DK1444635T3 - Vurdering af læsioner i et billede - Google Patents
Vurdering af læsioner i et billede Download PDFInfo
- Publication number
- DK1444635T3 DK1444635T3 DK02800053.7T DK02800053T DK1444635T3 DK 1444635 T3 DK1444635 T3 DK 1444635T3 DK 02800053 T DK02800053 T DK 02800053T DK 1444635 T3 DK1444635 T3 DK 1444635T3
- Authority
- DK
- Denmark
- Prior art keywords
- image
- visibility
- subset
- lesion
- candidate
- Prior art date
Links
Landscapes
- Eye Examination Apparatus (AREA)
Claims (30)
1. Fremgangsmåde til vurdering af tilstedeværelsen eller fraværet af læsion(er) i et billede, hvilken fremgangsmåde omfatter a) vurdering af mindst én delmængde af billedet, hvor hver delmængde er et kandidatlæsionsområde, som har en synlighed, og vurdering af baggrundsvariationen af billedet i et område, som omgiver kandidatlæsionsområdet, hvor en syn-lighedstrækværdi for synligheden af en kandidatlæsion er synligheden af kanten af kandidatlæsionsområdet, som beregnes som den orienterede kandidat-læsionsområde-kantgradient, b) korrigering af en synlighedstrækværdi for synligheden af et kandidatlæsionsområde med baggrundsvariationen, sammenligning af den korrigerede synlighedstrækværdi med en forudbestemt synlighedstærskel for læsioner i det område, eller korrigering af en forudbestemt synlighedstærskel for læsioner i det område med baggrundsvariationen, sammenligning afen synlighedstrækværdi forsynligheden af kandidatlæsionsområdet med den korrigerede forudbestemte synlighedstærskel, c) klassificering af det i a) detekterede kandidatlæsionsområde med hensyn til den tærskel, der er opnået i trin b), som en læsion eller ikke, d) eventuel gentagelse af trin a) til c), indtil alle kandidatlæsionsområder er blevet klassificeret.
2. Fremgangsmåde ifølge krav 1, hvor billedet er et billede af okulær fundus.
3. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor billedet er et farvebillede.
4. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor den grønne kanal anvendes til at bedømme tilstedeværelsen eller fraværet af læsion(er).
5. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor delmængden eller delmængderne vurderes ved at etablere en flerhed af udgangspunkter, hvilke udgangspunkter er repræsentative for læsioner, og vurdering af hver delmængde omkring et udgangspunkt.
6. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor udgangspunkterne etableres i billedets ekstremer.
7. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor den orienterede kandidatlæsionsområde-kantgradient er en vægtet kantgradient.
8. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor en synlig-hedstrækværdi for synligheden af en kandidatlæsion er baseret på en opsummering af orienteringsvægtede regionsgrænsegradientpixels.
9. Fremgangsmåde ifølge krav 8, hvor gradientpixels er vægtede i overensstemmelse med deres orientering mod den dyrkede region.
10. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor delmængden af billedet er en forbundet delmængde.
11. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor delmængden af billedet vurderes ved at filtrere billedet.
12. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor vurdering af delmængden af billedet omfatter etablering af periferien af delmængden.
13. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor delmængden af billedet vurderes ved at dyrke et område omkring udgangspunktet.
14. Fremgangsmåde ifølge krav 13, hvor q isokurver baseret på mindst ét voksende træk af området trækkes omkring udgangspunktet, idet q er et helt tal på mindst 1, indtil periferien af kandidatlæsionsområdet er etableret.
15. Fremgangsmåde ifølge krav 14, hvor et synlighedstræk for synligheden af området inden for isokurverne vurderes, og den isokurve, der har den højeste synlighedstræk-værdi, etablerer periferien af kandidatlæsionsområdet.
16. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor synligheden af et område bestemmes som en vektor af træk, herunder intensitet, synlighed af kandidatlæsionen sammenlignet med synligheden af blodkarrene, synlighed af kanten af kandidatlæsionen, farveinformation om kandidatlæsionen, variansmål afen del af billedet og/eller et variansmål af billedet.
17. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor delmængden af billedet vurderes ved en aktiv konturmodel.
18. Fremgangsmåde ifølge et hvilket som helst af de foregående krav 5-17, hvor identificeringen af udgangspunkt justeres med hensyn til blodkar, som forekommer i billedet.
19. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor vurderingen af delmængde justeres med hensyn til blodkar, som forekommer i billedet.
20. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor delmængder af det billede, som har i det mindste en del af delmængden lokaliseret i et blodkar, afvises som kandidatlæsionsområde.
21. Fremgangsmåde ifølge et hvilket som helst af de foregående krav 2-20, hvor identificeringen af udgangspunkt justeres med hensyn til et optisk nervehoved, som forekommer i billedet.
22. Fremgangsmåde ifølge et hvilket som helst af de foregående krav 2-21, hvor delmængder af billedet, som har i det mindste en del af delmængden lokaliseret i det optiske nervehoved, afvises som kandidatlæsionsområde.
23. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor baggrundsvariationen vurderes ved c1) vurdering af middel- og standardafvigelsen af gradientstørrelsespixels af et område, der defineres som omgivende kandidatlæsionsområdet, bestemmelse af en nedre tærskel og en øvre tærskel for gradientstørrelsespixels, c2) gentagen fjernelse af en fjerntliggende gradientstørrelsespixel under en nedre tærskel eller over en øvre tærskel og revurdering af middel- og standardafvigelsen af de resterende gradientstørrelsespixels, bestemmelse af en anden nedre og en anden øvre tærskel for gradientstørrelsespixels, indtil der ikke findes nogen fjerntliggende gradientstørrelsespixels, c3) vurdering af baggrundsvariationen ud fra den i c2) vurderede middel- og standardafvigelse.
