JP2022550669A - 網膜血管の動静脈を判別する方法及び装置 - Google Patents
網膜血管の動静脈を判別する方法及び装置 Download PDFInfo
- Publication number
- JP2022550669A JP2022550669A JP2022512438A JP2022512438A JP2022550669A JP 2022550669 A JP2022550669 A JP 2022550669A JP 2022512438 A JP2022512438 A JP 2022512438A JP 2022512438 A JP2022512438 A JP 2022512438A JP 2022550669 A JP2022550669 A JP 2022550669A
- Authority
- JP
- Japan
- Prior art keywords
- vessel
- image
- arteriovenous
- segments
- pairs
- 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
- 238000000034 method Methods 0.000 title claims abstract description 97
- 210000003462 vein Anatomy 0.000 title claims abstract description 79
- 210000001210 retinal vessel Anatomy 0.000 title claims abstract description 76
- 210000001367 artery Anatomy 0.000 title claims abstract description 71
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 137
- 238000000605 extraction Methods 0.000 claims abstract description 71
- 239000000284 extract Substances 0.000 claims abstract description 8
- 230000002792 vascular Effects 0.000 claims description 64
- 238000001514 detection method Methods 0.000 claims description 32
- 210000003733 optic disk Anatomy 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 10
- 206010025421 Macule Diseases 0.000 claims description 7
- 238000012360 testing method Methods 0.000 abstract description 31
- 238000004422 calculation algorithm Methods 0.000 abstract description 24
- 238000005259 measurement Methods 0.000 abstract description 11
- 210000001525 retina Anatomy 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 10
- 238000012549 training Methods 0.000 description 34
- 238000010586 diagram Methods 0.000 description 28
- 230000002207 retinal effect Effects 0.000 description 18
- 230000001788 irregular Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 4
- 206010003210 Arteriosclerosis Diseases 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 208000011775 arteriosclerosis disease Diseases 0.000 description 4
- 238000004195 computer-aided diagnosis Methods 0.000 description 4
- 238000013434 data augmentation Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000001927 retinal artery Anatomy 0.000 description 4
- 210000001957 retinal vein Anatomy 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012850 discrimination method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000008722 morphological abnormality Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Abstract
Description
