CN1378166A - 同侧眼底医学图像计算机辅助特征套合识别方法 - Google Patents
同侧眼底医学图像计算机辅助特征套合识别方法 Download PDFInfo
- Publication number
- CN1378166A CN1378166A CN02115161A CN02115161A CN1378166A CN 1378166 A CN1378166 A CN 1378166A CN 02115161 A CN02115161 A CN 02115161A CN 02115161 A CN02115161 A CN 02115161A CN 1378166 A CN1378166 A CN 1378166A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- image
- optical fundus
- node
- fundus blood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Eye Examination Apparatus (AREA)
Abstract
本发明是同侧眼底医学图像计算机辅助特征套合识别方法,属微计算机应用技术。本发明的套合识别系统由含透明介质适配器的平板扫描仪、含键盘和显示器的微型计算机、激光打印机分别通过各自信号电缆线电气连接构成;套合识别方法主要包括同侧眼底血管图像自适应增强;眼底血管特征交点提取及单纯节点化;眼底血管特征节点基准归一化;眼底血管特征节点邻域套合判定。本发明以稀疏的眼底血管特征节点套合为线索,为同侧眼底医学图像的套合识别提供一种计算机辅助判定手段,减轻和克服了现有技术的人工判别工作劳动强度大、易疲劳、且不便统一化等困扰和负担的缺点和问题。
Description
(一)技术领域:
本发明是同侧眼底医学图像计算机辅助特征套合识别方法,属计算机应用技术,特别涉及生物医学图像处理与识别技术。
(二)背景技术:
眼科医学在眼底临床诊断或医疗普查过程中通过眼底照相机拍摄眼底照片图像或底片图像,其存档资料逐步增多。眼底图像左侧和右侧均不相同,对不同时期的复诊照片或底片进行研究或对比,现在通常是采取人工方式进行套合,对于底片图像还需在透射光的工作环境下进行观察操作,是一件很费劲的繁杂工作,操作人员工作劳动强度大、易疲劳,且不便统一化等的困扰和负担。
(三)发明内容:
本发明的目的就是为了克服和解决现有眼科医学的眼底临床诊断中对眼底图像采取人工方式进行套合,并需在透射光的工作环境下进行操作观察,往往存在繁杂费劲、工作劳动强度大、易疲劳、且不便统一化等的困扰和负担等的缺点和问题,研究发明一种能克服和解决现有眼底图像套合识别存在工作劳动强度大,易疲劳且不便统一化的困扰和负担等缺点和问题,利用眼底血管的稀疏交点作为特征线索,通过生物医学图像处理和识别方法的技术手段以及微型计算机等电子设备的辅助,解决眼底图像的套合识别,能减轻人工方法的劳力负担的同侧眼底医学图像计算机辅助特征套合识别方法。
本发明是通过下述设备系统技术方案和方法技术方案来实现的:同侧眼底医学图像计算机辅助特征套合识别方法的设备系统方框图如图1所示;眼底血管图像自适应增强程序流程方框图如图2所示;眼底血管特征交点提取及单纯节点化程序流程方框图如图3所示;眼底血管特征节点基准归一化的程序流程方框图如图4所示;眼底血管特征节点邻域套合识别判定程序流程方框图如图5所示;眼底血管图像的处理图例如图6~图11所示。套合识别系统由含附加透明介质适配器的平板扫描仪1、包括显示器3、键盘4的微型计算机2、激光打印机5共同电气连接构成,其相互连接关系是平板扫描仪1通过信号输出电缆与微型计算机2相电气连接,微型计算机2分别通过信号输出电缆线分别与显示器3、激光打印机5相电气连接,键盘4通过键盘信号输出电缆线与微型计算机2相电气连接。
本发明的同侧眼底医学图像计算机辅助特征套合识别方法如下:把眼底血管图像照片进行血管自适应增强;再进行眼底血管特征交点提取及单纯节点化,得到眼底血管特征节点图像;再进行血管特征节点基准归一化;最后进行眼底血管特征节点邻域套合判定。其中:眼底血管图像自适应增强的过程步骤为:(1)把眼底血管照片图像通过平板扫描仪取像并输送入微型计算机,成为数字化原眼底灰度图像;或者把眼底血管底片图像通过透明介质适配器取像并送入微型计算机,经归一化图像反转,成为数字化原眼底灰度图像;(2)利用血管特性关系把血管部位屏蔽和淡化,得到近似的净背景图像;(3)从原眼底灰度图像中减除背景图像,得到血管增强的灰度图像;眼底血管特征交点提取及单纯节点化的过程步骤为:(1)把自适应血管增强的灰度图像进行二值化;(2)通过多级闭环过滤过程以消除二值图像的杂质和噪声;(3)经细化处理得到单像素线结构的眼底血管拓朴图像;(4)按象素连接数关系提取拓朴支路交点并进行去奇异处理,形成单纯化眼底血管特征节点图像;眼底血管特征节点基准归一化的过程步骤为:(1)求取整体眼底血管特征节点图像的节点质心;(2)以眼底血管特征节点的质心与最远节点构成虚拟轴线;(3)整体眼底血管特征节点图像以节点质心为圆心作顺时针方向旋转至虚拟轴线与基准水平轴线方向重合;眼底血管特征节点邻域套合判定的过程步骤为:(1)以眼底血管特征节点及其八邻域象素点的存在为套合判据;(2)每一对特征节点图像分别进行节点相互映射共两遍;(3)统计图像各自特征节点映射的套合比率,以判定眼底血管灰度图像的套合识别结果。
本发明的基本原理:以其中约只占整体眼底图像十分之一比例的血管作为同侧眼底医学图像套合的线索,通过眼底血管图像的自适应增强,消除背景灰度混同对血管的影响后,进行二值化和细化处理,从单象素线结构的血管拓朴图像中提取交点并单纯节点化,以此节点图像为套合的特征,实行整体节点的基准归一化、相应节点映射,计算节点在八邻域内的节点套合比率,以此判定眼底灰度图像套合识别的结果。
本发明与人工判别方式相比,具有如下的优点和有益效果:(1)以占整体图像较小比例的眼底血管为套合线索,提取由血管交点组成的单纯化节点结构,较之于以整体象素为依据的套合方式能大为减少对比操作的强度;(2)借助于计算机的辅助,代替全靠人眼进行观察的主观方式,尤其能减轻对图像底片在透射观察环境下长时间操作的困扰和疲劳;(3)机助手段的算法和处理结果较人工方式更能使套合识别结果统一化,亦可为后续进一步医疗判断起到作前期指引的作用。
(四)附图说明:
下面对说明书进一步说明如下:图1是同侧眼底医学图像计算机辅助特征套合识别方法的设备系统方框图;图2是眼底血管图像自适应增强程序流程方框图;图3是眼底血管特征交点提取及单纯节点化程序流程方框图;图4是眼底血管特征节点基准归一化的程序流程方框图;图5是眼底血管特征节点邻域套合识别判定程序流程方框图;图6~图11分别是本发明套合识别过程中之方法步骤的结果示例图,其中:图6是原眼底血管灰度图像示例图;图7是眼底血管图像自适应增强后的图像示例图;图8是去除背景灰度影响及眼底血管图像二值化后的血管图像示例图;图9是经多级闭环过滤过程并进行单象素线细化处理后的血管图像示例图;图10是眼底血管图像经提取血管特征交点的单纯化节点图像示例图;图11是眼底血管特征节点基准归一化的图像示例图。
(五)具体实施方式:
发明人经过研究、试验,认为实现本发明的优选方式可为如下:(1)本发明所用的识别设备系统可按图1所示及上面说明书所述的电气连接关系,通过相应的输出电缆线进行连接。其中,平板扫描仪1可采用HP3C型,微型计算机2可采用PIII型,显示器3可用纯平型,激光打印机5可采用HP系列;(2)按图2~图5所示的程序流程图,可采用C语言编制各类处理程序,并按上面说明书所述的本发明方法的各处理过程步骤逐步进行处理,便能较好地实施本发明。其处理后的同侧眼底医学图像实例示图如下:原眼底血管灰度图像的图例如图6所示,它存在局部背景和血管灰度混同现象。在血管自适应增强过程中首先形成背景图像,其中血管被剔除和淡化,然后从眼底灰度图像中减除背景影响,得到血管增强的图像如图7所示。去除了背景灰度影响的血管图像其二值化效果良好,但存在杂质和噪声,如图8所示。杂质经多级闭环过滤过程并进行单象素线细化后的图像如图9所示。提取血管特征交点并经去奇异处理后的单纯化节点图像如图10所示,其中粗点为虚拟节点质心,十字点为最远节点。整体节点以质心方圆心作归一化旋转至对准水平轴方向后的图像如图11所示。每一对节点图像在基准归一化的基础上进行图像节点的对应映射和节点套合的比率统计等过程,得到原眼底灰度图像的套合识别结果。各处理环节的中间结果均可选择作输出打印,供研究比较或其它不同目的之用。
Claims (5)
1、一种同侧眼底医学图像计算机辅助特征套合识别方法,其特征在于:把眼底血管图像照片进行血管自适应增强;再进行眼底血管特征交点提取及单纯节点化,得到眼底血管特征节点图像;再进行血管特征节点基准归一化;最后进行眼底血管特征节点邻域套合判定。
2、按权利要求1所述的一种同侧眼底医学图像计算机辅助特征套合识别方法,其特征在于所述的眼底血管图像自适应增强的过程步骤为:(1)把眼底血管照片图像通过平板扫描仪取像并输送入微型计算机,成为数字化原眼底灰度图像;或者把眼底血管底片图像通过透明介质适配器取像并送入微型计算机,经归一化图像反转,成为数字化原眼底灰度图像;(2)把血管部位屏蔽和淡化,得到近似的净背景图像;(3)从原眼底灰度图像中减除背景图像,得到血管增强的灰度图像。
3、按权利要求1所述的一种同侧眼底医学图像计算机辅助特征套合识别方法,其特征在于所述的眼底血管特征交点提取及单纯节点化的过程步骤为:(1)把白适应血管增强的灰度图像进行二值化;(2)通过多级闭环过滤过程消除二值图像的杂质和噪声;(3)经细化处理得到单像素线结构的眼底血管拓朴图像;(4)按象素连接数关系提取拓朴支路交点并进行去奇异处理,形成单纯化眼底血管特征节点图像。
4、按权利要求1所述的一种同侧眼底医学图像计算机辅助特征套合识别方法,其特征在于所述的眼底血管特征节点基准归一化的过程步骤为:(1)求取整体眼底血管特征节点图像的节点质心;(2)以眼底血管特征节点的质心与最远节点构成虚拟轴线;整体眼底血管特征节点图像以节点质心为圆心作顺时针方向旋转至虚拟轴线与基准水平轴线方向重合。
5、按权利要求1所述的一种同侧眼底医学图像计算机辅助特征套合识别方法,其特征在于所述的眼底血管特征节点邻域套合判定步骤为:(1)以眼底血管特征节点及其八邻域象素点的存在为套合判据;(2)每一对特征节点图像分别进行节点相互映射共两遍;(3)统计图像各自特征节点映射的套合比率,以判定眼底血管灰度图像的套合识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB02115161XA CN1147815C (zh) | 2002-04-29 | 2002-04-29 | 同侧眼底医学图像计算机辅助特征套合识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB02115161XA CN1147815C (zh) | 2002-04-29 | 2002-04-29 | 同侧眼底医学图像计算机辅助特征套合识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1378166A true CN1378166A (zh) | 2002-11-06 |
CN1147815C CN1147815C (zh) | 2004-04-28 |
Family
ID=4743487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB02115161XA Expired - Fee Related CN1147815C (zh) | 2002-04-29 | 2002-04-29 | 同侧眼底医学图像计算机辅助特征套合识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1147815C (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1300741C (zh) * | 2004-08-06 | 2007-02-14 | 上海大学 | 皮肤显微图像的预处理方法 |
CN101411607B (zh) * | 2007-10-16 | 2010-05-19 | 张光荣 | 眼球结膜巩膜摄像装置 |
CN101460097B (zh) * | 2006-06-07 | 2010-09-22 | 国立大学法人九州工业大学 | 基于激光眼底血流测定的个人认证方法及个人认证装置 |
CN102024254A (zh) * | 2009-09-10 | 2011-04-20 | 佳能株式会社 | 血管相交/分支部位的提取方法和装置 |
CN105243669A (zh) * | 2015-10-15 | 2016-01-13 | 四川和生视界医药技术开发有限公司 | 眼底图像自动识别分区方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729830B (zh) * | 2013-12-31 | 2016-06-22 | 北京交通大学 | 一种机场跑道雷达图像背景抑制方法 |
-
2002
- 2002-04-29 CN CNB02115161XA patent/CN1147815C/zh not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1300741C (zh) * | 2004-08-06 | 2007-02-14 | 上海大学 | 皮肤显微图像的预处理方法 |
CN101460097B (zh) * | 2006-06-07 | 2010-09-22 | 国立大学法人九州工业大学 | 基于激光眼底血流测定的个人认证方法及个人认证装置 |
CN101411607B (zh) * | 2007-10-16 | 2010-05-19 | 张光荣 | 眼球结膜巩膜摄像装置 |
CN102024254A (zh) * | 2009-09-10 | 2011-04-20 | 佳能株式会社 | 血管相交/分支部位的提取方法和装置 |
US8634600B2 (en) | 2009-09-10 | 2014-01-21 | Canon Kabushiki Kaisha | Extracting method and apparatus of blood vessel crossing/branching portion |
CN105243669A (zh) * | 2015-10-15 | 2016-01-13 | 四川和生视界医药技术开发有限公司 | 眼底图像自动识别分区方法 |
CN105243669B (zh) * | 2015-10-15 | 2018-05-04 | 四川和生视界医药技术开发有限公司 | 眼底图像自动识别分区方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1147815C (zh) | 2004-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108553079B (zh) | 基于眼底图像的病变识别系统 | |
CN113011485B (zh) | 多模态多病种长尾分布眼科疾病分类模型训练方法和装置 | |
CN112446880B (zh) | 图像处理方法、电子设备及可读存储介质 | |
CN117274270B (zh) | 基于人工智能的消化内镜实时辅助系统及方法 | |
CN109948671B (zh) | 图像分类方法、装置、存储介质以及内窥镜成像设备 | |
CN110287926B (zh) | 输液监测报警方法、用户设备、存储介质及装置 | |
CN110338759B (zh) | 一种正面疼痛表情数据采集方法 | |
CN107563997A (zh) | 一种皮肤病诊断系统、构建方法、诊断方法和诊断装置 | |
CN111340773B (zh) | 一种视网膜图像血管分割方法 | |
CN114820603B (zh) | 基于ai舌诊图像处理的智能健康管理方法及相关装置 | |
Bala et al. | Computerised retinal image analysis to detect and quantify exudates associated with diabetic retinopathy | |
CN115496700A (zh) | 一种基于眼部图像的疾病检测系统及方法 | |
CN108877915A (zh) | 微创视像处理的智能边缘计算系统 | |
CN1378166A (zh) | 同侧眼底医学图像计算机辅助特征套合识别方法 | |
CN113344867B (zh) | 基于近中、远中关键点的牙周炎吸收程度鉴别方法 | |
CN111462869A (zh) | 一种多功能的新生儿临床用头部影像诊疗系统及方法 | |
CN111242014A (zh) | 尿沉渣细胞显微图像的液滴成像方法及装置 | |
CN112991333B (zh) | 一种内窥镜手术中基于语音分析的图像处理方法及系统 | |
CN113796850A (zh) | 甲状旁腺mibi图像分析系统、计算机设备及存储介质 | |
CN112150565A (zh) | 一种医学图像管理系统 | |
KR102710043B1 (ko) | 예측교정 이미지 제공 방법 | |
CN115965626B (zh) | 一种基于人工智能算法的医学图像处理方法及系统 | |
CN118038182A (zh) | 基于改进神经网络的视网膜oct疾病图像的分类方法 | |
CN112651921B (zh) | 一种基于深度学习的青光眼视野数据区域提取方法 | |
CN118657757B (zh) | 一种无创皮肤压力性损伤检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C19 | Lapse of patent right due to non-payment of the annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |