JP2016073537A - 眼底画像解析装置及び眼底画像解析方法 - Google Patents
眼底画像解析装置及び眼底画像解析方法 Download PDFInfo
- Publication number
- JP2016073537A JP2016073537A JP2014207215A JP2014207215A JP2016073537A JP 2016073537 A JP2016073537 A JP 2016073537A JP 2014207215 A JP2014207215 A JP 2014207215A JP 2014207215 A JP2014207215 A JP 2014207215A JP 2016073537 A JP2016073537 A JP 2016073537A
- Authority
- JP
- Japan
- Prior art keywords
- blood vessel
- region
- blood
- information
- fundus image
- 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.)
- Pending
Links
Landscapes
- Eye Examination Apparatus (AREA)
Abstract
【課題】血柱反射が強い血管が存在する眼底画像において眼底血管領域を良好に抽出可能とする。【解決手段】眼底画像の解析装置において、眼底画像を入力画像としてこれに二値化処理を施して得られる二値化血管領域情報を含む画像を生成する二値化血管抽出手段と、二値化血管領域に細線化処理を施して細線化血管領域情報を求める血管細線化手段と、細線化血管領域情報に基づいて眼底画像の血管領域における血柱反射領域を減少させて得た血管領域を抽出する血管領域抽出手段と、を配する。【選択図】図1
Description
本発明は、眼科撮影装置で撮影した眼底画像から眼底血管領域を抽出する眼底画像解析装置、及び眼底画像解析方法に関する。
被検眼の眼底では非侵襲で血管を観察することが可能であることから、該眼底を眼科撮影装置で撮影して得た眼底画像から、眼底血管領域を抽出し、血管径計測などを行って眼の疾病のみならず循環器系の診断にもこれを役立てている(非特許文献1及び非特許文献2参照)。また、当該血管を眼底画像から抽出するための眼底画像解析装置が知られている。
このような眼底の血管領域を抽出する方法として、例えば特許文献1には、眼底画像の各画素の画素値に対して閾値処理を施すことで眼底血管領域を抽出する方法が開示されている。また、当該文献には、血管径を計測可能な診療支援システムについても開示されている。また、特許文献2には、血管径計測を行う段階を眼底画像の処理過程で含む眼底画像解析方法が開示されている。
非特許文献1には、細線化処理を行う方法が記載されている。
非特許文献2には、二重リングフィルタを用いた眼底血管領域抽出方法が開示されている。
非特許文献3には、ブラックトップハット変換を用いた眼底血管領域抽出方法が記載されている。
非特許文献1には、細線化処理を行う方法が記載されている。
非特許文献2には、二重リングフィルタを用いた眼底血管領域抽出方法が開示されている。
非特許文献3には、ブラックトップハット変換を用いた眼底血管領域抽出方法が記載されている。
高橋亮、畑中裕司、中川俊明、林佳典、青山陽、水草豊、藤田明宏、加古川正勝、原武史、藤田広志、"眼底画像における高血圧症診断支援のための血管交叉部の自動解析,"Medical Imaging Technology, vol.24, no.4, pp.270-276, 2006.
中川俊明、林佳典、畑中裕司、青山陽、水草豊、藤田明宏、加古川正勝、原武史、藤田広志、山本哲也、"眼底画像診断支援システムのための血管消去画像を用いた視神経乳頭の自動認識及び擬似立体視画像生成への応用,"信学論D,vol.J89-D, no.11, pp.2491-2501, Nov. 2006.
Hilditch, C.J., Linear Skeletons From Square Cupboards, in Machine Intelligence IV (B. Meltzer and D. Mitchie eds), University Press,Edinburgh, 1969. 403-420. 17, 2, 1970. 339.
