DE10393713T5

DE10393713T5 - Unterstützung der Auswertung eines Bildes von einem Auge

Info

Publication number: DE10393713T5
Application number: DE10393713T
Authority: DE
Inventors: Volker Schmidt; Siegfried Schneider; Gudrun Zahlmann
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2002-11-26
Filing date: 2003-10-30
Publication date: 2005-11-10
Also published as: JP2006507068A; US20040102682A1; WO2004049185A1; AU2003279359A1; CN1717678A; US7283653B2

Abstract

Verfahren zur Unterstützung einer Auswertung eines Bildes eines Auges, das die folgenden Schritte umfasst:
Anzeigen eines Bildes eines Auges eines Patienten auf einem Anzeigebildschirm; Bestimmen einer Reihe von Regions of Interest (Gebieten von Interesse) in dem besagten Bild; wobei die besagte Reihe von Regions of Interest an eine Person angepasst ist, die aus einer Vielzahl von Personen gewählt ist, die das besagte Bild auswerten; und
anschließendes Markieren jeder Region of Interest aus der besagten Reihe von Regions of Interest in dem besagten Bild auf dem besagten Bildschirm.

Description

Der nachfolgende Text ist die deutsche Übersetzung der internationalen Patentanmeldung PCT/EP2003/012336 (WO 2004/049185).
Unterstützung der Auswertung eines Bildes von einem Auge
Die Erfindung betrifft Verfahren und Systeme zur Unterstützung der Auswertung eines Bildes eines Auges.
Gemäß der Website des Nationalen Screening-Komitees (National Screening Committee, NSC) von Großbritannien (http://www.diabetic-retinopathy.screening.nhs.uk) ist von ungefähr 2 % der Bevölkerung Großbritanniens bekannt, dass sie an Diabetes leiden, von denen 200.000 Diabetes Typ 1 haben und mehr als eine Million Diabetes Typ 2 haben. Es ist zu erwarten, dass diese Anzahl zunehmen wird. Es wurde geschätzt, dass sich die Häufigkeit von Diabetes Typ 2 in Großbritannien von 1997 bis 2010 mehr als verdoppeln wird.
Eine Komplikation bei Diabetikern ist die diabetische Retinopathie, die sich auf die Blutgefäße der Retina auswirken kann. Das. Wachstum neuer Blutgefäße, das als proliferative Retinopathie bekannt ist, kann zur Erblindung durch Hämorrhagie und Narbenbildung führen. Ein Zerfall von retinalen Blutgefäßen, der einen Verlust von Blutgefäßen und ein Ausfließen in die Retina verursacht, ist als Makulopathie bekannt, führt zu einer Beeinträchtigung des Sehvermögens und kann bis zur Erblindung fortschreiten.
Diabetische Retinopathie ist in Großbritannien die häufigste Einzelursache von registrierter Blindheit bei Personen im arbeitsfähigen Alter. Eine wesentlich größere Zahl leidet an Beeinträchtigung des Sehvermögens und Behinderung infolge der Auswirkungen von diabetischer Retinopathie. Blindheit kann den Verlust der Erwerbsfähigkeit bei Personen im arbeitsfähigen Alter zur Folge haben, und die erforderliche soziale Unterstützung ist erheblich, wobei sie potentiell die Kosten von Vorbeugung und Behandlung übersteigt. Diabetische Retinopathie kann zum Beispiel durch strenge glykämische Kontrolle und strenge Kontrolle des Blutdrucks behandelt werden. Beide Behandlungsarten bremsen die Entwicklung und das Fortschreiten von diabetischer Retinopathie bei Diabetes Typ 1 und Typ 2. Um behandelt werden zu können, muss diabetische Retinopathie möglichst frühzeitig diagnostiziert werden.
Folglich ist die Notwendigkeit unstrittig, ein Screening zur Erkennung von diabetischer Retinopathie durchzuführen. Für das Screening werden Bilder der Augen einer Gruppe von Personen, bei denen Diabetes diagnostiziert worden ist, angefertigt und anschließend ausgewertet. Die Bilder können von einem Auswerter ausgewertet werden, der ein Augenarzt, ein allgemeiner praktischer Arzt oder auch eine Person ohne oder mit nur geringen medizinischen Kenntnissen sein kann. Der Auswerter wertet das Bild des Auges aus, indem er nach typischen Mustern sucht, die mit auf Diabetes zurückzuführenden spezifischen Komplikationen zusammenhängen.
Eine Aufgabe der vorliegenden Erfindung ist es, Verfahren bereitzustellen, welche die Auswertung des Bildes eines Auges eines Patienten unterstützen.
Eine weitere Aufgabe der vorliegenden Erfindung ist es, ein System bereitzustellen, das die Auswertung des Bildes eines Auges eines Patienten unterstützt.