血管抽出画像、眼底画像及び視神経円板の中心の座標を取得するステップと;
前記血管抽出画像、前記眼底画像及び前記視神経円板の中心の座標に基づいて、主要血管の抽出を行い、主要血管の画像を取得し、前記主要血管画像に基づいて前記主要血管を切り取り、複数の単一の血管セグメントを取得するステップと;
複数の前記単一血管セグメントの血管径を測定して、各前記単一血管セグメントのそれぞれの血管径幅を取得し、それぞれの血管径幅に基づいて複数の動静脈血管対を選択して取得するステップと;
複数の前記動静脈血管対から不適格な動静脈血管対を除去し、適格な動静脈血管対を保持するステップを含み;
その中で、不適合な動静脈血管対を除去することには、
各前記動静脈血管対の単一血管セグメントの画像輝度の平均を取得し、前記画像輝度の平均に基づいて、複数の前記動静脈血管対から前記不適格な動静脈血管対を除去することが含まれる。
その中で、不適合な動静脈血管対を除去することには、
各前記動静脈血管対の単一血管セグメントの画像輝度の平均を取得し、前記画像輝度の平均に基づいて、複数の前記動静脈血管対から前記不適格な動静脈血管対を除去することが含まれる。
前記血管抽出画像の切断された血管を除去して、最大の連結された血管を取得し;
前記連結された血管に基づいて血管骨格を抽出し;
前記血管骨格に基づいて血管の交点を抽出し、前記交点を除去し;
前記視神経円板の中心の座標及び前記眼底画像に基づく前記血管骨格の小血管セグメント及び非主要血管の分岐を除去して主要血管を取得することが含まれ;
その中で、前記連結された血管に基づいて血管骨格を抽出する場合、Opencvの骨格抽出関数を使用して、前記連結された血管から血管骨格を抽出する。
各前記動静脈血管対における単一血管対の動脈血管と静脈血管の間の角度を取得し、前記角度に基づいて、複数の前記動静脈血管対から前記不適合な動静脈血管対を除去し;
各前記動静脈血管対における単一血管対の動脈血管と静脈血管の間の距離を取得し、前記距離に基づいて、複数の前記動静脈血管対から前記不適合な動静脈血管対を除去することが含まれる。
前記血管骨格を二値化してグレースケール画像を取得し;
3×3テンプレートを使用して前記グレースケール画像をトラバースし、列挙法によって前記グレースケール画像の前記交点を抽出し;
前記交点を中心として、半径の4ピクセル以内のピクセル値を0に設定することが含まれる。
前記視神経円板の中心の座標と前記眼底画像の黄斑部を結ぶ線を正の半軸とし;
前記正の半軸の時計回りに110°のエリアと前記正の半軸の反時計回りに110°のエリアを保持し;
3×3ELLIPSEを使用して前記グレースケール画像を精細化し、主要血管を取得した。
視神経円板の中心の座標を円の中心として、複数の小さな血管セグメントを得るために、所定の半径内で所定のステップサイズで外側に向かって主要血管をトラバースして切り取り、複数の小血管セグメントを取得し;
複数の小血管セグメントに対して凸包検出を行い、複数の滑らかな血管セグメントを取得し;
複数の前記滑らかな血管セグメントから所定の屈曲度閾値より大きな前記滑らかな血管セグメントを除去して直線状の血管セグメントを得;
Opencvの長方形検出APIを使用して前記直線状の血管セグメントを検出して、血管角度を取得し;
所定の角度範囲に従って、複数の前記単一血管セグメントを取得することが含まれる。
各前記単一血管セグメントの中線を取り、前記中線の中点を前記単一血管セグメントの両端に向かって所定のピクセル数だけ延長し、中線セグメントを得;
前記中線セグメントの両端の端点の垂直線方程式を計算し;
前記垂直線方程式間の前記単一血管セグメントの1本の輪郭線を直線フィッティングして第1直線を得;
前記第1直線傾きに基づいて、最小二乗法で他の1本の前記輪郭線を直線フィッティングして第2直線を得;
第1直線と第2直線の間の距離を計算して、血管の血管径を得;
複数の前記単一血管セグメントの中で最大の血管径を持つものを静脈として選択し;
前記静脈と他の単一血管セグメントとの間の距離を計算し、前記静脈に最も近い単一血管セグメントを動脈として選択することが含まれる。
前記データ取得モジュールは、血管抽出画像、眼底画像及び視神経円板の中心の座標を取得するように構成され;
前記血管スクリーニングモジュールは、前記血管抽出画像、前記眼底画像及び前記視神経円板の中心の座標に基づいて、主要血管の抽出を行い、主要血管の画像を取得し、前記主要血管画像に基づいて前記主要血管を切り取り、複数の単一の血管セグメントを取得するように構成され;
前記動静脈血管対選択モジュールは、複数の前記単一血管セグメントの血管径を測定して、各前記単一血管セグメントのそれぞれの血管径幅を取得し、それぞれの血管径幅に基づいて複数の動静脈血管対を選択して取得するように構成され;
複数の前記動静脈血管対から不適格な動静脈血管対を除去し、適格な動静脈血管対を保持するステップを含み;
その中で、不適合な動静脈血管対を除去することには、
各前記動静脈血管対の単一血管セグメントの画像輝度の平均を取得し、前記画像輝度の平均に基づいて、複数の前記動静脈血管対から前記不適格な動静脈血管対を除去することが含まれる。
プロセッサと;
プロセッサの実行可能な命令を格納するためのメモリと;を含み、
ここで、前記プロセッサは、前記実行可能命令を実行する際に、前記いずれかに記載の方法を実現するように構成されている。
U-netネットワーク構造を使用して血管抽出画像と視神経円板の中心の座標を取得する前に、まず採用したネットワークモデルをトレーニングして最終的な収束ネットワーク構造を取得する必要がある。
