CN117437231B - 近视眼底结构改变的定位方法及装置、图像处理方法 - Google Patents
近视眼底结构改变的定位方法及装置、图像处理方法 Download PDFInfo
- Publication number
- CN117437231B CN117437231B CN202311763393.7A CN202311763393A CN117437231B CN 117437231 B CN117437231 B CN 117437231B CN 202311763393 A CN202311763393 A CN 202311763393A CN 117437231 B CN117437231 B CN 117437231B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- fundus
- determining
- atrophy
- 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
- 230000008859 change Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 230000004379 myopia Effects 0.000 title abstract description 31
- 208000001491 myopia Diseases 0.000 title abstract description 31
- 206010003694 Atrophy Diseases 0.000 claims abstract description 57
- 230000037444 atrophy Effects 0.000 claims abstract description 57
- 230000008961 swelling Effects 0.000 claims abstract description 49
- 241000219095 Vitis Species 0.000 claims abstract description 47
- 235000009754 Vitis X bourquina Nutrition 0.000 claims abstract description 47
- 235000012333 Vitis X labruscana Nutrition 0.000 claims abstract description 47
- 235000014787 Vitis vinifera Nutrition 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000011218 segmentation Effects 0.000 claims description 29
- 230000009466 transformation Effects 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 13
- 238000004891 communication Methods 0.000 description 11
- 206010039705 Scleritis Diseases 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 201000004849 posterior scleritis Diseases 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004402 high myopia Effects 0.000 description 4
- 206010025421 Macule Diseases 0.000 description 3
- 241000282373 Panthera pardus Species 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
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 208000002177 Cataract Diseases 0.000 description 1
- 208000010412 Glaucoma Diseases 0.000 description 1
- 208000017442 Retinal disease Diseases 0.000 description 1
- 206010038923 Retinopathy Diseases 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Ophthalmology & Optometry (AREA)
- Quality & Reliability (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本公开披露一种近视眼底结构改变的定位方法及装置、图像处理方法涉及图像处理技术领域。该近视眼底结构改变的定位方法包括:确定待评估眼底图像的视盘区域和萎缩弧区域;基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域,近视眼底结构改变包括后巩膜葡萄肿。本公开实施例通过萎缩弧区域确定眼底结构改变的图像区域,近视眼底结构改变包括后巩膜葡萄肿,医生能够根据眼底结构的改变区域实现后巩膜葡萄肿的诊断,从而降低了后巩膜葡萄肿的误诊和漏诊的概率。
Description
技术领域
本公开属于图像处理技术领域,具体涉及一种近视眼底结构改变的定位方法及装置、图像处理方法。
背景技术
近视作为一种疾病,给人们的生活带来了极大的不便,并且随着度数增长眼轴会越来越长,特别是近视度数大于600度的高度近视,眼轴增长导致眼底病变出现的可能性大大增加。例如,高度近视可能会引起后巩膜葡萄肿的并发症,若不及时治疗,会导致患者的视功能下降,严重者甚至可能致盲。
然而,传统确定后巩膜葡萄肿的方式主要依赖医生自身经验判断,医生根据眼底图像的改变,对后巩膜葡萄肿进行诊断。但是,由于医生自身经验的差异,会造成后巩膜葡萄肿诊断出现误诊或漏诊的情况。
发明内容
有鉴于此,本公开提供一种近视眼底结构改变的定位方法及装置、图像处理方法,该定位方法能够辅助医生通过萎缩弧区域确定后巩膜葡萄肿所在区域,从而减少传统后巩膜葡萄肿的诊断存在漏诊和误诊的问题。
第一方面,本公开一实施例提供的近视眼底结构改变的定位方法,包括:确定待评估眼底图像的视盘区域和萎缩弧区域;基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域,近视眼底结构改变包括后巩膜葡萄肿。
结合第一方面,在第一方面的某些实现方式中,基于视盘区域的中心点和所述萎缩弧区域的中心点,确定近视眼底结构改变的图像区域,包括:基于视盘区域的中心点和萎缩弧区域的中心点,确定视盘区域的中心点和萎缩弧区域的中心点的中心连线;向视盘区域的中心点指向萎缩弧区域的中心点的方向延长中心连线,确定中心连线的延长线;基于中心连线的延长线,确定近视眼底结构改变的图像区域。
结合第一方面,在第一方面的某些实现方式中,该定位方法还包括:确定水平线与中心连线的夹角;基于夹角,确定中心连线于水平线的相对位置。
结合第一方面,在第一方面的某些实现方式中,在基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域之前,该定位方法还包括:对待评估眼底图像的萎缩弧区域进行距离变换处理,确定萎缩弧区域对应的距离变换图像;利用预设阈值,对距离变换图像进行阈值分割,确定距离变换图像对应的阈值分割图像;基于距离变换图像对应的阈值分割图像,确定萎缩弧区域的中心点。
结合第一方面,在第一方面的某些实现方式中,在利用预设阈值,对距离变换图像进行阈值分割,确定距离变换图像对应的阈值分割图像之前,该定位方法还包括:基于距离变换图像,确定距离变换图像的灰度值;基于距离变换图像的灰度值,确定预设阈值。
结合第一方面,在第一方面的某些实现方式中,在基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域之前,该定位还包括:对待评估眼底图像的视盘区域进行提取,确定待评估眼底图像的视盘区域;确定视盘区域的外接图形,确定视盘区域的中心点。
第二方面,本公开一实施例提供一种图像处理方法,包括:获取待处理眼底图像;利用上述第一方面所提及的方法,获取待处理眼底图像的近视眼底结构改变的图像区域;基于待处理眼底图像的近视眼底结构改变的图像区域,确定近视眼底结构改变的图像区域相对于待处理眼底图像的分布情况。
第三方面,本公开一实施例提供的近视眼底结构改变的定位装置,包括:确定模块,用于确定待评估眼底图像的视盘区域和萎缩弧区域;定位模块,用于基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域,近视眼底结构改变包括后巩膜葡萄肿。
第四方面,本公开一实施例提供的图像处理装置,包括:第一获取模块,用于获取待处理眼底图像;第二获取模块,用于利用上述第一方面提及的方法,获取待处理眼底图像的近视眼底结构改变的图像区域;处理模块,用于基于待处理眼底图像的近视眼底结构改变的图像区域,确定近视眼底结构改变的图像区域相对于待处理眼底图像的分布情况。
第五方面,本公开一实施例提供的一种电子设备,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。
本公开实施例提供的近视眼底结构改变的定位方法包括确定待评估眼底图像的视盘区域和萎缩弧区域;基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域,近视眼底结构改变包括后巩膜葡萄肿。本公开实施例通过萎缩弧区域确定眼底结构改变的图像区域,近视眼底结构改变包括后巩膜葡萄肿,医生能够根据眼底结构的改变区域实现后巩膜葡萄肿的诊断,从而降低了后巩膜葡萄肿的误诊和漏诊的概率。
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所示为本公开的一实施例提供的应用场景示意图。
图2所示为本公开的一实施例提供的近视眼底结构改变的定位方法的流程示意图。
图3所示为本公开的一实施例提供的基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域的流程示意图。
图4所示为本公开的另一实施例提供的近视眼底结构改变的定位方法的流程示意图。
图5所示为本公开的另一实施例提供的近视眼底结构改变的定位方法的流程示意图。
图6所示为本公开的一实施例提供的图像处理方法的流程示意图。
图7所示为本公开的一实施例提供的近视眼底结构改变装置的定位装置的结构示意图。
图8所示为本公开的一实施例提供的图像处理装置的结构示意图。
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。
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。
近视作为一种疾病,给人们的生活带来了极大的不便,并且随着度数增长眼轴会越来越长,特别是近视度数大于600度的高度近视,眼轴增长导致眼底病变出现的可能性大大增加。例如,高度近视会增加青光眼、白内障、视网膜病变的几率,并且可能会引起后巩膜葡萄肿的并发症,后巩膜葡萄肿一般会发生在黄斑区或黄斑临近的区域。若不及时质量,会导致患者的视功能下降,严重者甚至可能致盲。
然而,传统确定后巩膜葡萄肿的方式主要依赖医生自身经验判断,医生根据眼底图像的改变(例如,眼底豹纹斑),对后巩膜葡萄肿进行诊断。但是,由于医生自身经验的差异,医生在结合眼底豹纹斑的进行诊断时,会造成后巩膜葡萄肿诊断出现误诊或漏诊的情况。此外,眼底豹纹斑发展到一定程度后,会出现消失的情况,这样极大的增加了对后巩膜葡萄肿的误诊和漏诊的概率。
因此,亟需一种近视眼底结构改变的定位方法,能够辅助医生对后巩膜葡萄肿进行诊断,减小对后巩膜葡萄肿的误诊和漏诊的概率,避免错过患者的最佳治疗时机,延误的后续治疗。
下面结合图1对本公开一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的应用场景示意图。如图1所示,该场景为的对近视眼底结构改变的定位场景。具体而言,对近视眼底结构改变的定位的场景包括服务器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,发出对近视眼底结构改变的定位的指令,服务器110在接收到该指令后,确定待评估眼底图像的视盘区域和萎缩弧区域;基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域,近视眼底结构改变包括后巩膜葡萄肿。服务器110将定位结果,发送至用户终端120,以便用户通过用户终端120查看定位结果。
示例性地,上述提及的待评估眼底图像包括但不限于同一或不同患者在治疗期间医疗机构保存的所有图像数据、用户输入的一个或多个患者的相关眼底图像数据,一个或多个患者在就诊期间根据需求拍摄的眼底图像数据,待评估眼底图像可以为45°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。示例性地,服务器110能够直接接收待评估眼底图像,也可以从数据存储装置中获取。
示例性地,上述提及的用户可以是医生,相关疾病研究人员或者其他想要了解眼底结构改变的位置的人员,本公开不对用户的具体人员类型做进一步限定。
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及平板电脑、手机等移动终端。
下面结合图2至图5对本公开提供的近视眼底结构改变的定位方法进行简单的介绍。
图2所示为本公开的一实施例提供的近视眼底结构改变的定位方法的流程示意图。如图2所示,本公开实施例提供的近视眼底结构改变的定位方法包括如下步骤。
步骤S210,确定待评估眼底图像的视盘区域和萎缩弧区域。
示例性地,基于待评估眼底图像,对待评估眼底图像进行分割提取,提取待评估眼底图像的视盘区域和萎缩弧区域。示例性地,可以采用训练好的分割模型对待评估眼底图像的视盘区域和萎缩弧区域进行分割,还可以采用阈值分割等常见的图像分割方法,对待评估眼底图像的视盘区域和萎缩弧区域进行分割。应当理解,对待评估眼底图像的视盘区域和萎缩弧区域进行分割的方法均可采用,只要能够实现待评估眼底图像的视盘区域和萎缩弧区域分割即可。本公开实施例不对确定待评估眼底图像的视盘区域和萎缩弧区域的具体方法作进一步限定。
在一些实施例中,获取初始待评估眼底图像,对初始待待评估眼底图像进行预处理,确定待评估眼底图像。对初始待评估眼底图像的预处理包括但不限于,对初始待评估眼底图像进行感兴趣区域(Region Of Interest,ROI)提取,对初始待评估眼底图像进行图像增强处理,如对初始待评估眼底图像进行锐化、滤波、平滑、去噪等处理,最终获得待评估眼底图像。也可以是对初始待评估眼底图像进行ROI提取后,对待评估眼底图像的ROI进行裁剪,再选择进行图像增强、锐化、滤波、平滑、去噪等处理,获得待评估眼底图像。本公开实施例不对对初始待评估眼底图像进行预处理的方式作进一步限定。
步骤S220,基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域。
近视眼底结构改变包括后巩膜葡萄肿。
示例性地,根据视盘区域的中心点和萎缩弧的中心点之间的连线,结合水平线,确定相对视盘中心的方位角。根据方位角的反向延长线的位置,确定后巩膜葡萄肿的方位,确定后巩膜葡萄肿相对于待处理眼底图像的分布情况。其中,方位角的反向延长线是基于视盘中心为起点,向萎缩弧区域的中心点的方向进行反向延长后,确定视盘区域的中心点和萎缩弧区域的中心点的反向延长线,结合水平线确定的。
在一些实施例中,步骤S220的具体执行方式如图3所示,此处不再赘述。
本公开实施例提供的近视眼底结构改变的定位方法,能够通过萎缩弧区域确定眼底结构改变的图像区域,由于近视眼底结构改变包括后巩膜葡萄肿,因此,医生能够根据输出的近视眼底结构改变的图像区域,实现对后巩膜葡萄肿的诊断,不完全依赖医生的经验进行后巩膜葡萄肿的诊断,从而能够实现降低后巩膜葡萄肿的误诊和漏诊的情况。此外,本公开实施例还通过对初始待评估眼底图像进行预处理,确定待评估眼底图像,提高了后续定位的精确度以及定位方法的鲁棒性,从而能够更加准确地确定近视眼低结构改变的定位结果,从而辅助医生更准确地对后巩膜葡萄肿进行诊断,进一步减少了后巩膜葡萄肿的误诊和漏诊的情况。
图3所示为本公开的一实施例提供的基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域的流程示意图。如图3所示,本公开的实施例提供的基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域包括如下步骤。
步骤S310,基于视盘区域的中心点和萎缩弧区域的中心点,确定视盘区域的中心点和萎缩弧区域的中心点的中心连线。
示例性地,基于视盘区域的中心点和萎缩弧区域的中心点,对中心点进行连线,确定视盘区域的中心点和萎缩弧区域的中心点的中心连线。应当理解,中心连线可以是经过两个区域的线段,还可以是以萎缩弧区域的中心点作为端点的过视盘区域中心点的射线。本公开实施例不对视盘区域的中心点和萎缩弧区域的中心点的中心连线的具体形式做进一步限定。
步骤S320,向视盘区域的中心点指向萎缩弧区域的中心点的方向延长中心连线,确定中心连线的延长线。
示例性地,基于上述获得的中心连线,根据中心连线的萎缩弧区域中心点相对视盘区域的中心点的方向,向视盘区域的中心点指向萎缩弧区域的中心点的方向延长中心连线,确定中心连线的延长线。
步骤S330,基于中心连线的延长线,确定近视眼底结构改变的图像区域。
示例性地,根据上述获得的中心连线的延长线,确定后巩膜葡萄肿所在的区域,即,中心连线的延长线周围的区域,为后巩膜葡萄肿所在的区域,从而确定近视眼底结构改变的图像区域。
本公开实施例通过中心连线的延长线,确定近视眼底结构改变的图像区域,能够跨快速确定后巩膜葡萄肿所在的区域,即,确定近视眼底结构改变的图像区域。因此,本公开实施例提供的定位方法,减少了确定近视眼底结构改变的图像区域的计算量,提高了确定近视眼底结构改变的图像区域的速度,并且通过中心连线的延长线能够准确的获得近视眼底结构改变的图像区域,从而辅助医生诊断后巩膜葡萄肿,提高诊断后巩膜葡萄肿的效率及准确性。
在一些实施例中,眼底结构改变的定位方法还包括确定水平线与中心连线的夹角;基于夹角,确定中心连线于水平线的相对位置。示例性地,选取任意水平线,确定水平线与中心连线的夹角,根据夹角的角度,确定中心连线于水平线的相对位置。本公开实施例通过中心连线于水平线的相对位置,对后巩膜葡萄肿的区域的位置的描述提供了依据,医生能够更加清楚了解后巩膜葡萄肿的区域的位置,从而,进一步辅助医生了解后巩膜葡萄肿的区域的位置,帮助医生进行诊断。
图4所示为本公开的另一实施例提供的另一近视眼底结构改变的定位方法的流程示意图。在图2所示实施例基础上延伸出图4所示实施例,下面着重叙述图4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4所示,本公开的另一实施例提供的提供的另一近视眼底结构改变的定位方法,在基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域之前,还包括如下步骤。
步骤S410,对待评估眼底图像的萎缩弧区域进行距离变换处理,确定萎缩弧区域对应的距离变换图像。
示例性地,对待评估眼底图像的萎缩弧区域进行距离变换处理,其中,距离变换处理可以包括欧式距离变换或非欧式距离变换,从而确定萎缩弧区域对应的距离变换图像,即,根据待评估眼底图像的萎缩弧区域进行距离变换处理结果(灰度图像),确定确定萎缩弧区域,从而确定萎缩弧区域对应的距离变换图像。
步骤S420,利用预设阈值,对距离变换图像进行阈值分割,确定距离变换图像对应的阈值分割图像。
示例性地,预设阈值可以选取距离变换图像中的最大灰度值,对距离变换图像进行阈值分割。应当理解,预设阈值可以根据需求选取,本公开实施例不对预设阈值的具体数值做进一步限定。
步骤S430,基于距离变换图像对应的阈值分割图像,确定萎缩弧区域的中心点。
示例性地,基于距离变换图像对应的阈值分割图像,获得的萎缩弧区域,根据距离变换图像的萎缩弧区域,确定萎缩弧区域的中心点。
本公开实施例通过对待评估眼底图像的萎缩弧区域进行距离变换处理,确定萎缩弧区域对应的距离变换图像,并通过对距离变换图像进行阈值分割,确定萎缩弧区域的中心点,能够将前景区域和背景区域区别,更加准确定确定萎缩弧区域,因此,获得的萎缩弧区域的中心点更加准确,保证了后续步骤的准确性。
在一些实施例中,在利用预设阈值,对距离变换图像进行阈值分割,确定距离变换图像对应的阈值分割图像之前,该定位方法还包括:基于距离变换图像,确定距离变换图像的灰度值;基于距离变换图像的灰度值,确定预设阈值。示例性地,根据距离变换图像中的最大灰度值,确定预设阈值,将灰度图像中的最大灰度值作为预设阈值,以便进行后续的阈值分割。本公开实施例通过距离变换的灰度值确定预设阈值,能够更加准确地获得分割结果,从而保证后续定位结果的准确性,进一步提高了定位方法的准确性和鲁棒性。
图5所示为本公开的一实施例提供的另一近视眼底结构改变的定位方法的流程示意图。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。
如图5所示,本公开的另一实施例提供的另一近视眼底结构改变的定位方法在基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域之前,还包括如下步骤。
步骤S510,对待评估眼底图像的视盘区域进行提取,确定待评估眼底图像的视盘区域。
示例性地,对待评估眼底图像的视盘区域进行提取,可以采用训练好的分割提取模型对视盘区域进行提取,也可以是通过其他分割方法,对视盘区域进行分割提取。本公开实施例不对提取视盘区域的具体方法进一步限定。
步骤S520,确定视盘区域的外接图形,确定视盘区域的中心点。
示例性地,根据需求选取视盘区域的外接图形,可以选取外接图形为圆形或椭圆形等形状,根据外接图形的中心点,确定视盘区域的中心点,例如,视盘区域的外接圆形的圆心,确定为视盘区域的中心点。
本公开实施例通过视盘区域的外界图形,确定视盘区域的中心点,能够避免因个人眼底情况的差异或者眼底图像质量的问题,影响视盘区域的中心点的确认,从而造成后续定位方法的误差,因此,本公开实施例能够进一步提高定位方法的准确性及鲁棒性。
下面结合图6,对本公开提供的图像处理方法进行简单的介绍。
图6所示为本公开的一实施例提供的图像处理方法的流程示意图。如图6所示,本公开的一实施例提供的图像处理方法包括如下步骤。
步骤S610,获取待处理眼底图像。
步骤S620,利用上述提及的定位方法,获取待处理眼底图像的近视眼底结构改变的图像区域。
示例性地,根据上述提供的近视眼底结构改变的定位方法,处理带处理眼底图像,获得待处理眼底图像的近视眼底结构改变的图像区域。
步骤S630,基于待处理眼底图像的近视眼底结构改变的图像区域,确定近视眼底结构改变的图像区域相对于待处理眼底图像的分布情况。
示例性地,基于待处理眼底图像的近视眼底结构改变的图像区域,确定后巩膜葡萄肿所在的位置,根据后巩膜葡萄肿所在的位置,确定近视眼底结构改变的图像区域相对于待处理眼底图像的分布情况。分布情况能够体现后巩膜葡萄肿所在的位置。
本公开实施例提供的图像处理方法,能够确定近视眼底结构改变的图像区域相对于待处理眼底图像的分布情况,从而医生能够根据图像处理结果,确定后巩膜葡萄肿的位置,结合后巩膜葡萄肿的位置,对后巩膜葡萄肿的类型进行判断,节约了医生诊断后巩膜葡萄肿的时间,提高了后巩膜葡萄肿的诊断效率。
图7所示为本公开的一实施例提供的近视眼底结构改变的定位装置的结构示意图。如图7所示,本公开的实施例提供的近视眼底结构改变的定位装置700包括确定模块701,定位模块702。具体地,确定模块701用于确定待评估眼底图像的视盘区域和萎缩弧区域;定位模块702,用于基于视盘区域的中心点和萎缩弧区域的中心点,确定近视眼底结构改变的图像区域,近视眼底结构改变包括后巩膜葡萄肿。
在一些实施例中,定位模块702还用于,基于视盘区域的中心点和萎缩弧区域的中心点,确定视盘区域的中心点和萎缩弧区域的中心点的中心连线;向视盘区域的中心点指向萎缩弧区域的中心点的方向延长中心连线,确定中心连线的延长线;基于中心连线的延长线,确定近视眼底结构改变的图像区域。
在一些实施例中,定位模块702还用于,确定水平线与中心连线的夹角;基于夹角,确定中心连线于水平线的相对位置。即能够确定后巩膜葡萄肿相对于视盘的位置,或者相对于黄斑的位置,由于医生的阅片习惯是以视盘、黄斑或血管弓等眼底固定特征为标准进行阅片,因此通过本申请的方法能够得到后巩膜葡萄肿相对于其他眼底固定特征的相对位置,便于临床诊断,本申请方法输出的方位角能够作为近视眼底临床诊断的重要评估依据。
在一些实施例中,定位模块702还用于,对待评估眼底图像的萎缩弧区域进行距离变换处理,确定萎缩弧区域对应的距离变换图像;利用预设阈值,对距离变换图像进行阈值分割,确定距离变换图像对应的阈值分割图像;基于距离变换图像对应的阈值分割图像,确定萎缩弧区域的中心点。
在一些实施例中,定位模块702还用于,基于距离变换图像,确定距离变换图像的灰度值;基于距离变换图像的灰度值,确定预设阈值。
在一些实施例中,定位模块702还用于,对待评估眼底图像的视盘区域进行提取,确定待评估眼底图像的视盘区域;确定视盘区域的外接图形,确定视盘区域的中心点。
图8所示为本公开的一实施例提供的图像处理装置的结构示意图。如图8所示,本公开的实施例提供的图像处理装置800包括第一获取模块801,第二获取模块802,处理模块803。具体地,第一获取模块801用于获取待处理眼底图像;第二获取模块802用于利用上述提及的方法,获取待处理眼底图像的近视眼底结构改变的图像区域;处理模块803,用于基于待处理眼底图像的近视眼底结构改变的图像区域,确定近视眼底结构改变的图像区域相对于待处理眼底图像的分布情况。
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。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近视眼底结构改变的定位方法或图像处理方法中的各个步骤。
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近视眼底结构改变的定位装置或或图像处理装置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,本公开的近视眼底结构改变的定位方法或图像处理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(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。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近视眼底结构改变的定位装置或图像处理装置中包括的单元所需执行的功能,或者执行本公开实施例的近视眼底结构改变的定位方法或图像处理方法。
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或待处理眼底图像。
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须的其他器件。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须的器件,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。
本公开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,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述描述的根据本公开各种实施例的方法中的步骤。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。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。
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 (7)
1.一种近视眼底结构改变的定位方法,其特征在于,包括:
确定待评估眼底图像的视盘区域和萎缩弧区域;
基于所述视盘区域的中心点和所述萎缩弧区域的中心点,确定所述近视眼底结构改变的图像区域,所述近视眼底结构改变包括后巩膜葡萄肿,其中,基于所述视盘区域的中心点和所述萎缩弧区域的中心点,确定所述近视眼底结构改变的图像区域,包括:
基于所述视盘区域的中心点和所述萎缩弧区域的中心点,确定所述视盘区域的中心点和所述萎缩弧区域的中心点的中心连线;
确定水平线与所述中心连线的夹角,所述夹角为相对所述视盘区域的中心点的方位角;
基于所述夹角,确定所述中心连线于所述水平线的相对位置;
向所述视盘区域的中心点指向所述萎缩弧区域的中心点的方向延长所述中心连线,确定所述中心连线的延长线;
基于所述中心连线的延长线,确定所述近视眼底结构改变的图像区域,其中,在所述基于所述视盘区域的中心点和所述萎缩弧区域的中心点,确定所述近视眼底结构改变的图像区域之前,还包括:
对所述待评估眼底图像的萎缩弧区域进行距离变换处理,确定所述萎缩弧区域对应的距离变换图像;
利用预设阈值,对所述距离变换图像进行阈值分割,确定所述距离变换图像对应的阈值分割图像;
基于所述距离变换图像对应的阈值分割图像,确定所述萎缩弧区域的中心点。
2.根据权利要求1所述的定位方法,其特征在于,在所述利用预设阈值,对所述距离变换图像进行阈值分割,确定所述距离变换图像对应的阈值分割图像之前,还包括:
基于所述距离变换图像,确定所述距离变换图像的灰度值;
基于所述距离变换图像的灰度值,确定所述预设阈值。
3.根据权利要求1或2所述的定位方法,其特征在于,在所述基于所述视盘区域的中心点和所述萎缩弧区域的中心点,确定所述近视眼底结构改变的图像区域之前,还包括:
对所述待评估眼底图像的视盘区域进行提取,确定所述待评估眼底图像的视盘区域;
确定所述视盘区域的外接图形,确定所述视盘区域的中心点。
4.一种图像处理方法,其特征在于,包括:
获取待处理眼底图像;
利用权利要求1至3任一项所述的定位方法,获取所述待处理眼底图像的近视眼底结构改变的图像区域;
基于所述待处理眼底图像的近视眼底结构改变的图像区域,确定所述近视眼底结构改变的图像区域相对于所述待处理眼底图像的分布情况。
5.一种近视眼底结构改变的定位装置,其特征在于,包括:
确定模块,用于确定待评估眼底图像的视盘区域和萎缩弧区域;
定位模块,用于基于所述视盘区域的中心点和所述萎缩弧区域的中心点,确定所述近视眼底结构改变的图像区域,所述近视眼底结构改变包括后巩膜葡萄肿,其中,
所述定位模块还用于,基于所述视盘区域的中心点和所述萎缩弧区域的中心点,确定所述视盘区域的中心点和所述萎缩弧区域的中心点的中心连线;确定水平线与所述中心连线的夹角,所述夹角为相对所述视盘区域的中心点的方位角;基于所述夹角,确定所述中心连线于所述水平线的相对位置;向所述视盘区域的中心点指向所述萎缩弧区域的中心点的方向延长所述中心连线,确定所述中心连线的延长线;基于所述中心连线的延长线,确定所述近视眼底结构改变的图像区域;
所述定位模块还用于,对所述待评估眼底图像的萎缩弧区域进行距离变换处理,确定所述萎缩弧区域对应的距离变换图像;利用预设阈值,对所述距离变换图像进行阈值分割,确定所述距离变换图像对应的阈值分割图像;基于所述距离变换图像对应的阈值分割图像,确定所述萎缩弧区域的中心点。
6.一种电子设备,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4任一项所述的方法。
7.一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4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311763393.7A CN117437231B (zh) | 2023-12-21 | 2023-12-21 | 近视眼底结构改变的定位方法及装置、图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311763393.7A CN117437231B (zh) | 2023-12-21 | 2023-12-21 | 近视眼底结构改变的定位方法及装置、图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117437231A CN117437231A (zh) | 2024-01-23 |
CN117437231B true CN117437231B (zh) | 2024-04-26 |
Family
ID=89558644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311763393.7A Active CN117437231B (zh) | 2023-12-21 | 2023-12-21 | 近视眼底结构改变的定位方法及装置、图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117437231B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105310645A (zh) * | 2014-06-18 | 2016-02-10 | 佳能株式会社 | 图像处理装置及图像处理方法 |
CN110033861A (zh) * | 2019-03-26 | 2019-07-19 | 西安交通大学 | 适用于octa图像的血管及黄斑无血管区定量分析方法及系统 |
CN110210286A (zh) * | 2019-04-17 | 2019-09-06 | 平安科技(深圳)有限公司 | 基于眼底图像的异常识别方法、装置、设备及存储介质 |
CN111046717A (zh) * | 2019-10-11 | 2020-04-21 | 平安科技(深圳)有限公司 | 眼底图像黄斑中心定位方法、装置、电子设备及存储介质 |
CN111242212A (zh) * | 2020-01-10 | 2020-06-05 | 南京航空航天大学 | 基于机器学习的高度近视眼底图像萎缩弧的检测方法 |
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 |
CN114712078A (zh) * | 2022-03-25 | 2022-07-08 | 天津市眼科医院 | 自制t型硅胶垫压物在近视牵拉性黄斑病变中的应用 |
CN114937024A (zh) * | 2022-06-13 | 2022-08-23 | 依未科技(北京)有限公司 | 图像评估方法、装置和计算机设备 |
CN115908405A (zh) * | 2023-01-05 | 2023-04-04 | 依未科技(北京)有限公司 | 确定眼底特征的方法、装置和电子设备 |
CN116128811A (zh) * | 2022-12-16 | 2023-05-16 | 北京理工大学 | 一种基于递归神经网络的眼底萎缩弧区域变化预测方法 |
CN116491893A (zh) * | 2023-06-28 | 2023-07-28 | 依未科技(北京)有限公司 | 高度近视眼底改变评估方法及装置、电子设备及存储介质 |
CN116682564A (zh) * | 2023-07-27 | 2023-09-01 | 首都医科大学附属北京友谊医院 | 基于机器学习的近视牵引性黄斑病变风险预测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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
- 2023-12-21 CN CN202311763393.7A patent/CN117437231B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105310645A (zh) * | 2014-06-18 | 2016-02-10 | 佳能株式会社 | 图像处理装置及图像处理方法 |
CN110033861A (zh) * | 2019-03-26 | 2019-07-19 | 西安交通大学 | 适用于octa图像的血管及黄斑无血管区定量分析方法及系统 |
CN110210286A (zh) * | 2019-04-17 | 2019-09-06 | 平安科技(深圳)有限公司 | 基于眼底图像的异常识别方法、装置、设备及存储介质 |
CN111046717A (zh) * | 2019-10-11 | 2020-04-21 | 平安科技(深圳)有限公司 | 眼底图像黄斑中心定位方法、装置、电子设备及存储介质 |
CN111242212A (zh) * | 2020-01-10 | 2020-06-05 | 南京航空航天大学 | 基于机器学习的高度近视眼底图像萎缩弧的检测方法 |
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 |
CN114712078A (zh) * | 2022-03-25 | 2022-07-08 | 天津市眼科医院 | 自制t型硅胶垫压物在近视牵拉性黄斑病变中的应用 |
CN114937024A (zh) * | 2022-06-13 | 2022-08-23 | 依未科技(北京)有限公司 | 图像评估方法、装置和计算机设备 |
CN116128811A (zh) * | 2022-12-16 | 2023-05-16 | 北京理工大学 | 一种基于递归神经网络的眼底萎缩弧区域变化预测方法 |
CN115908405A (zh) * | 2023-01-05 | 2023-04-04 | 依未科技(北京)有限公司 | 确定眼底特征的方法、装置和电子设备 |
CN116491893A (zh) * | 2023-06-28 | 2023-07-28 | 依未科技(北京)有限公司 | 高度近视眼底改变评估方法及装置、电子设备及存储介质 |
CN116682564A (zh) * | 2023-07-27 | 2023-09-01 | 首都医科大学附属北京友谊医院 | 基于机器学习的近视牵引性黄斑病变风险预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
高度近视眼继发视盘周围视网膜脱离;姜荔, 姚毅, 赵军平, 马志中;解放军医学杂志;20040610(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117437231A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220076420A1 (en) | Retinopathy recognition system | |
CN111046717B (zh) | 眼底图像黄斑中心定位方法、装置、电子设备及存储介质 | |
WO2021003821A1 (zh) | 一种肾小球病理切片图像的细胞检测方法、装置及设备 | |
Keenan et al. | DeepLensNet: deep learning automated diagnosis and quantitative classification of cataract type and severity | |
US20240177299A1 (en) | Method, device and apparatus for differentiating arteries and veins of retinal vessels | |
US20230005156A1 (en) | Artificial intelligence-based pathological image processing method and apparatus, electronic device, and storage medium | |
CN109509177B (zh) | 一种脑部影像识别的方法及装置 | |
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 | |
CN110619332B (zh) | 基于视野检查报告的数据处理方法、装置及设备 | |
CN113793348B (zh) | 一种视网膜血管分割方法和装置 | |
CN113397475B (zh) | 基于oct图像的阿尔茨海默症风险的预测方法、系统及介质 | |
US11475563B2 (en) | Benign tumor development trend assessment system, server computing device thereof and computer readable storage medium | |
KR20210016862A (ko) | 관상동맥 혈관조영술 기반의 기계 학습을 통한 허혈 병변 정보 제공 장치, 정보 제공 방법 및 이의 기록매체 | |
CN117437231B (zh) | 近视眼底结构改变的定位方法及装置、图像处理方法 | |
CN113658097B (zh) | 一种眼底图像质量增强模型的训练方法及装置 | |
CN112541900B (zh) | 基于卷积神经网络的检测方法、装置、计算机设备及存储介质 | |
CN113808137A (zh) | 上消化道内镜影像图的筛选方法、装置、设备及存储介质 | |
US11253324B1 (en) | Determination of appendix position using a two stage deep neural network | |
CN115908274A (zh) | 一种病灶检测的装置、设备及介质 | |
CN114373216A (zh) | 用于眼前节octa的眼动追踪方法、装置、设备和存储介质 | |
CN116385812B (zh) | 图像分类方法及装置、电子设备及存储介质 | |
CN112116606B (zh) | 脑肿瘤图像分割方法、系统及计算机可读存储介质 | |
CN116503405B (zh) | 近视眼底改变可视化方法、装置、存储介质及电子设备 | |
CN112734701A (zh) | 眼底病灶检测方法、检测装置及终端设备 | |
CN113379770A (zh) | 鼻咽癌mr图像分割网络的构建方法、图像分割方法及装置 |
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 |