Die erste Aufgabe wird gemäß der Erfindung durch ein Verfahren zur Unterstützung der Auswertung eines Bildes eines Auges erreicht, das die folgenden Schritte umfasst: Anzeigen eines Bildes eines Auges eines Patienten auf einem Bildschirm, Bestimmen einer Reihe von Regions of Interest (Gebiete von Interesse) in dem Bild und anschließendes Markieren jeder Region of Interest in dem Bild. Die Reihe von Regions of Interest ist an eine Person angepasst, die aus der Gruppe von Personen gewählt ist, welche die Reihe von Gebieten in dem Bild auswerten.
Entsprechend dem erfindungsgemäßen Verfahren wird das Bild des Auges des Patienten ausgewertet. Das Bild kann während eines Screenings einer Vielzahl von Patienten aufgenommen werden, bei denen Diabetes diagnostiziert worden ist. Das Bild wird insbesondere von der Retina des Patienten aufgenommen. Patienten mit Diabetes neigen dazu, gewisse mit dem Auge zusammenhängende Anomalien zu entwickeln, so genannte Läsionen, oder Krankheiten, die zur Erblindung führen können. Zu diesen mit dem Auge zusammenhängenden Läsionen oder Krankheiten gehören Mikroaneurysmen, Hintergrund-/nicht proliferative (milde/moderate) Retinopathie, ruhende Retinopathie nach Behandlung, Makulopathie, klinisch signifikantes Makulaödem (CSMO), prä-proliferative Retinopathie, proliferative Retinopathie und fortgeschrittene diabetische Augenkrankheit. Um für einen Patienten mit wenigstens einer der mit dem Auge und mit Diabetes zusammenhängenden Augenkrankheiten eine Diagnose zu stellen, wertet ein Arzt oder eine geschulte Person mit einer geringen oder ohne eine medizinische Ausbildung, kurz gesprochen ein so genannter Auswerter, ein Bild des Auges des Patienten aus und sucht nach Mustern, die für die betreffende Augenkrankheit spezifisch sind. Wenn zum Beispiel der Patient eine Hintergrund-/nicht proliferative Retinopathie hat, kann das Auge des Patienten so genannte Cotton-Wool-Flecken (Baumwollflecken), Hämorrhagien und/oder harte Exsudate aufweisen, wobei zusätzlich deren Position relativ zur temporalen Arkade (Schläfenbogen) für das jeweilige Auge von Bedeutung ist. Für die Diagnose können bestimmte Auswerter oder Ärzte anschließend bestimmte Gebiete des Auges untersuchen, so genannte Regions of Interest. Somit ist entsprechend dem erfindungsgemäßen Verfahren die Reihe von Regions of Interest an die Person angepasst, welche das Bild auswertet.
Um die Reihe von Regions of Interest zu bestimmen, wird die Reihe während eines Lernmodus gemäß einer weiteren Ausführungsform der Erfindung bestimmt.
Bei einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens kann wenigstens eine der Regions of Interest aus der Reihe von Regions of Interest von einem Rahmen umgeben sein.
Bei einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens wird wenigstens eine relevante Region of Interest bestimmt, indem ein Bildverarbeitungsalgorithmus aus einer Vielzahl von Bildverarbeitungsalgorithmen ausgewählt wird, der ausgewählte Bildverarbeitungsalgorithmus auf das Bild angewendet wird und ein erkanntes Muster als die relevante Region of Interest markiert wird. Der ausgewählte Bildverarbeitungsalgorithmus ist dazu vorgesehen, ein Muster zu erkennen, das mit der besagten wenigstens einen Region of Interest verknüpft ist.
Das erkannte Muster kann gemäß einer Ausführungsform des erfindungsgemäßen Verfahrens hervorgehoben werden.
Die erste Aufgabe wird entsprechend der Erfindung außerdem durch ein Verfahren zur Unterstützung der Auswertung eines Bildes eines Auges gelöst, das die folgenden Schritte umfasst: Anzeigen eines Bildes eines Auges eines Patienten und Auswählen eines Bildverarbeitungsalgorithmus aus einer Anzahl von Bildverarbeitungsalgorithmen auf der Basis einer vorläufigen Diagnose, die aus einer Anzahl von Diagnosen gewählt ist, die mit Diabetes zusammenhängen, Anwenden des ausgewählten Bildverarbeitungsalgorithmus auf das Bild und Markieren eines Musters, das durch den ausgewählten Bildverarbeitungsalgorithmus in dem Bild erkannt wird. Jeder Bildverarbeitungsalgorithmus aus der Anzahl von Bildverarbeitungsalgorithmen ist mit einer Diagnose aus der Anzahl von Diagnosen verknüpft und ist dazu vorgesehen, nach einem Muster zu suchen, das für die jeweilige Diagnose spezifisch ist.
Manche Ärzte oder Auswerter ziehen es möglicherweise vor, zuerst eine vorläufige Diagnose zu stellen und anschließend die vorläufige Diagnose durch Suchen nach den zugehörigen Läsionen im Bild zu überprüfen. Jede Läsion hat ein spezifisches Muster. Folglich wird, wenn der Arzt oder Auswerter ein Muster findet, das mit der betreffenden Läsion verknüpft ist, die vorläufige Diagnose bestätigt. Wenn die vorläufige Diagnose zum Beispiel "Hintergrund-/nicht proliferative Retinopathie" lautet, dann zeigt das Bild Cotton-Wool-Flecken, Hämorrhagien und/oder harte Exsudate sowie deren Position relativ zur temporalen Arkade für das jeweilige Auge.