各単一血管セグメントの中線を取り、中線の中点を単一血管セグメントの両端に向かって所定のピクセル数だけ延長し、中線セグメントを得て、中線セグメントの両端の端点の垂直線方程式を計算し、垂直線方程式間の単一血管セグメントの1本の輪郭線に直線をフィッティングして第1直線を得、第1直線傾きに基づいて、最小二乗法で別の輪郭線に直線をフィッティングして第2直線を得、第1直線と第2直線の間の距離を計算して、血管の血管径を得、複数の単一血管セグメントの中で最大の血管径を持つものを静脈として選択し、静脈と他の単一血管セグメントとの間の距離を計算し、静脈に最も近い単一血管セグメントを動脈として選択することが含まれる。例えば、グレースケール画像をテンプレートとして、主要血管から当該単一血管セグメントの正中線を切り取り、それに対して直線フィッティング操作を行い、次に、当該血管セグメントの正中線の中点の位置座標を見つけて、両側に延長し、図14を参照して、5ピクセルの正中線セグメントを保持し、血管正中線セグメントの2つの端点で、それぞれ血管セグメントの垂直線方程式を計算し、そして、血管セグメントの垂直線線方程式から特定長の垂直線セグメントを切り取り、図面に実際の効果を表示し、さらに、図15を参照して、2つの垂直線セグメントにより単一の血管セグメントの輪郭ピクセルを切り取り、次に切り取った2つの血管輪郭から一つを選んで直線をフィッティングし、前記単一の輪郭直線をフィッティングしした後の傾きを固定し、最小二乗法を使用して、当該単一血管セグメントの2つの垂直線セグメントの間の一方の輪郭の直線フィッティングを実現し、2本の直線間の距離を計算することで血管径の測定が実現でき、次に、単一の血管セグメントをループし、その血管径の値をそれぞれ計算し、最大直径の値を選択して、それが静脈血管であると想定し、当該静脈血管セグメントの中心点から他の血管セグメントの中心点までの距離を計算し、静脈血管セグメントに最も近い単一の血管セグメントを選択して、それを動脈と想定すると、2つの血管セグメントは一対の動静脈血管対を構成し、関連するデータが保存される。
データ取得モジュール110は、血管抽出画像、眼底画像及び視神経円板の中心の座標を取得するように構成され、
血管スクリーニングモジュール120は、血管抽出画像、眼底画像及び視神経円板の中心の座標に基づいて、主要血管の抽出を行い、主要血管の画像を取得し、主要血管画像に基づいて主要血管を切り取り、複数の単一の血管セグメントを取得するように構成され、
動静脈血管対選択モジュール130は、複数の単一血管セグメントの血管径を測定して、各単一血管セグメントのそれぞれの血管径幅を取得し、それぞれの血管径幅に基づいて複数の動静脈血管対を選択して取得するように構成される。
血管抽出画像、眼底画像及び視神経円板の中心の座標を取得するステップと;
前記血管抽出画像、前記眼底画像及び前記視神経円板の中心の座標に基づいて、主要血管の抽出を行い、主要血管の画像を取得し、前記主要血管画像に基づいて前記主要血管を切り取り、複数の単一の血管セグメントを取得するステップと;
複数の前記単一血管セグメントの血管径を測定して、各前記単一血管セグメントのそれぞれの血管径幅を取得し、それぞれの血管径幅に基づいて複数の動静脈血管対を選択して取得するステップと;
複数の前記動静脈血管対から不適格な動静脈血管対を除去し、適格な動静脈血管対を保持するステップを含み;
その中で、不適格な動静脈血管対を除去することには、
各前記動静脈血管対の単一血管セグメントの画像輝度の平均を取得し、前記画像輝度の平均に基づいて、複数の前記動静脈血管対から前記不適格な動静脈血管対を除去することが含まれる。
その中で、不適格な動静脈血管対を除去することには、
各前記動静脈血管対の単一血管セグメントの画像輝度の平均を取得し、前記画像輝度の平均に基づいて、複数の前記動静脈血管対から前記不適格な動静脈血管対を除去することが含まれる。
前記血管抽出画像の切断された血管を除去して、最大の連結された血管を取得し;
前記連結された血管に基づいて血管スケルトンを抽出し;
前記血管スケルトンに基づいて血管の交点を抽出し、前記交点を除去し;
前記視神経円板の中心の座標及び前記眼底画像に基づく前記血管スケルトンの小血管セグメント及び非主要血管の分岐を除去して主要血管を取得することが含まれ;
その中で、前記連結された血管に基づいて血管スケルトンを抽出する場合、Opencv(登録商標、オープンソースのコンピュータビジョン向けライブラリ)を用いて予め用意されたスケルトン抽出関数を使用して、前記連結された血管から血管スケルトンを抽出する。
各前記動静脈血管対における単一血管対の動脈血管と静脈血管の間の角度を取得し、前記角度に基づいて、複数の前記動静脈血管対から前記不適格な動静脈血管対を除去し;
各前記動静脈血管対における単一血管対の動脈血管と静脈血管の間の距離を取得し、前記距離に基づいて、複数の前記動静脈血管対から前記不適格な動静脈血管対を除去することが含まれる。
前記血管スケルトンを二値化してグレースケール画像を取得し;
3×3テンプレートを使用して前記グレースケール画像をトラバースし、列挙法によって前記グレースケール画像の前記交点を抽出し;
前記交点を中心として、半径の4ピクセル以内のピクセル値を0に設定することが含まれる。
前記視神経円板の中心の座標と前記眼底画像の黄斑部を結ぶ線を正の半軸とし;
前記正の半軸の時計回りに110°のエリアと前記正の半軸の反時計回りに110°のエリアを保持し;
3×3ELLIPSEを使用して前記グレースケール画像を精細化し、主要血管を取得した。
視神経円板の中心の座標を円の中心として、複数の小さな血管セグメントを得るために、所定の半径内で所定のステップサイズで外側に向かって主要血管をトラバースして切り取り、複数の小血管セグメントを取得し;
複数の小血管セグメントに対して凸包検出を行い、複数の滑らかな血管セグメントを取得し;
複数の前記滑らかな血管セグメントから所定の屈曲度閾値より大きな前記滑らかな血管セグメントを除去して直線状の血管セグメントを得;
Opencvを用いて予め用意された長方形検出APIを使用して前記直線状の血管セグメントを検出して、血管角度を取得し;
所定の角度範囲に従って、複数の前記単一血管セグメントを取得することが含まれる。
各前記単一血管セグメントの中線を取り、前記中線の中点を前記単一血管セグメントの両端に向かって所定のピクセル数だけ延長し、中線セグメントを得;
前記中線セグメントの両端の端点の垂直線方程式を計算し;
前記垂直線方程式間の前記単一血管セグメントの1本の輪郭線を直線フィッティングして第1直線を得;
前記第1直線傾きに基づいて、最小二乗法で他の1本の前記輪郭線を直線フィッティングして第2直線を得;
第1直線と第2直線の間の距離を計算して、血管の血管径を得;
複数の前記単一血管セグメントの中で最大の血管径を持つものを静脈として選択し;
前記静脈と他の単一血管セグメントとの間の距離を計算し、前記静脈に最も近い単一血管セグメントを動脈として選択することが含まれる。
前記データ取得モジュールは、血管抽出画像、眼底画像及び視神経円板の中心の座標を取得するように構成され;
前記血管スクリーニングモジュールは、前記血管抽出画像、前記眼底画像及び前記視神経円板の中心の座標に基づいて、主要血管の抽出を行い、主要血管の画像を取得し、前記主要血管画像に基づいて前記主要血管を切り取り、複数の単一の血管セグメントを取得するように構成され;
前記動静脈血管対選択モジュールは、複数の前記単一血管セグメントの血管径を測定して、各前記単一血管セグメントのそれぞれの血管径幅を取得し、それぞれの血管径幅に基づいて複数の動静脈血管対を選択して取得するように構成され;
複数の前記動静脈血管対から不適格な動静脈血管対を除去し、適格な動静脈血管対を保持するステップを含み;
その中で、不適格な動静脈血管対を除去することには、
各前記動静脈血管対の単一血管セグメントの画像輝度の平均を取得し、前記画像輝度の平均に基づいて、複数の前記動静脈血管対から前記不適格な動静脈血管対を除去することが含まれる。
プロセッサと;
プロセッサの実行可能な命令を格納するためのメモリと;を含み、
ここで、前記プロセッサは、前記実行可能命令を実行する際に、前記いずれかに記載の方法を実現するように構成されている。
U-netネットワーク構造を使用して血管抽出画像と視神経円板の中心の座標を取得する前に、まず採用したネットワークモデルをトレーニングして最終的な収束ネットワーク構造を取得する必要がある。
各単一血管セグメントの中線を取り、中線の中点を単一血管セグメントの両端に向かって所定のピクセル数だけ延長し、中線セグメントを得て、中線セグメントの両端の端点の垂直線方程式を計算し、垂直線方程式間の単一血管セグメントの1本の輪郭線に直線をフィッティングして第1直線を得、第1直線傾きに基づいて、最小二乗法で別の輪郭線に直線をフィッティングして第2直線を得、第1直線と第2直線の間の距離を計算して、血管の血管径を得、複数の単一血管セグメントの中で最大の血管径を持つものを静脈として選択し、静脈と他の単一血管セグメントとの間の距離を計算し、静脈に最も近い単一血管セグメントを動脈として選択することが含まれる。例えば、グレースケール画像をテンプレートとして、主要血管から当該単一血管セグメントの正中線を切り取り、それに対して直線フィッティング操作を行い、次に、当該血管セグメントの正中線の中点の位置座標を見つけて、両側に延長し、図14を参照して、5ピクセルの正中線セグメントを保持し、血管正中線セグメントの2つの端点で、それぞれ血管セグメントの垂直線方程式を計算し、そして、血管セグメントの垂直線線方程式から特定長の垂直線セグメントを切り取り、図面に実際の効果を表示し、さらに、図15を参照して、2つの垂直線セグメントにより単一の血管セグメントの輪郭ピクセルを切り取り、次に切り取った2つの血管輪郭から一つを選んで直線をフィッティングし、前記単一の輪郭直線をフィッティングしした後の傾きを固定し、最小二乗法を使用して、当該単一血管セグメントの2つの垂直線セグメントの間の一方の輪郭の直線フィッティングを実現し、2本の直線間の距離を計算することで血管径の測定が実現でき、次に、単一の血管セグメントをループし、その血管径の値をそれぞれ計算し、最大直径の値を選択して、それが静脈血管であると想定し、当該静脈血管セグメントの中心点から他の血管セグメントの中心点までの距離を計算し、静脈血管セグメントに最も近い単一の血管セグメントを選択して、それを動脈と想定すると、2つの血管セグメントは一対の動静脈血管対を構成し、関連するデータが保存される。
データ取得モジュール110は、血管抽出画像、眼底画像及び視神経円板の中心の座標を取得するように構成され、
血管スクリーニングモジュール120は、血管抽出画像、眼底画像及び視神経円板の中心の座標に基づいて、主要血管の抽出を行い、主要血管の画像を取得し、主要血管画像に基づいて主要血管を切り取り、複数の単一の血管セグメントを取得するように構成され、
動静脈血管対選択モジュール130は、複数の単一血管セグメントの血管径を測定して、各単一血管セグメントのそれぞれの血管径幅を取得し、それぞれの血管径幅に基づいて複数の動静脈血管対を選択して取得するように構成される。
Claims (9)
- 網膜血管の動静脈を判別する方法であって、
血管抽出画像、眼底画像及び視神経円板の中心の座標を取得するステップと;