特許文献1に開示されている方法では、眼底画像の各画素の画素値に対して閾値処理を施すことで血管領域を抽出している。しかし眼底画像にみられる血管では血柱反射を有する場合が多く、この血柱反射が強い血管においては眼底血管領域を良好に抽出できない場合がある。このような場合、血管径計測結果は、本来の血管径とは誤差を有して求められる可能性がある。また、特許文献2に開示される方法においては、血柱反射に対する対策は特に採られていない。
本発明は、以上の状況に鑑みて為されたものであって、血柱反射が強い血管が存在する眼底画像であっても、簡便な方法で眼底血管領域を良好に抽出することを可能とする眼底画像解析装置及び眼底画像解析方法の提供を目的とする。
上記課題を解決するために、本発明に係る眼底画像解析装置は、被検眼の眼底画像を入力画像として前記入力画像に二値化処理を施して得られる二値化後の血管領域の情報を含む画像を生成する二値化手段と、
前記二値化後の血管領域に細線化処理を施して細線化情報を求める細線化手段と、
前記細線化情報に基づいて前記眼底画像の血管領域における血柱反射領域を減少させて得た前記血管領域を抽出する血管抽出手段と、を有することを特徴とする。
前記二値化後の血管領域に細線化処理を施して細線化情報を求める細線化手段と、
前記細線化情報に基づいて前記眼底画像の血管領域における血柱反射領域を減少させて得た前記血管領域を抽出する血管抽出手段と、を有することを特徴とする。
本発明によれば、血柱反射が強い血管が存在する眼底画像であっても、眼底血管領域を良好に抽出することが可能になる。さらに、抽出された眼底血管領域を元に、血管径を容易に計測することが可能になる。
[実施例1]
図1は、本発明の実施例1に係る眼底画像解析装置のブロック図である。本眼底画像解析装置は、公知の種々の眼科撮影装置で被検眼眼底を撮影して得た眼底画像を元に、眼底における血管の径を算出する。以下に、本発明における眼底画像解析装置の各手段の詳細を示す。本実施例1に係る眼底画像解析装置は、二値化血管抽出手段001、血管細線化手段002、膨張処理手段003、収縮処理手段004、血管領域抽出手段009、及び血管径計測手段010を有する。以下、各手段について詳述する。
図1は、本発明の実施例1に係る眼底画像解析装置のブロック図である。本眼底画像解析装置は、公知の種々の眼科撮影装置で被検眼眼底を撮影して得た眼底画像を元に、眼底における血管の径を算出する。以下に、本発明における眼底画像解析装置の各手段の詳細を示す。本実施例1に係る眼底画像解析装置は、二値化血管抽出手段001、血管細線化手段002、膨張処理手段003、収縮処理手段004、血管領域抽出手段009、及び血管径計測手段010を有する。以下、各手段について詳述する。
二値化血管抽出手段001は、不図示の眼科撮影装置或いは眼底画像を記憶した記憶装置より入力された眼底画像を元に、二値化血管領域情報を生成する。本実施例では、二値化血管抽出手段001に入力する眼底画像はデジタルカラー眼底画像であって、眼底カメラで被検眼眼底をあらかじめ撮影することで得た画像とする。デジタルカラー眼底画像の一例を図2に示す。二値化血管抽出手段001は、図2で示すデジタルカラー眼底画像に二値化処理を施すことにより、図3で例示する二値化血管領域情報を算出する。該二値化血管抽出手段001は、本実施例において、被検眼の眼底画像を入力画像としてこれに二値化処理を施して得られる二値化後の血管領域の情報を含む画像を生成する二値化手段に対応する。
ここで、二値化の方法は特に問わないが、たとえば、非特許文献2に記載される二重リングフィルタ処理を利用してもよい。該処理では、局所的な平均濃度値を用いるなど、眼底画像の高周波成分を取り除いた画像を生成し、生成した画像と元の眼底画像とを比較し、更に閾値処理することにより二値化を行っている。なお、本実施例では二重リングフィルタを利用して二値化処理を行ったが、たとえば、非特許文献3に記載のブラックトップハット変換を用いて、眼底画像内の明るさのムラをなくしてから二値化処理を行うなどしてもよい。また、本実施例では、デジタルカラー眼底画像を使用しているが、たとえば、デジタルグレースケール画像やSLO画像を入力画像としてもよい。なお、一般的な血管のピクセル数は、撮影する画角や画像サイズにより異なるため、後述のフィルタサイズなども、撮影する画角や画像サイズに合わせて適宜変更することが好ましい。
血管細線化手段002は、二値化血管抽出手段001で取得した二値化血管領域情報に対して細線化処理を施すことにより、細線化血管領域情報を生成する。血管細線化手段002は、非特許文献3に記載のHilditchの方法などを利用することにより二値化された血管領域の細線化が可能である。当該細線化処理を行うことで、図4で示す細線化血管領域情報を算出する。なお、本実施例では、Hilditchの方法を細線化処理に利用したが、既知の細線化処理方法を利用してもよい。該血管細線化手段002は、本実施例において、二値化後の血管領域に細線化処理を施して細線化情報を求める細線化手段に対応する。
膨張処理手段003は、血管細線化手段002で取得した細線化血管領域情報の各領域に対してこれを膨張させる膨張処理を施し、膨張血管領域情報を生成する。具体的には、図4に示される画像に3×3ピクセルの最大値フィルタをかけることで、細線化血管を膨張させる。この操作を経ることで、図5で示す膨張血管領域情報を生成することができる。該膨張処理手段003は、本実施例において、細線化情報に膨張処理を施して膨張情報を生成する膨張処理手段に対応する。なお、ここで述べた3×3ピクセルの最大値フィルタをかけるとは、最大輝度値を得たピクセルを中心として3×3ピクセルの領域を設定し、当該領域内の9ピクセルの輝度値を該最大輝度値と置き換える処理を行うことを指す。また、後述する3×3の最小値フィルタとは、最小輝度値を得たピクセルを中心として3×3ピクセルの領域を設定し、当該領域内の9ピクセルの輝度値を該最小輝度値と置き換える処理を行うことを指す。
なお、本実施例では、フィルタサイズを3×3ピクセルとしているが、たとえば、フィルタサイズに2×2ピクセルや4×4ピクセルなどを利用してもよい。このとき、フィルタサイズは想定する血管径の1/2を超えず、かつ最大の血柱反射の太さの1/2の値を目安として設定するのが好ましい。これは、フィルタサイズに血管径の1/2以上の値を指定した場合、血管外の部分を塗りつぶしてしまう可能性があることによる。逆に、フィルタサイズに血柱反射の太さの1/2未満の値を指定した場合、血柱反射をうまく塗りつぶせないことがある。
収縮処理手段004は、膨張処理手段003で取得した膨張血管領域情報の各領域に対してこれを収縮させる収縮処理を施し、収縮血管領域情報を生成する。具体的には、図5に示された画像に対して膨張処理時と同じフィルタサイズの最小値フィルタをかける。この操作を経ることで、図6で示される収縮血管領域情報を生成することができる。収縮血管領域情報においては、血柱反射のない血管は細線化された状態に戻り、且つ血柱反射のある血管は血柱反射の領域が白く塗りつぶされた状態となる。逆に、血管細線化手段002において血管や血柱反射として抽出されていない領域は、収縮血管領域情報の生成時に白く塗りつぶされることはほとんどない。該収縮処理手段004は、本実施例において、膨張情報に収縮処理を施して血柱反射領域を塗りつぶした血管領域情報を生成する収縮処理手段に対応する。
ここで、血柱反射とは、血管中の血液に照明光が反射することである。この血柱反射が生じることによって、反射領域が血管以外の所謂背景と同じ輝度或いは色調を有する領域として画像化されてしまう。この画像を二値化し更に細線化すると、当該血管は恰も平行線の如く存在する二本の血管として認識されてしまう。本実施例の如くこの画像に対して適切な範囲の膨張処理を施すと、この平行線の間のピクセルの輝度値は大きくなり、結果として平行線の間の領域は画像上から無くなる若しくは減少されることとなる。即ち、膨張処理によって血柱反射の影響を無くした、或いは低減した画像が得られる。ここで更に、膨張処理後の血管幅を元の細線化処理により得られた際の血管に対応する線の幅に戻すべく、膨張処理画像に対して最小値フィルタをかける。以上述べたように、本実施例によれば、膨張処理によって血柱反射の影響が予め取り除かれていることから、血柱反射の影響の無い、或いは低減された眼底像がこの最小値フィルタを経ることより得られる。
ここで、本実施例では、膨張処理-細線化処理、特に膨張処理を行うことによって、血柱反射領域として画像上血管と認識されにくい領域を減少させることを、画像的に白或いは黒等の特定の色調によって塗りつぶすと表現している。即ち、塗りつぶす色は白に限定されず、黒等でも使用可能である。この、血柱反射領域を減少させる眼底画像中の塗りつぶしの処理は、血柱反射領域の情報の少なくとも一つである輝度値を血管領域における血柱反射領域以外の領域の輝度値によって置き換えることによって行われる。なお、本実施例では血柱反射領域の情報として輝度値を用いているが、血柱反射領域とこれ以外の血管領域とを区別せる画像情報であれば、その他種々の情報を用いることが可能である。
血管領域抽出手段009は、二値化血管抽出手段001で取得した二値化血管領域情報と、収縮処理手段004で取得した収縮血管領域情報との論理和を取ることで、血管領域情報を生成する。該血管領域抽出手段009は、本実施例において、細線化情報に基づいて眼底画像の血管領域における血柱反射領域を塗りつぶして得た再構成された血管領域を抽出する血管抽出手段に対応する。より詳細に言えば、該血管抽出手段は、膨張情報に収縮処理を施して血柱反射領域を塗りつぶして得られた血管領域情報に基づいて、血柱反射領域を塗りつぶして得た再構成された血管領域を抽出する。また、前述したように、血管領域情報と二値化後の血管領域の情報との論理和を生成することが好ましく、該論理和は論理和手段として血管抽出手段に包含される手段により実行されることが好ましい。この場合、血管抽出手段は、該論理和に基づいて血管領域を抽出することが好ましい。
このとき、収縮血管領域情報は、細線化血管領域情報から血柱反射の部分が白で塗りつぶされたものであるため、各血管の太さが二値化血管領域情報から変わることは非常に少ない。
血管径計測手段010は、血管領域抽出手段009で取得した情報において、各眼底血管領域の最短の太さを計測することで、血管径を算出することができる。該血管計測手段010は、本実施例において、血管抽出手段で抽出した血管領域の血管径計測を行う計測手段に対応する。
従来技術では、入力する眼底画像に血柱反射が存在する場合、二値化処理を行った眼底画像にも血柱反射が表れる。そのため、血管径を計測する際には、血柱反射を考慮して計測する必要があった。しかし、本発明を用いることで、血柱反射の強い血管であっても、血柱反射を含まない眼底血管の二値画像を生成できる。そのため、本方法で生成した二値画像を元に、血管径計測手段010で血管径を計測する際に、血柱反射の影響を考慮する必要のない単純な処理で計測することが可能である。また、血管径の計測結果に関しても、より正確な値を算出することが可能である。その結果、本発明によれば、眼底画像において血柱反射の強い血管であっても、血管径を良好に計測することができる。
なお、ここでは血管径を計測しそれを単に出力することとしているが、計測手段で計測した血管径を含む情報を任意の表示形式で表示手段に表示させても良い。また、この場合、該表示形式の入力を可能とし且つこれを表示手段に指示する表示制御手段を更に配することが好ましい。
[実施例2]
本実施例は、実施例1の構成の一部を変更し、血管細線化手段002で取得した細線化血管領域情報において、血管のループ構造を利用する手段を有する場合について示す。図8は、本実施例における眼底画像解析装置のブロック図である。なお、実施例1に示した各手段と処理内容が同じ手段とに関しては説明を省略する。
本実施例は、実施例1の構成の一部を変更し、血管細線化手段002で取得した細線化血管領域情報において、血管のループ構造を利用する手段を有する場合について示す。図8は、本実施例における眼底画像解析装置のブロック図である。なお、実施例1に示した各手段と処理内容が同じ手段とに関しては説明を省略する。
血管細線化手段002は、実施例1において述べた方法により、細線化血管領域情報を生成する。
ループ検出手段005は、血管細線化手段002により生成された細線化血管領域情報から、ループ構造を検出して、ループ検出情報を生成する。本実施例におけるループ構造の検出は、細線化された血管で区切られた全ての領域の面積を算出し、面積が100ピクセル未満のものをループ構造と判定することにより為される。なお、ループ構造を検出するアルゴリズムは例示した本実施例の方法に限らず、一定面積以下のループ構造を検出できるアルゴリズムであれば十分である。該ループ検出手段005は、本実施例において、細線化情報からループ箇所を検出するループ検出手段に対応する。
楕円近似処理手段006は、ループ検出手段005で取得したループ検出情報の各ループ構造に対して楕円近似を行い、楕円近似情報を生成する。該楕円近似処理手段006は、本実施例において、細線化情報におけるループ箇所を楕円近似領域に変換する楕円近似手段に対応する。
図9は、細線化血管領域のループ構造の一例と該構造について行う楕円近似の例との関係を示した図である。あるループ構造において楕円近似を行う際には、図9のように楕円の中心座標(X0,Y0)、径a、b、傾きθを未知数として設定する。ただし、楕円の長径、短径はa、bの大きさによって決まるため、a>bのとき、(長径A,短径B)=(a,b)、a≦bのとき、(長径A,短径B)=(b,a)となる。また、ループ構造上の任意の座標を(Xi,Yi)とする。ループ構造上から任意の座標を複数取得し、楕円の公式である数1を利用し、最小二乗法により最も得点の高くなる未知数を算出することで、楕円近似を行う。
血柱反射判定手段007は、楕円近似処理手段006で取得した楕円近似情報における各楕円が血柱反射によるものであるか否かを判定し、判定結果より血柱反射判定情報を生成する。本実施例では、ある楕円において楕円の短径をB、想定する血管径をVとしたとき、B<Vを満たす楕円を構成するループ構造を血柱反射と判定する。該血中反射判定手段007は、本実施例において、楕円近似領域が血柱反射領域であるか否かを判定する判定手段に対応する。ここで、想定した血管径Vについては、例えば視神経乳頭に近いほど大きくなることから、血管の位置に応じて変更されることが好ましい。また、B或いはVをピクセル数によって表現する場合、物理的な長さ等が実際に同じであっても画面の解像度よってピクセル数が異なる。このため、B或いはVを表現するピクセル数は画面解像度に応じてその値を変更する等しても良い。例えば、基準となる解像度よりも画像を表示する画面が高解像度である場合には、血管径Vの値を大きくすることが好ましい。
なお、本実施例では、楕円の短径を利用して血柱反射を判定しているが、たとえば、楕円の面積や長径、近似した楕円とループ構造上の各座標との誤差の総和や分散などを利用して判定してもよい。また、本実施例では、楕円近似処理手段006や血柱反射判定手段007において、血柱反射の判定に用いる基準となる形状として楕円を利用しているが、それに限らない。たとえば、長方形やオーバルといった別の形状を利用することで、血柱反射であるか否かを判定してもよい。
血柱反射抽出手段008は、血柱反射判定手段007で血柱反射判定情報において血柱反射の領域とされた各々を白に塗りつぶすことにより、血柱反射領域情報を生成する。血柱反射領域情報は、本発明の課題である眼底血管領域を良好に抽出するための用途だけでなく、眼底画像から血柱反射部分を探すといった要求に対しても利用できる。該血中反射抽出手段008は、本実施例において、判定手段により血柱反射領域であると判定されたループ箇所を血柱反射領域として抽出し、これを塗りつぶして血管領域情報を生成する血柱抽出手段に対応する。前記血管領域情報に基づいて、血管抽出手段は、この血管領域情報に基づいて、血柱反射領域を塗りつぶして得た血管領域を抽出する。
血管領域抽出手段009により血管領域が抽出された以降の操作は、実施例1と同様であるため省略する。以上より、実施例1と同様、血柱反射の強い血管であっても、血柱反射のない眼底血管の二値画像を生成できる。その結果、本発明によれば、眼底画像において血柱反射の強い血管であっても、血管径を良好に計測することがでる。
(その他の実施例)
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ(またはCPUやMPU等)がプログラムを読み出して実行する処理である。
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ(またはCPUやMPU等)がプログラムを読み出して実行する処理である。
001:二値化血管抽出手段
002:血管細線化手段
003:膨張処理手段
004:収縮処理手段
005:ループ検出手段
006:楕円近似処理手段
007:血柱反射判定手段
008:血柱反射抽出手段
009:血管領域抽出手段
010:血管径計測手段
002:血管細線化手段
003:膨張処理手段
004:収縮処理手段
005:ループ検出手段
006:楕円近似処理手段
007:血柱反射判定手段
008:血柱反射抽出手段
009:血管領域抽出手段
010:血管径計測手段
Claims (11)
- 被検眼の眼底画像を入力画像として前記入力画像に二値化処理を施して得られる二値化後の血管領域の情報を含む画像を生成する二値化手段と、
前記二値化後の血管領域に細線化処理を施して細線化情報を求める細線化手段と、
前記細線化情報に基づいて前記眼底画像の血管領域における血柱反射領域を減少させて得た前記血管領域を抽出する血管抽出手段と、を有することを特徴とした眼底画像解析装置。 - 前記細線化情報に膨張処理を施して膨張情報を生成する膨張処理手段と、
前記膨張情報に収縮処理を施して前記血柱反射領域を減少させた血管領域情報を生成する収縮処理手段と、を有し、
前記血管領域情報に基づいて、前記血管抽出手段は前記血柱反射領域を減少させて得た前記血管領域を抽出することを特徴とする請求項1に記載の眼底画像解析装置。 - 前記血柱反射領域を減少させる際に、前記膨張処理手段は、前記血柱反射領域の情報の少なくとも一つを前記血管領域における前記血柱反射領域以外の領域の前記少なくとも一つの情報によって置き換えることによって前記画像中における前記血柱反射領域に対応する領域を塗りつぶした膨張情報を生成することを特徴とする請求項2に記載の眼底画像解析装置。
- 前記細線化情報からループ箇所を検出するループ検出手段と、
前記ループ箇所を楕円近似領域に変換する楕円近似手段と、
前記楕円近似領域が前記血柱反射領域であるか否かを判定する判定手段と、
前記判定手段により前記血柱反射領域であると判定された前記ループ箇所を減少させて血管領域情報を生成する血柱抽出手段と、を有し、
前記血管領域情報に基づいて、前記血管抽出手段は前記血柱反射領域を減少させて得た前記血管領域を抽出することを特徴とする請求項1に記載の眼底画像解析装置。 - 前記血柱反射領域を減少させる際に、前記血柱抽出手段は、前記血柱反射領域の情報の少なくとも一つを前記血管領域における前記血柱反射領域以外の領域の前記少なくとも一つの情報によって置き換えることによって前記画像中における前記血柱反射領域に対応する領域を塗りつぶした血管領域情報を生成することを特徴とする請求項4に記載の眼底画像解析装置。
- 前記血管領域情報と前記二値化後の血管領域の情報との論理和を生成する論理和手段を有し、
前記血管抽出手段は前記論理和に基づいて前記血管領域を抽出することを特徴とする請求項2乃至5の何れか一項に記載の眼底画像解析装置。 - 前記血管抽出手段で抽出した血管領域の血管径計測を行う計測手段を更に有することを特徴とする請求項1乃至6の何れか一項に記載の眼底画像解析装置。
- 前記計測手段で計測した血管径を含む情報を任意の表示形式で表示手段に表示させる表示制御手段を更に有することを特徴とする請求項7に記載の眼底画像解析装置。
- 被検眼の眼底画像を入力画像として前記入力画像に二値化処理を施して得られる二値化後の血管領域の情報を含む画像を生成する二値化工程と、
前記二値化後の血管領域に細線化処理を施してから細線化情報を求める細線化工程と、
前記細線化情報に基づいて前記眼底画像の血管領域における血柱反射領域を減少させて得た血管領域を抽出する血管抽出工程と、を有することを特徴とした眼底画像解析方法。 - 前記血柱反射領域を減少させる際に、前記血柱反射領域の情報の少なくとも一つを前記血管領域における前記血柱反射領域以外の領域の前記少なくとも一つの情報によって置き換えることによって前記画像中における前記血柱反射領域に対応する領域を塗りつぶすことを特徴とする請求項9に記載の眼底画像解析方法。
- 請求項9又は10に記載の眼底画像解析方法の各工程をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014207215A JP2016073537A (ja) | 2014-10-08 | 2014-10-08 | 眼底画像解析装置及び眼底画像解析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014207215A JP2016073537A (ja) | 2014-10-08 | 2014-10-08 | 眼底画像解析装置及び眼底画像解析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016073537A true JP2016073537A (ja) | 2016-05-12 |
Family
ID=55950258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014207215A Pending JP2016073537A (ja) | 2014-10-08 | 2014-10-08 | 眼底画像解析装置及び眼底画像解析方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2016073537A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136140A (zh) * | 2019-04-16 | 2019-08-16 | 上海鹰瞳医疗科技有限公司 | 眼底图像血管影像分割方法及设备 |
CN115049654A (zh) * | 2022-08-15 | 2022-09-13 | 成都唐源电气股份有限公司 | 一种钢轨反光光条的提取方法 |
-
2014
- 2014-10-08 JP JP2014207215A patent/JP2016073537A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136140A (zh) * | 2019-04-16 | 2019-08-16 | 上海鹰瞳医疗科技有限公司 | 眼底图像血管影像分割方法及设备 |
CN115049654A (zh) * | 2022-08-15 | 2022-09-13 | 成都唐源电气股份有限公司 | 一种钢轨反光光条的提取方法 |
CN115049654B (zh) * | 2022-08-15 | 2022-12-06 | 成都唐源电气股份有限公司 | 一种钢轨反光光条的提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7058373B2 (ja) | 医療画像に対する病変の検出及び位置決め方法、装置、デバイス、及び記憶媒体 | |
CN107480677B (zh) | 一种识别三维ct图像中感兴趣区域的方法及装置 | |
JP6167518B2 (ja) | 画像処理装置および方法、並びにプログラム | |
JP5701024B2 (ja) | 画像処理装置及び方法 | |
WO2019037676A1 (zh) | 图像处理方法及装置 | |
US10178941B2 (en) | Image processing apparatus, image processing method, and computer-readable recording device | |
CN108186051B (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统 | |
WO2008010305A1 (fr) | Analyseur d'images et programme d'analyse d'images | |
WO2020001236A1 (zh) | 提取医学图像标注的方法及装置 | |
JP2010082245A (ja) | 毛情報測定方法 | |
US20200320693A1 (en) | Determining levels of hypertension from retinal vasculature images | |
JP6734475B2 (ja) | 画像処理装置及びプログラム | |
KR20210000542A (ko) | 의료영상에서의 특정연골 분할 방법 및 장치 | |
KR20160118037A (ko) | 의료 영상으로부터 병변의 위치를 자동으로 감지하는 장치 및 그 방법 | |
CN104361554A (zh) | 一种基于血管内超声图像的血管外膜自动检测方法 | |
JP2018114031A (ja) | 眼底画像処理装置 | |
JP2015202236A (ja) | 眼底画像解析装置及び解析方法 | |
WO2007110982A1 (ja) | 眼底のステレオ画像のための画像解析装置及びプログラム | |
WO2020215485A1 (zh) | 胎儿生长参数测量方法、系统及超声设备 | |
WO2020138128A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP2016073537A (ja) | 眼底画像解析装置及び眼底画像解析方法 | |
KR20200046775A (ko) | Ct 영상 내 간암 영역 기반으로 3차원 분석을 하는 수술 보조 장치 및 방법 | |
JP2018102586A (ja) | 眼底画像処理装置 | |
Mikolaj et al. | Removing confounding information from fetal ultrasound images | |
Reel et al. | Multimodal retinal image registration using a fast principal component analysis hybrid-based similarity measure |