估眼底图像获取所述待评估眼底图像对应的病变分布情况，其中，所述待评估眼底图像对应的病变情况，基于权利要求1至9中任一项所述的评估方法确定；
基于所述病变分布情况生成二维病变可视化图像或三维病变可视化图像。
11.一种高度近视眼底改变评估装置，其特征在于，包括：
第一确定模块，用于确定待评估眼底图像的第一区域、第二区域和第三区域，所述第一区域包括视盘区域和围绕所述视盘区域的周围区域，所述第二区域包括黄斑区域和围绕所述黄斑区域的周围区域，所述第三区域包括所述待评估眼底图像中的可见眼底结构的区域；
第二确定模块，用于确定所述第一区域中、所述第二区域和所述第三区域中各自的脉络膜特征参数；
评估模块，用于基于所述第一区域、所述第二区域和所述第三区域各自的脉络膜特征参数，评估所述待评估眼底图像对应的病变分布情况，其中，所述病变分布情况用于表征病变在所述待评估眼底图像中的位置分布情况，所述病变分布情况包括病变的位置，所述病变包括后巩膜葡萄肿，所述位置用于评估病变类型。
12.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器，
其中，所述处理器用于执行上述权利要求1至10任一项所述的方法。
13.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1至10任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310768766.3A CN116491893B (zh) | 2023-06-28 | 2023-06-28 | 高度近视眼底改变评估方法及装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310768766.3A CN116491893B (zh) | 2023-06-28 | 2023-06-28 | 高度近视眼底改变评估方法及装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116491893A CN116491893A (zh) | 2023-07-28 |
| CN116491893B true CN116491893B (zh) | 2023-09-15 |
Family
ID=87320609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310768766.3A Active CN116491893B (zh) | 2023-06-28 | 2023-06-28 | 高度近视眼底改变评估方法及装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116491893B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN117611585A (zh) * | 2024-01-22 | 2024-02-27 | 天津医科大学眼科医院 | 一种基于图像处理的眼球壁形变分析方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105023567A (zh) * | 2015-07-06 | 2015-11-04 | 珠海格力电器股份有限公司 | 共振式消音器 |
| CN109528155A (zh) * | 2018-11-19 | 2019-03-29 | 复旦大学附属眼耳鼻喉科医院 | 一种适用于高度近视并发开角型青光眼的智能筛查系统及其建立方法 |
| WO2020147263A1 (zh) * | 2019-01-18 | 2020-07-23 | 平安科技（深圳）有限公司 | 一种评估眼底图像质量的方法、装置及存储介质 |
| CN112513999A (zh) * | 2017-10-13 | 2021-03-16 | 人工智能技术公司 | 眼科疾病和病症的基于深度学习的诊断和转诊 |
| CN212716821U (zh) * | 2020-08-12 | 2021-03-16 | 重庆凯宝动力机械有限公司 | 一种用于汽油发动机排气系统的消声器 |
| CN113487582A (zh) * | 2021-07-16 | 2021-10-08 | 依未科技(北京)有限公司 | 图像评估方法及装置、计算机可读存储介质及电子设备 |
| CN113768461A (zh) * | 2021-09-14 | 2021-12-10 | 北京鹰瞳科技发展股份有限公司 | 一种眼底图像分析方法、系统和电子设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016002380A (ja) * | 2014-06-18 | 2016-01-12 | キヤノン株式会社 | 画像処理装置、その作動方法及びプログラム |
| JP2022109721A (ja) * | 2021-01-15 | 2022-07-28 | 株式会社ニコン | 画像処理方法、画像処理装置、及びプログラム |
-
2023
- 2023-06-28 CN CN202310768766.3A patent/CN116491893B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105023567A (zh) * | 2015-07-06 | 2015-11-04 | 珠海格力电器股份有限公司 | 共振式消音器 |
| CN112513999A (zh) * | 2017-10-13 | 2021-03-16 | 人工智能技术公司 | 眼科疾病和病症的基于深度学习的诊断和转诊 |
| CN109528155A (zh) * | 2018-11-19 | 2019-03-29 | 复旦大学附属眼耳鼻喉科医院 | 一种适用于高度近视并发开角型青光眼的智能筛查系统及其建立方法 |
| WO2020147263A1 (zh) * | 2019-01-18 | 2020-07-23 | 平安科技（深圳）有限公司 | 一种评估眼底图像质量的方法、装置及存储介质 |
| CN212716821U (zh) * | 2020-08-12 | 2021-03-16 | 重庆凯宝动力机械有限公司 | 一种用于汽油发动机排气系统的消声器 |
| CN113487582A (zh) * | 2021-07-16 | 2021-10-08 | 依未科技(北京)有限公司 | 图像评估方法及装置、计算机可读存储介质及电子设备 |
| CN113768461A (zh) * | 2021-09-14 | 2021-12-10 | 北京鹰瞳科技发展股份有限公司 | 一种眼底图像分析方法、系统和电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 高度近视眼底及后极部的影像学评估;庞雪娜;杨鸽;万文萃;刘宇莹;杨果果;金学民;;眼科新进展(05);第461-465页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116491893A (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116491893B (zh) | 高度近视眼底改变评估方法及装置、电子设备及存储介质 | |
| JP7058373B2 (ja) | 医療画像に対する病変の検出及び位置決め方法、装置、デバイス、及び記憶媒体 | |
| CN102525381B (zh) | 图像处理装置、图像处理方法及计算机可读取的记录装置 | |
| WO2019037676A1 (zh) | 图像处理方法及装置 | |
| CN110889826A (zh) | 眼部oct图像病灶区域的分割方法、装置及终端设备 | |
| US11954860B2 (en) | Image matching method and device, and storage medium | |
| EP2463822A1 (en) | Image processing apparatus, image processing method and image processing program | |
| EP3741288A1 (en) | Diagnosis support device, learning device, diagnosis support method, learning method, and program | |
| JP7270686B2 (ja) | 画像処理システムおよび画像処理方法 | |
| Mrad et al. | A fast and accurate method for glaucoma screening from smartphone-captured fundus images | |
| CN109215039B (zh) | 一种基于神经网络的眼底图片的处理方法 | |
| CN112384127A (zh) | 眼睑下垂检测方法及系统 | |
| KR102122302B1 (ko) | 안저 촬영기를 제어하는 방법 및 이를 이용한 장치 | |
| CN114937024A (zh) | 图像评估方法、装置和计算机设备 | |
| CN113349810B (zh) | 脑出血病灶识别及血肿扩大预测系统及装置 | |
| JP2008073280A (ja) | 眼底画像処理装置 | |
| KR102596340B1 (ko) | 안질환 시야 손상 예후 예측 시스템 및 방법과 이를 위한 컴퓨터 프로그램 | |
| KR100930594B1 (ko) | 안면 영상 촬영장치 및 그의 안면 특징점 검출 방법 | |
| CN111588345A (zh) | 眼部疾病检测方法、ar眼镜及可读存储介质 | |
| CN112734701A (zh) | 眼底病灶检测方法、检测装置及终端设备 | |
| CN116503405B (zh) | 近视眼底改变可视化方法、装置、存储介质及电子设备 | |
| CN113506313A (zh) | 图像处理方法及相关装置和电子设备、存储介质 | |
| CN109715044B (zh) | 测量人的视觉敏锐度 | |
| JP6481432B2 (ja) | 眼底画像処理装置 | |
| CN116831516B (zh) | 一种角膜曲率的生成方法及装置 |
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 |