前記血管抽出画像、前記眼底画像及び前記視神経円板の中心の座標に基づいて、主要血管の抽出を行い、主要血管の画像を取得し、前記主要血管画像に基づいて前記主要血管を切り取り、複数の単一の血管セグメントを取得するステップと;
複数の前記単一血管セグメントの血管径を測定して、各前記単一血管セグメントのそれぞれの血管径幅を取得し、それぞれの血管径幅に基づいて複数の動静脈血管対を選択して取得するステップと;
複数の前記動静脈血管対から不適格な動静脈血管対を除去し、適格な動静脈血管対を保持するステップを含み;
その中で、不適合な動静脈血管対を除去することには、
各前記動静脈血管対の単一血管セグメントの画像輝度の平均を取得し、前記画像輝度の平均に基づいて、複数の前記動静脈血管対から前記不適格な動静脈血管対を除去することが含まれることを特徴とする方法。 - 前記血管抽出画像、前記眼底画像及び前記視神経円板の中心の座標に基づく主要血管の抽出には、
前記血管抽出画像での切断された血管を除去して、最大の連結された血管を取得し;
前記連結された血管に基づいて血管骨格を抽出し;
前記血管骨格に基づいて血管の交点を抽出し、前記交点を除去し;
前記視神経円板の中心の座標及び前記眼底画像に基づく前記血管骨格から小血管セグメント及び非主要血管の分岐を除去して主要血管を取得することが含まれ;
その中で、前記連結された血管に基づいて血管骨格を抽出する場合、Opencvの骨格抽出関数を使用して、前記連結された血管から血管骨格を抽出することを特徴とする請求項1に記載の方法。 - 不適合な動静脈血管対を除去することには、
各前記動静脈血管対における単一血管対の動脈血管と静脈血管の間の角度を取得し、前記角度に基づいて、複数の前記動静脈血管対から前記不適合な動静脈血管対を除去し;
各前記動静脈血管対における単一血管対の動脈血管と静脈血管の間の距離を取得し、前記距離に基づいて、複数の前記動静脈血管対から前記不適合な動静脈血管対を除去することが含まれることを特徴とする請求項1に記載の方法。 - 前記血管骨格に基づいて血管の交点を抽出し、前記交点を除去することは、
前記血管骨格を二値化してグレースケール画像を取得し;
3×3テンプレートを使用して前記グレースケール画像をトラバースし、列挙法によって前記グレースケール画像の前記交点を抽出し;
前記交点を中心として、半径の4ピクセル以内のピクセル値を0に設定することが含まれることを特徴とする請求項2に記載の方法。 - 前記視神経円板の中心の座標及び前記眼底画像に基づく前記血管骨格から小血管セグメント及び非主要血管の分岐を除去して主要血管を取得することには、
前記視神経円板の中心の座標と前記眼底画像の黄斑部を結ぶ線を正の半軸とし;
前記正の半軸の時計回りに110°のエリアと前記正の半軸の反時計回りに110°のエリアを保持し;
3×3ELLIPSEを使用して前記グレースケール画像を精細化し、主要血管を取得することを特徴とする請求項4に記載の方法。 - 前記主要血管画像に基づいて前記主要血管を切り取り、複数の単一の血管セグメントを取得することには、
視神経円板の中心の座標を円の中心として、複数の小さな血管セグメントを得るために、所定の半径内で所定のステップサイズで外側に向かって主要血管をトラバースして切り取り、複数の小血管セグメントを取得し;
複数の小血管セグメントに対して凸包検出を行い、複数の滑らかな血管セグメントを取得し;
複数の前記滑らかな血管セグメントから所定の屈曲度閾値より大きいな前記滑らかな血管セグメントを除去して直線状の血管セグメントを得;
Opencvの長方形検出APIを使用して前記直線状の血管セグメントを検出して、血管角度を取得し;
所定の角度範囲に従って、複数の前記単一血管セグメントを取得することが含まれることを特徴とする請求項1に記載の方法。 - 複数の前記単一血管セグメントの血管径を測定して、各前記単一血管セグメントのそれぞれの血管径幅を取得し、それぞれの血管径幅に基づいて複数の動静脈血管対を選択して取得することには、
各前記単一血管セグメントの中線を取り、前記中線の中点を前記単一血管セグメントの両端に向かって所定のピクセル数だけ延長し、中線セグメントを得;
前記中線セグメントの両端の端点の垂直線方程式を計算し;
前記垂直線方程式間の前記単一血管セグメントの1本の輪郭線を直線フィッティングして第1直線を得;
前記第1直線傾きに基づいて、最小二乗法で他の1本の前記輪郭線を直線フィッティングして第2直線を得;
第1直線と第2直線の間の距離を計算して、血管の血管径を得;
複数の前記単一血管セグメントの中で最大の血管径を持つものを静脈として選択し;
前記静脈と他の単一血管セグメントとの間の距離を計算し、前記静脈に最も近い単一血管セグメントを動脈として選択することが含まれることを特徴とする請求項1に記載の方法。 - 網膜血管の動静脈を判別する装置であって、データ取得モジュール、血管スクリーニングモジュール、および動静脈血管対選択モジュールを含み;
前記データ取得モジュールは、血管抽出画像、眼底画像及び視神経円板の中心の座標を取得するように構成され;
前記血管スクリーニングモジュールは、前記血管抽出画像、前記眼底画像及び前記視神経円板の中心の座標に基づいて、主要血管の抽出を行い、主要血管の画像を取得し、前記主要血管画像に基づいて前記主要血管を切り取り、複数の単一の血管セグメントを取得するように構成され;
前記動静脈血管対選択モジュールは、複数の前記単一血管セグメントの血管径を測定して、各前記単一血管セグメントのそれぞれの血管径幅を取得し、それぞれの血管径幅に基づいて複数の動静脈血管対を選択して取得するように構成されることが含まれることを特徴とする装置。 - 網膜血管の動静脈を判別する装置であって、
プロセッサと;
プロセッサの実行可能な命令を格納するためのメモリと;を含み、
ここで、前記プロセッサは、前記実行可能命令を実行する際に、前記請求項1~7のいずれか一項に記載の方法を実現するように構成されていることが含まれることを特徴とする装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815698.8 | 2020-08-14 | ||
CN202010815698.8A CN111681242B (zh) | 2020-08-14 | 2020-08-14 | 视网膜血管动静脉区分方法和装置、设备 |
PCT/CN2021/112487 WO2022033580A1 (zh) | 2020-08-14 | 2021-08-13 | 视网膜血管动静脉区分方法和装置、设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022550669A true JP2022550669A (ja) | 2022-12-05 |
JP7333465B2 JP7333465B2 (ja) | 2023-08-24 |
Family
ID=72438772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022512438A Active JP7333465B2 (ja) | 2020-08-14 | 2021-08-13 | 網膜血管の動静脈を判別する方法及び装置 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7333465B2 (ja) |
KR (1) | KR20220076507A (ja) |
CN (1) | CN111681242B (ja) |
WO (1) | WO2022033580A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681242B (zh) * | 2020-08-14 | 2020-11-17 | 北京至真互联网技术有限公司 | 视网膜血管动静脉区分方法和装置、设备 |
CN111932535A (zh) * | 2020-09-24 | 2020-11-13 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
CN112652011B (zh) * | 2020-12-25 | 2023-04-14 | 北京阅影科技有限公司 | 目标血管的提取方法、提取装置与计算机可读存储介质 |
CN116236150A (zh) * | 2020-12-28 | 2023-06-09 | 深圳硅基智能科技有限公司 | 基于眼底图像的动静脉血管图像分割方法 |
CN113269737B (zh) * | 2021-05-17 | 2024-03-19 | 北京鹰瞳科技发展股份有限公司 | 一种眼底视网膜动静脉血管直径计算方法及系统 |
CN113344897B (zh) * | 2021-06-24 | 2022-01-11 | 推想医疗科技股份有限公司 | 肺部图像的管径测量方法及装置、图像处理方法及装置 |
CN114973207B (zh) * | 2022-08-01 | 2022-10-21 | 成都航空职业技术学院 | 一种基于目标检测的路标识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10243924A (ja) * | 1997-03-05 | 1998-09-14 | Nippon Telegr & Teleph Corp <Ntt> | 眼底の動静脈径比の計測方法 |
JP2007097740A (ja) * | 2005-10-03 | 2007-04-19 | Hitachi Omron Terminal Solutions Corp | 眼底画像診断支援装置 |
WO2008010305A1 (fr) * | 2006-07-19 | 2008-01-24 | Gifu University | Analyseur d'images et programme d'analyse d'images |
JP2014504529A (ja) * | 2011-02-01 | 2014-02-24 | イマジン・アイズ | 高解像度網膜結像方法および装置 |
JP2014193225A (ja) * | 2013-03-29 | 2014-10-09 | Nidek Co Ltd | 眼底画像処理装置および眼底画像処理プログラム |
JP2016043155A (ja) * | 2014-08-26 | 2016-04-04 | 株式会社トプコン | 眼底解析装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7122007B2 (en) * | 2003-05-12 | 2006-10-17 | Caritas St. Elizabeth Medical Center Of Boston, Inc. | Methods of and systems and devices for assessing intracranial pressure non-invasively |
US8080593B2 (en) * | 2006-11-29 | 2011-12-20 | University Of Southern California | Reversible thermoresponsive adhesives for implants |
AU2009234503B2 (en) * | 2008-04-08 | 2014-01-16 | National University Of Singapore | Retinal image analysis systems and methods |
CN101999885B (zh) * | 2010-12-21 | 2011-12-21 | 中国人民解放军国防科学技术大学 | 一种自动分离动静脉血管的内源光学成像方法 |
WO2012136079A1 (en) * | 2011-04-07 | 2012-10-11 | The Chinese University Of Hong Kong | Method and device for retinal image analysis |
CN108073918B (zh) * | 2018-01-26 | 2022-04-29 | 浙江大学 | 眼底视网膜的血管动静脉交叉压迫特征提取方法 |
CN108765418A (zh) * | 2018-06-14 | 2018-11-06 | 四川和生视界医药技术开发有限公司 | 视网膜动静脉等效管径比检测方法及检测装置 |
CN110874597B (zh) * | 2018-08-31 | 2023-03-24 | 福州依影健康科技有限公司 | 一种眼底图像血管特征提取方法、设备、系统和存储介质 |
CN109166124B (zh) * | 2018-11-20 | 2021-12-14 | 中南大学 | 一种基于连通区域的视网膜血管形态量化方法 |
CN110956107B (zh) * | 2019-11-21 | 2023-05-30 | 佛山科学技术学院 | 一种基于oct扫描系统的三维血管类型区分方法 |
CN111000563B (zh) * | 2019-11-22 | 2020-12-11 | 北京理工大学 | 一种视网膜动脉静脉直径比自动测量方法及装置 |
CN111681242B (zh) * | 2020-08-14 | 2020-11-17 | 北京至真互联网技术有限公司 | 视网膜血管动静脉区分方法和装置、设备 |
-
2020
- 2020-08-14 CN CN202010815698.8A patent/CN111681242B/zh active Active
-
2021
- 2021-08-13 WO PCT/CN2021/112487 patent/WO2022033580A1/zh active Application Filing
- 2021-08-13 KR KR1020227015077A patent/KR20220076507A/ko unknown
- 2021-08-13 JP JP2022512438A patent/JP7333465B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10243924A (ja) * | 1997-03-05 | 1998-09-14 | Nippon Telegr & Teleph Corp <Ntt> | 眼底の動静脈径比の計測方法 |
JP2007097740A (ja) * | 2005-10-03 | 2007-04-19 | Hitachi Omron Terminal Solutions Corp | 眼底画像診断支援装置 |
WO2008010305A1 (fr) * | 2006-07-19 | 2008-01-24 | Gifu University | Analyseur d'images et programme d'analyse d'images |
JP2014504529A (ja) * | 2011-02-01 | 2014-02-24 | イマジン・アイズ | 高解像度網膜結像方法および装置 |
JP2014193225A (ja) * | 2013-03-29 | 2014-10-09 | Nidek Co Ltd | 眼底画像処理装置および眼底画像処理プログラム |
JP2016043155A (ja) * | 2014-08-26 | 2016-04-04 | 株式会社トプコン | 眼底解析装置 |
Also Published As
Publication number | Publication date |
---|---|
KR20220076507A (ko) | 2022-06-08 |
JP7333465B2 (ja) | 2023-08-24 |
CN111681242B (zh) | 2020-11-17 |
WO2022033580A1 (zh) | 2022-02-17 |
CN111681242A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7333465B2 (ja) | 網膜血管の動静脈を判別する方法及び装置 | |
SujithKumar et al. | Automatic detection of diabetic retinopathy in non-dilated RGB retinal fundus images | |
Fleming et al. | Automatic detection of retinal anatomy to assist diabetic retinopathy screening | |
Mary et al. | An empirical study on optic disc segmentation using an active contour model | |