Wenn die vorläufige Diagnose zum Beispiel "Hintergrund-/nicht proliferative Retinopathie" lautet, ist der ausgewählte Bildverarbeitungsalgorithmus dazu vorgesehen, Muster zu erkennen, die für Cotton-Wool-Flecken, Hämorrhagien und/oder harte Exsudate sowie deren Position relativ zur temporalen Arkade für das jeweilige Auge typisch sind. Geeignete Bildverarbeitungsalgorithmen werden zum Beispiel in G. Zahlmann et al., "Hybrid Fuzzy Image Processing For Situation Assessment" (Hybride Fuzzy-Bildverarbeitung für Situationsbeurteilung), IEEE Engineering In Medicine And Biology, Januar/Februar 2000, Seiten 76–83, beschrieben.
Das erkannte Muster kann entsprechend bevorzugten Ausführungsformen des erfindungsgemäßen Verfahrens hervorgehoben oder von einem Rahmen umgeben werden.
Die zweite Aufgabe wird entsprechend der Erfindung durch ein System gelöst, das eine Datenbank, einen Bildschirm und eine Datenverarbeitungseinheit aufweist, die mit dem Bildschirm und der Datenbank auf eine wirksame Weise gekoppelt ist. Die Datenbank enthält eine Anzahl von Bildern der Augen einer Anzahl von Patienten, bei denen Diabetes diagnostiziert worden ist. Die Datenverarbeitungseinheit ist so konfiguriert, dass sie ein Bild abruft, das aus der Anzahl der Bilder aus der Datenbank gewählt ist, das abgerufene Bild auf dem Bildschirm anzeigt, eine Reihe von Regions of Interest in dem abgerufenen Bild bestimmt und anschließend jede Region of Interest aus der Reihe von Regions of Interest in dem Bild markiert. Die Reihe von Regions of Interest ist an eine Person angepasst, die aus einer Gruppe von Personen gewählt ist, die Bilder in der Anzahl von Bildern auswerten.
Die zweite Aufgabe wird entsprechend der Erfindung außerdem durch ein System gelöst, das eine Datenbank, einen Bildschirm und eine Datenverarbeitungseinheit aufweist, die mit dem Bildschirm und der Datenbank auf eine wirksame Weise gekoppelt ist. Die Datenbank enthält eine Anzahl von Bildern der Augen einer Anzahl von Patienten, bei denen Diabetes diagnostiziert worden ist. Die Datenverarbeitungseinheit ist so konfiguriert, dass sie ein Bild abruft, das aus der Anzahl der Bilder aus der Datenbank gewählt ist, das abgerufene Bild auf dem Bildschirm anzeigt, einen Bildverarbeitungsalgorithmus aus einer Anzahl von Bildverarbeitungsalgorithmen auswählt, den ausgewählten Bildverarbeitungsalgorithmus auf das Bild anwendet und ein erkanntes Muster in dem abgerufenen Bild markiert. Der ausgewählte Bildverarbeitungsalgorithmus ist dazu vorgesehen, ein Muster zu erkennen, das mit einer vorläufigen Diagnose verknüpft ist, die aus einer Anzahl von Diagnosen gewählt ist.
Das erfindungsgemäße Verfahren und das erfindungsgemäße System werden beispielhaft durch die beigefügten schematischen Abbildungen beschrieben.
1 zeigt ein Szenarium, das die Erfindung veranschaulicht.
2 zeigt ein Bild eines Auges eines Patienten.
3 bis 5 zeigen Bilder, deren Anzeigen an verschiedene Personen angepasst sind.
1 zeigt ein Beispiel des erfindungsgemäßen Systems. Das System umfasst Computer 1 bis 3, die über ein Informationsnetz 5 auf eine wirksame Weise mit einer Datenbank 4 verbunden sind. Die Datenbank 4 enthält Bilder 9, die von den Augen (Retinae) einer Gruppe von Patienten 10 aufgenommen wurden. Bei jedem Patienten aus der Gruppe von Patienten 10 wurde Diabetes diagnostiziert.
Bei der vorliegenden Ausführungsform werten Auswerter 6 bis 8 mit Hilfe der Computer 1 bis 3 die Bilder 9 aus. Wenn einer der Auswerter 6 bis 8 eines der Bilder 9 auswerten möchte, meldet er sich bei einem der Computer 1 bis 3 an und ruft mit dem betreffenden Computer eines der Bilder 9 aus der Datenbank 4 ab. Wenn das betreffende Bild abgerufen worden ist, wird es auf einem Bildschirm angezeigt, der an den betreffenden Computer angeschlossen ist. Um ein Bild aus der Datenbank 4 abzurufen, sind die Datenbank 4 und die Computer 1 bis 3 entsprechend konfiguriert. Solche Konfigurationen sind in der Technik wohlbekannt und müssen daher nicht näher erläutert werden.
2 zeigt ein Beispiel eines der Bilder 9, das aus der Datenbank 4 abgerufen worden ist und auf einem der Bildschirme 1a bis 3a angezeigt wird. Das angezeigte Bild ist mit einem Bezugszeichen 24 versehen. Um die Auswertung eines angezeigten Bildes zu dokumentieren, werden eine Liste 20, die verschiedene Pull-Down-Menüs 20a bis 20n umfasst, und eine Liste 21, die verschiedene Optionsfelder 21a bis 21j umfasst, zusätzlich zum Bild 24 auf dem betreffenden Bildschirm des vorliegenden Beispiels angezeigt. Jedes Pull-Down-Menü der Liste 20 ist mit einer spezifischen Läsion verknüpft, die in einem Auge erscheinen kann. Bei der vorliegenden Ausführungsform dokumentiert der betreffende Auswerter ein Mikroaneurysma (MA) mit dem Pull-Down-Menü 20a, Hämorrhagien (HAEM) mit dem Pull-Down-Menü 20b, harte Exsudate (HE) mit dem Pull-Down-Menü 20c, Cotton-Wool-Flecken (CWS) mit dem Pull-Down-Menü 20d, intraretinale mikrovaskuläre Anomalien (IRMA) mit dem Pull- Down-Menü 20e, venöse Anomalien mit dem Pull-Down-Menü 20f, eine Neovaskularisation auf der optischen Scheibe (NVD) mit dem Pull-Down-Menü 20g, eine Neovaskularisation an einem anderen Ort (NVE) mit dem Pull-Down-Menü 20h, ein Fasergewebe auf der optischen Scheibe (FTD) mit dem Pull-Down-Menü 20i, ein Fasergewebe an einem anderen Ort (FTE) mit dem Pull-Down-Menü 20j, präretinale Hämorrhagien (PRH) mit dem Pull-Down-Menü 20k, vitröse (glasartige) Hämorrhagien (VH) mit dem Pull-Down-Menü 20l, eine retinale Traktion mit dem Pull-Down-Menü 20m und eine Retinaablösung mit dem Pull-Down-Menü 20n.
Manche Auswerter bevorzugen es, ein Bild entsprechend einer vorläufigen Diagnose auszuwerten. Der betreffende Auswerter kann die vorläufige Diagnose stellen, indem er einen kurzen Blick auf ein angezeigtes Bild wirft, oder die vorläufige Diagnose kann vor dem Abrufen des betreffenden Bildes von einer anderen Person gestellt werden. Während der Auswertung versucht der betreffende Auswerter, die vorläufige Diagnose zu überprüfen, indem er in dem betreffenden Bild nach den entsprechenden Läsionen sucht. Um diesen Auswerter zu unterstützen, wird im vorliegenden Beispiel die Liste 21 angezeigt. Mit Hilfe der Optionsfelder 21a bis 21j kann der Auswerter eine vorläufige Diagnose stellen, die aus einer Gruppe von vorläufigen Diagnosen gewählt ist. Stattdessen kann eine vorläufige Diagnose auch bereits vor dem Abrufen des betreffenden Bildes aus der Datenbank 4 gewählt werden. Eine vorläufige Diagnose kann gewählt werden, indem das Optionsfeld 21a und eines der Optionsfelder 21c bis 21j aktiviert werden. Im vorliegenden Beispiel umfasst die Gruppe der vorläufigen Diagnosen "Mikroaneurysmen" (MA), "Hintergrund-/nicht proliferative (milde/moderate) Retinopathie" (BR), "ruhende Retinopathie nach Behandlung" (PQ), "Makulopathie" (MC), "klinisch signifikantes Makulaödem" (CSMO), "prä-proliferative Retinopathie" (PRE), "proliferative Retinopathie" (PRO) und "fortgeschrittene diabetische Augenkrankheit" (AED). Demzufolge wird die vorläufige Diagnose "Mikroaneurysmen" (MA) gewählt, indem das Optionsfeld 21c aktiviert wird, die vorläufige Diagnose "Hintergrund-/nicht proliferative (milde/moderate) Retinopathie" (BR) wird gewählt, indem das Optionsfeld 21d aktiviert wird, die vorläufige Diagnose "ruhende Retinopathie nach Behandlung" (PQ) wird gewählt, indem das Optionsfeld 21e aktiviert wird, die vorläufige Diagnose "Makulopathie" (MC) wird gewählt, indem das Optionsfeld 21f aktiviert wird, die vorläufige Diagnose "klinisch signifikantes Makulaödem" (CSMO) wird gewählt, indem das Optionsfeld 21g aktiviert wird, die vorläufige Diagnose "prä-proliferative Retinopathie" (PRE) wird gewählt, indem das Optionsfeld 21h aktiviert wird, die vorläufige Diagnose "proliferative Retinopathie" (PRO) wird gewählt, indem das Optionsfeld 21i aktiviert wird, und die vorläufige Diagnose "fortgeschrittene diabetische Augenkrankheit" (AED) wird gewählt, indem das Optionsfeld 21j aktiviert wird. Wenn ein Auswerter ein Bild nicht auf der Basis einer vorläufigen Diagnose auswerten möchte, so kann er die Liste 21 deaktivieren, indem er das Optionsfeld 21b aktiviert. Ein Optionsfeld kann mit einer Maus 1b aktiviert werden, die an den Computer 1 angeschlossen ist, mit einer Maus 2b, die an den Computer 2 angeschlossen ist, und mit einer Maus 3b, die an den Computer 3 angeschlossen ist.
Manche Auswerter bevorzugen es, ein angezeigtes Bild auszuwerten, indem sie anschließend nach Läsionen in verschiedenen Regionen des Auges suchen. Zum Beispiel bevorzugen es manche Auswerter, zuerst die Makula und dann die Peripherie der Scheibe des Auges auszuwerten. Der betreffende Auswerter kann die betreffende Region des angezeigten Auges markieren, indem er um sie zum Beispiel mit Hilfe der Maus, die an den betreffenden Computer angeschlossen ist, einen Rahmen zieht und danach die markierte Region vergrößert.
Um der persönlichen Präferenz des jeweiligen Auswerters 6 bis 8 Rechnung zu tragen, sind die Computer 1 bis 3 so konfiguriert, dass sie jeden Auswerter bei seiner Auswertung individuell unterstützen. Im vorliegenden Beispiel sind die Computer 1 bis 3 so konfiguriert, dass sie die individuellen Angewohnheiten der Auswerter 6 bis 8 während eines Lernmodus lernen.
Bei der vorliegenden Ausführungsform zieht der Auswerter 6 es vor, ein angezeigtes Bild auf Basis einer vorläufigen Diagnose auszuwerten. Wenn er sich an einem der Computer 1 bis 3 während des Lernmodus anmeldet und mit dem Computer, an dem er angemeldet ist, eines der Bilder 9 aus der Datenbank 4 abruft, aktiviert er also das Optionsfeld 21a der Liste 21 und wählt eine der vorläufigen Diagnosen aus. Da der Auswerter 6 gewöhnlich die Liste 21 der Gruppe von vorläufigen Diagnosen aktiviert, lernen die Computer 1 bis 3 diese Gewohnheit während des Lernmodus. Infolgedessen ist die Liste 21 von vorläufigen Diagnosen bereits aktiviert, wenn der Auswerter 6 während eines Betriebsmodus ein Bild aus der Datenbank 4 abruft.
Bei der vorliegenden Ausführungsform zieht der Auswerter 7 es vor, die Liste 21 von vorläufigen Diagnosen zu deaktivieren und ein abgerufenes Bild auszuwerten, indem er zuerst die Makula und danach die Peripherie-Scheibe des angezeigten Auges auswertet. Während des Lernmodus deaktiviert er daher anschließend die Liste 21 von vorläufigen Diagnosen, markiert die Makula des angezeigten Auges, indem er um die betreffende Region einen Rahmen zieht, vergrößert die markierte Region, wertet die Makula aus, verkleinert die markierte Region und markiert die Peripherie-Scheibe des angezeigten Auges. Die Computer 1 bis 3 lernen diese Gewohnheit während des Lernmodus. Während des Betriebsmodus deaktiviert der betreffende Computer automatisch die Liste 21 von vorläufigen Diagnosen, markiert die Makula des angezeigten Auges und vergrößert die markierte Makula, wenn der Auswerter 7 eines der Bilder 9 aus der Datenbank 4 abruft. Wenn der Auswerter 7 die markierte Makula verkleinert, markiert der betreffende Computer die Peripherie-Scheibe des angezeigten Auges.
Bei der vorliegenden beispielhaften Ausführungsform zieht der Auswerter 8 es vor, ein Bild auf der Basis einer vorläufigen Diagnose auszuwerten und anschließend in verschiedenen Regionen des Auges nach Läsionen zu suchen. Die Computer 1 bis 3 lernen die Gewohnheit des Auswerters 8 während des Lernmodus. Während des Betriebsmodus aktiviert der betreffende Computer automatisch die Liste 21 der Gruppe von vorläufigen Diagnosen und markiert Regionen eines angezeigten Auges entsprechend der Präferenz des Auswerters 8, sobald dieser ein Bild aus der Datenbank 4 abruft.
Im vorliegenden Beispiel ist der Auswerter 6 während des Betriebsmodus am Computer 1 angemeldet. Wenn er das Bild 24 aus der Datenbank 4 abruft, wird das Bild 24 auf dem Bildschirm 1a angezeigt, und das Optionsfeld 21a der Liste 21 der Gruppe von vorläufigen Diagnosen wird automatisch aktiviert, wie es in 3 dargestellt ist. Danach stellt der Auswerter 6 eine vorläufige Diagnose "Hintergrund-/nicht proliferative (milde/moderate) Retinopathie" (BR) und aktiviert das Optionsfeld 21d.
Um die gewählte vorläufige Diagnose "Hintergrund-/nicht proliferative (milde/moderate) Retinopathie" (BR) zu bestätigen, muss das Auge des angezeigten Bildes 24 wenigstens eine der Läsionen Hämorrhagien (HAEM), harte Exsudate (HE) und Cotton-Wool-Flecken (CWS) aufweisen. Um die Auswerter 6 bis 8 zusätzlich zu unterstützen, ist im vorliegenden Beispiel jeder der Computer 1 bis 3 mit einer Gruppe von Bildverarbeitungsalgorithmen konfiguriert. Jeder Bildverarbeitungsalgorithmus ist dazu vorgesehen, Muster zu erkennen, die mit einer Läsion verknüpft sind, die im Auge auftreten kann. Beispiele solcher Muster sind fusselige weiße Flecken im Auge, die auf Cotton-Wool-Flecken (CWS) hinweisen, und dunkle Flecken einschließende dunkle Linien, die auf an der Oberfläche befindliche intraretinale Hämorrhagien hinweisen. Geeignete Bildverarbeitungsalgorithmen sind Mustererkennungs-Algorithmen, die in der Technik allgemein bekannt sind. Ein Beispiel eines solchen Bildverarbeitungsalgorithmus wird beschrieben in G. Zahlmann et al., "Hybrid Fuzzy Image Processing For Situation Assessment" (Hybride Fuzzy-Bildverarbeitung für Situationsbeurteilung), IEEE Engineering In Medicine And Biology, Januar/Februar 2000, Seiten 76–83.
Bei der vorliegenden beispielhaften Ausführungsform aktiviert der Computer 1 automatisch diejenigen Bildverarbeitungsalgorithmen, die dazu vorgesehen sind, Muster zu erkennen, die für Hämorrhagien (HAEM), harte Exsudate (HE) und Cotton-Wool-Flecken (CWS) spezifisch sind, und wendet den Bildverarbeitungsalgorithmus auf das angezeigte Bild 24 an, nachdem der Auswerter 6 durch Aktivieren des Optionsfeldes 21d die vorläufige Diagnose "Hintergrund-/nicht proliferative (milde/moderate) Retinopathie" (BR) ausgewählt hat. Im vorliegenden Beispiel erkennen die Bildverarbeitungsalgorithmen im Bild 24 einen fusseligen weissen Fleck und dunkle Flecken einschliessende dunkle Linien. Der fusselige weiße Fleck wird bei der vorliegenden Ausführungsform automatisch mit einem Rechteck 31 umgeben, und die dunkle Flecken einschließenden dunklen Linien werden automatisch durch Pfeile 32 markiert. Erkannte Muster können zum Beispiel auch gefärbt werden.
Im vorliegenden Beispiel ist der Auswerter 7 während des Betriebsmodus am Computer 2 angemeldet. Wenn er das Bild 24 aus der Datenbank 4 abruft, wird das Bild 24 auf dem Bildschirm 2a angezeigt, und das Optionsfeld 21b der Liste 21 der Gruppe von vorläufigen Diagnosen wird automatisch aktiviert, um die Liste 21 zu deaktivieren, wie es in 4 dargestellt ist. Da der Auswerter 7 es vorzieht, zuerst die Makula eines angezeigten Auges auszuwerten, startet der Computer 2 einen weiteren Bildverarbeitungsalgorithmus, der in jedem der Computer 1 bis 3 gespeichert ist. Dieser Bildverarbeitungsalgorithmus ist dazu vorgesehen, die Makula eines angezeigten Auges zu erkennen, indem er nach Mustern sucht, die für eine angezeigte Makula spezifisch sind. Nachdem der Bildverarbeitungsalgorithmus die Makula in dem angezeigten Bild 24 erkannt hat, umgibt der Computer 2 die betreffende Region im Bild 24 automatisch mit einem Rechteck 41 und vergrößert die markierte Region. Nachdem der Auswerter 7 die Makula ausgewertet hat und seine Auswertung unter Verwendung der Pull-Down-Menüs 20a bis 20n der Liste 20 dokumentiert hat, wird die markierte Region der Makula automatisch verkleinert und aus dem Bild 24 entfernt. Anschließend startet der Computer 2 einen weiteren Bildverarbeitungsalgorithmus, der nach einem Muster sucht, das mit der optischen Scheibe eines Auges verknüpft ist. Nach der Erkennung dieses Musters markiert der Computer 2 automatisch die entsprechende Region 42.
Im vorliegenden Beispiel ist der Auswertet 8 während des Betriebsmodus am Computer 3 angemeldet. Wenn er das Bild 24 aus der Datenbank 4 abruft, wird das Bild 24 auf dem Bildschirm 3a angezeigt, und das Optionsfeld 21a der Liste 21 der Gruppe von vorläufigen Diagnosen wird automatisch aktiviert, wie es in 5 dargestellt ist. Danach stellt der Auswertet 8 die vorläufige Diagnose "Hintergrund-/nicht proliferative (milde/moderate) Retinopathie" (BR) und aktiviert das Optionsfeld 21d.
Da der Auswertet 8 es vorzieht, zuerst die Makula eines angezeigten Auges auszuwerten, startet der Computer 3 den Bildverarbeitungsalgorithmus, der die Makula eines angezeigten Auges erkennt. Nachdem der Bildverarbeitungsalgorithmus die Makula in dem angezeigten Bild 24 erkannt hat, umgibt der Computer 3 die betreffende Region im Bild 24 automatisch mit einem Rechteck 51 und vergrößert die markierte Region. Danach aktiviert der Computer 3 automatisch diejenigen Bildverarbeitungsalgorithmen, die dazu vorgesehen sind, Muster zu erkennen, die für Hämorrhagien (HAEM), harte Exsudate (HE) und Cotton-Wool-Flecken (CWS) spezifisch sind, und wendet die Bildverarbeitungsalgorithmen auf die vergrößerte Region des angezeigten Bildes 24 an. Im vorliegenden Beispiel erkennen die Bildverarbeitungsalgorithmen einen dunklen Fleck, der auf Hämorrhagien (HAEM) hinweist. Das erkannte Muster wird im vorliegenden Beispiel gefärbt.
Nach der Auswertung der Makula wird die Region, welche die Makula umfasst, verkleinert und aus dem Bild 24 entfernt. Anschließend werden die Bildverarbeitungsalgorithmen, die dazu vorgesehen sind, Muster zu erkennen, die für Hämorrhagien (HAEM), harte Exsudate (HE) und Cotton-Wool-Flecken (CWS) spezifisch sind, auf das restliche Bild 24 angewendet, und die erkannten Muster werden hervorgehoben.
Obwohl von Fachleuten Modifikationen und Änderungen vorgeschlagen werden können, ist es die Absicht der Erfinder, in das hier angemeldete Patent alle Änderungen und Modifikationen mit einzubeziehen, die vernünftiger- und gerechtfertigterweise als im Umfang ihres Beitrages zur Technik mit enthalten anzusehen sind.
Zusammenfassung
In einem Verfahren und einem System zum Unterstützen der Auswertung eines Bildes von einem Auge eines Patienten wird das Bild auf einem Bildschirm angezeigt. Ein Bildverarbeitungsalgorithmus wird aus einer Vielzahl von Bildverarbeitungsalgorithmen in Abhängigkeit von einer vorläufigen Diagnose, die aus einer Vielzahl von auf Diabetes bezogene Diagnosen ausgewählt wurde, ausgewählt. Jeder Bildverarbeitungsalgorithmus der Anzahl von Bildverarbeitungsalgorithmen ist mit einer Diagnose der Anzahl von Diagnosen verknüpft und ist gestaltet, um ein Muster zu suchen, das mit der entsprechenden Diagnose einhergeht. Der ausgewählte Bildverarbeitungsalgorithmus wird dann auf das Bild angewendet und ein von dem ausgewählten Bildverarbeitungsalgorithmus erkanntes Muster wird auf dem Bildschirm in dem Bild markiert.

Claims

Verfahren zur Unterstützung einer Auswertung eines Bildes eines Auges, das die folgenden Schritte umfasst: Anzeigen eines Bildes eines Auges eines Patienten auf einem Anzeigebildschirm; Bestimmen einer Reihe von Regions of Interest (Gebieten von Interesse) in dem besagten Bild; wobei die besagte Reihe von Regions of Interest an eine Person angepasst ist, die aus einer Vielzahl von Personen gewählt ist, die das besagte Bild auswerten; und anschließendes Markieren jeder Region of Interest aus der besagten Reihe von Regions of Interest in dem besagten Bild auf dem besagten Bildschirm.
Verfahren nach Anspruch 1, welches das Ausführen eines computergestützten Lernmodus zum Bestimmen der besagten Reihe von Regions of Interest umfasst.
Verfahren nach Anspruch 1 oder 2, welches das Umgeben wenigstens einer Region of Interest aus der besagten Reihe von Regions of Interest mit einem Rahmen umfasst.
Verfahren nach einem der Ansprüche 1 bis 3, das zur Bestimmung wenigstens einer Region of Interest aus der besagten Reihe von Regions of Interest die folgenden Schritte umfasst: Auswählen eines Bildverarbeitungsalgorithmus aus einer Vielzahl von Bildverarbeitungsalgorithmen; wobei der besagte ausgewählte Bildverarbeitungsalgorithmus dazu vorgesehen ist, in dem besagten Bild ein Muster zu erkennen, das mit der besagten wenigstens einen Region of Interest verknüpft ist; Anwenden des besagten ausgewählten Bildverarbeitungsalgorithmus auf das besagte Bild; und Markieren eines erkannten Musters auf dem besagten Bildschirm als die besagte wenigstens eine Region of Interest.
Verfahren nach Anspruch 4, welches das Hervorheben des besagten erkannten Musters auf dem besagten Bildschirm umfasst.
Verfahren zur Unterstützung der Auswertung eines Bildes eines Auges, das die folgenden Schritte umfasst: Anzeigen eines Bildes eines Auges eines Patienten auf einem Bildschirm; Auswählen eines Bildverarbeitungsalgorithmus aus einer Vielzahl von Bildverarbeitungsalgorithmen auf der Basis einer vorläufigen Diagnose, die aus einer Vielzahl von Diagnosen gewählt ist, die mit Diabetes zusammenhängen, wobei jeder Bildverarbeitungsalgorithmus aus der besagten Vielzahl von Bildverarbeitungsalgorithmen mit einer Diagnose aus der besagten Vielzahl von Diagnosen verknüpft ist und dazu vorgesehen ist, nach einem Muster zu suchen, das für die jeweilige Diagnose spezifisch ist; Anwenden des besagten ausgewählten Bildverarbeitungsalgorithmus auf das besagte Bild; und Markieren eines Musters auf dem besagten Bildschirm, das durch den besagten ausgewählten Bildverarbeitungsalgorithmus in dem besagten Bild auf dem besagten Bildschirm erkannt wird.
Verfahren nach Anspruch 6, welches das Hervorheben des besagten erkannten Musters auf dem besagten Bildschirm umfasst.
Verfahren nach Anspruch 6 oder 7, welches das Umgeben des besagten erkannten Musters auf dem besagten Bildschirm mit einem Rahmen umfasst.
System, das Folgendes umfasst: eine Datenbank, die eine Vielzahl von Bildern der Augen einer Vielzahl von Diabetes-Patienten enthält; einen Anzeigebildschirm; und eine mit dem besagten Anzeigebildschirm und der besagten Datenbank auf eine wirksame Weise gekoppelte Datenverarbeitungseinheit, die so konfiguriert ist, dass sie ein Bild abruft, das aus der besagten Vielzahl von Bildern aus der besagten Datenbank gewählt ist, das besagte abgerufene Bild auf dem besagten Bildschirm anzeigt, eine Reihe von Regions of Interest in dem besagten abgerufenen Bild bestimmt; wobei die besagte Reihe von Regions of Interest an eine Person angepasst ist, die aus einer Vielzahl von Personen gewählt ist, die Bilder von der besagten Vielzahl von Bildern auswerten, und anschließend auf dem besagten Bildschirm jede Region of Interest aus der besagten Reihe von Regions of Interest in dem besagten Bild auf dem besagten Bildschirm markiert.
System nach Anspruch 9, wobei die Datenverarbeitungseinheit die besagte Reihe von Regions of Interest während eines computergestützten Lernmodus bestimmt.
System nach Anspruch 9 oder 10, wobei die besagte Datenverarbeitungseinheit wenigstens eine Region of Interest aus der besagten Reihe von Regions of Interest auf dem besagten Bildschirm mit einem Rahmen umgibt.
System nach einem der Ansprüche 9 bis 11, wobei die besagte Datenverarbeitungseinheit ferner so konfiguriert ist, dass sie: einen Bildverarbeitungsalgorithmus aus einer Vielzahl von Bildverarbeitungsalgorithmen auswählt; wobei der besagte ausgewählte Bildverarbeitungsalgorithmus dazu vorgesehen ist, ein Muster zu erkennen, das mit wenigstens einer Region of Interest aus der besagten Reihe von Regions of Interest verknüpft ist; den besagten ausgewählten Bildverarbeitungsalgorithmus auf das besagte Bild anwendet, und ein erkanntes Muster auf dem besagten Bildschirm als die besagte wenigstens eine Region of Interest markiert.
System nach Anspruch 12, wobei die besagte Datenverarbeitungseinheit das besagte erkannte Muster auf dem besagten Bildschirm hervorhebt.
System, das Folgendes umfasst: eine Datenbank, die eine Vielzahl von Bildern der Augen einer Vielzahl von Diabetes-Patienten enthält; einen Anzeigebildschirm; und eine Datenverarbeitungseinheit, die mit dem besagten Bildschirm und der besagten Datenbank auf eine wirksame Weise gekoppelt und so konfiguriert ist, dass sie ein Bild abruft, das aus der besagten Vielzahl von Bildern aus der besagten Datenbank gewählt ist, das besagte abgerufene Bild auf dem besagten Bildschirm anzeigt, einen Bildverarbeitungsalgorithmus aus einer Vielzahl von Bildverarbeitungsalgorithmen auswählt; wobei der besagte ausgewählte Bildverarbeitungsalgorithmus dazu vorgesehen ist, ein Muster zu erkennen, das mit einer vorläufigen Diagnose verknüpft ist, die aus einer Vielzahl von Diagnosen gewählt ist, den besagten ausgewählten Bildverarbeitungsalgorithmus auf das besagte Bild anwendet, und ein erkanntes Muster auf dem besagten Bildschirm in dem besagten abgerufenen Bild auf dem besagten Bildschirm markiert.
System nach Anspruch 14, wobei die besagte Datenverarbeitungseinheit das besagte erkannte Muster hervorhebt.
System nach Anspruch 14 oder 15, wobei die besagte Datenverarbeitungseinheit das besagte erkannte Muster auf dem besagten Bildschirm mit einem Rahmen umgibt.