24. Fremgangsmåde ifølge et hvilket som helst af de foregående krav 16-23, hvor variansmålet af en del af billedet vurderes ved c4) definering af et bånd af pixels med en forudbestemt bredde og med en forudbestemt afstand fra kandidatlæsionsområdet, c5) vurdering af middel- og standardafvigelsen af intensiteten af båndet og c6) vurdering af variansmålet af en del af billedet ud fra den i c5) vurderede middel- og standardafvigelse.
25. Fremgangsmåde til klassificering af et fundusbillede, omfattende vurdering af tilstedeværelsen eller fraværet af mindst én læsion ved den fremgangsmåde, der er defineret i et hvilket som helst af kravene 1-24, graduering af fundusbilledet med hensyn til antal og/eller størrelse af læsioner, klassificering af fundusbilledet i mindst to klasser.
26. Databearbejdningssystem, som omfatter midler til at udføre fremgangsmåden ifølge et hvilket som helst af kravene 1 til 25.
27. System, som omfatter en processor og en hukommelse og er konfigureret til at udføre fremgangsmåden ifølge et hvilket som helst af kravene 1 til 25.
28. System ifølge et hvilket som helst af kravene 26-27, som desuden omfatter en displaymonitor, der har en displayskærm og et grafisk brugergrænseflademodul til at arbejde sammen med displayskærmen.
29. System ifølge et hvilket som helst af kravene 26-28, hvor billedet tilvejebringes til systemet gennem en netværksgrænseflade og lagres lokalt på en masselagringsind-retning og/eller i en hukommelse.
30. System ifølge et hvilket som helst af kravene 26-29, hvor billedet tilvejebringes over et netværk, en lagringsindretning elleret bærbart masselagringsmedium.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DKPA200101451 | 2001-10-03 | ||
DKPA200200635 | 2002-04-25 | ||
US37623302P | 2002-04-30 | 2002-04-30 | |
PCT/DK2002/000661 WO2003030074A1 (en) | 2001-10-03 | 2002-10-03 | Assessment of lesions in an image |
Publications (1)
Publication Number | Publication Date |
---|---|
DK1444635T3 true DK1444635T3 (da) | 2017-08-28 |
Family
ID=58744556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DK02800053.7T DK1444635T3 (da) | 2001-10-03 | 2002-10-03 | Vurdering af læsioner i et billede |
Country Status (3)
Country | Link |
---|---|
DK (1) | DK1444635T3 (da) |
ES (2) | ES2614043T3 (da) |
PT (1) | PT2793189T (da) |
-
2002
- 2002-10-03 DK DK02800053.7T patent/DK1444635T3/da active
- 2002-10-03 ES ES14176515.6T patent/ES2614043T3/es not_active Expired - Lifetime
- 2002-10-03 ES ES02800053.7T patent/ES2630384T3/es not_active Expired - Lifetime
- 2002-10-03 PT PT141765156T patent/PT2793189T/pt unknown
Also Published As
Publication number | Publication date |
---|---|
ES2614043T3 (es) | 2017-05-29 |
ES2630384T3 (es) | 2017-08-21 |
PT2793189T (pt) | 2017-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1444635B1 (en) | Assessment of lesions in an image | |
Haleem et al. | Automatic extraction of retinal features from colour retinal images for glaucoma diagnosis: a review | |
Abràmoff et al. | Retinal imaging and image analysis | |
WO2018116321A2 (en) | Retinal fundus image processing method | |
Zhu et al. | Digital image processing for ophthalmology: Detection of the optic nerve head | |
Pratheeba et al. | A novel approach for detection of hard exudates using random forest classifier | |
Giancardo | Automated fundus images analysis techniques to screen retinal diseases in diabetic patients | |
Sidhu et al. | Segmentation of retinal blood vessels by a novel hybrid technique-Principal Component Analysis (PCA) and Contrast Limited Adaptive Histogram Equalization (CLAHE) | |
Giancardo et al. | Quality assessment of retinal fundus images using elliptical local vessel density | |
WO2003030073A1 (en) | Quality measure | |
Lazar et al. | A novel approach for the automatic detection of microaneurysms in retinal images | |
WO2003030075A1 (en) | Detection of optic nerve head in a fundus image | |
WO2004082453A2 (en) | Assessment of lesions in an image | |
Noronha et al. | A review of fundus image analysis for the automated detection of diabetic retinopathy | |
DK1444635T3 (da) | Vurdering af læsioner i et billede | |
Niemeijer | Automatic detection of diabetic retinopathy in digital fundus photographs | |
WO2003030101A2 (en) | Detection of vessels in an image | |
Patil et al. | Screening and detection of diabetic retinopathy by using engineering concepts | |
Waly et al. | Detection of Retinal Blood Vessels by using Gabor filter with Entropic threshold | |
Mohammadi et al. | The computer based method to diabetic retinopathy assessment in retinal images: a review. | |
Raju | DETECTION OF DIABETIC RETINOPATHY USING IMAGE PROCESSING | |
Al-Hamadani | A fast template-based technique to extract optic disc from coloured fundus images based on histogram features | |
Romero Oraa | Automatic analysis of retinal images to aid in the diagnosis and grading of diabetic retinopathy | |
Barreira et al. | Automatic analysis of the microaneurysm turnover in a web-based framework for retinal analysis | |
Soomro et al. | Impact of Novel Image Preprocessing Techniques on Retinal Vessel Segmentation. Electronics 2021, 10, 2297 |