Aquino | Establishing the macular grading grid by means of fovea centre detection using anatomical-based and visual-based features | |
Kavitha et al. | Automatic detection of optic disc and exudates in retinal images | |
CN111932535A (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
Oloumi et al. | Computer-aided diagnosis of plus disease via measurement of vessel thickness in retinal fundus images of preterm infants | |
WO2010030159A2 (en) | A non invasive method for analysing the retina for ocular manifested diseases | |
Suero et al. | Locating the Optic Disc in Retinal Images Using Morphological Techniques. | |
Poshtyar et al. | Automatic measurement of cup to disc ratio for diagnosis of glaucoma on retinal fundus images | |
Zhou et al. | Automatic hemorrhage detection in color fundus images based on gradual removal of vascular branches | |
Uribe-Valencia et al. | Automated Optic Disc region location from fundus images: Using local multi-level thresholding, best channel selection, and an Intensity Profile Model | |
Morales et al. | Segmentation and analysis of retinal vascular tree from fundus images processing | |
Tan et al. | Automatic notch detection in retinal images | |
Mangrulkar | Retinal image classification technique for diabetes identification | |
Agarwal et al. | Automatic imaging method for optic disc segmentation using morphological techniques and active contour fitting | |
JP4822527B2 (ja) | 画像解析装置及び画像解析プログラム | |
Cao et al. | Fast automatic optic disc localization in retinal images | |
Hunter et al. | Tram-line filtering for retinal vessel segmentation | |
Hunter et al. | Non-linear filtering for vascular segmentation and detection of venous beading | |
Samawi et al. | Optic disc segmentation in retinal fundus images using morphological techniques and intensity thresholding | |
CN114549395A (zh) | 基于视计算的图像特征确定的方法、装置、介质和设备 | |
Joshi et al. | Fundus image analysis for detection of fovea: A review | |
Mittal et al. | Optic disk and macula detection from retinal images using generalized motion pattern |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220401 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220401 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230131 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230424 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230801 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230814 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7333465 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |