DK1444635T3 - Vurdering af læsioner i et billede - Google Patents

Vurdering af læsioner i et billede Download PDF

Info

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
Application number
DK02800053.7T
Other languages
English (en)
Inventor
Ebbe Sorensen
Johan Doré Hansen
Michael Grunkin
Niels Vaever Hartvig
Jannik Godt
Per Rønsholt Andresen
Soffia Björk Smith
Original Assignee
Retinalyze As
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Retinalyze As filed Critical Retinalyze As
Priority claimed from PCT/DK2002/000661 external-priority patent/WO2003030074A1/en
Application granted granted Critical
Publication of DK1444635T3 publication Critical patent/DK1444635T3/da

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.
DK02800053.7T 2001-10-03 2002-10-03 Vurdering af læsioner i et billede DK1444635T3 (da)

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)

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