TWI719587B - 眼底圖像定量分析的前置處理方法及存放裝置 - Google Patents
眼底圖像定量分析的前置處理方法及存放裝置 Download PDFInfo
- Publication number
- TWI719587B TWI719587B TW108129147A TW108129147A TWI719587B TW I719587 B TWI719587 B TW I719587B TW 108129147 A TW108129147 A TW 108129147A TW 108129147 A TW108129147 A TW 108129147A TW I719587 B TWI719587 B TW I719587B
- Authority
- TW
- Taiwan
- Prior art keywords
- optic disc
- center
- fundus image
- fovea
- fundus
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
-
- 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
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本發明涉及眼底影像處理領域,特別涉及一種眼底圖像定量分析的前置處理方法及存放裝置。所述一種眼底圖像定量分析的前置處理方法,包括步驟:獲取待處理的眼底圖像;對待處理的眼底圖像進行視盤定位;對待處理的眼底圖像進行黃斑中心凹定位;計算視盤顳側邊緣與黃斑中心凹的量化參數。通過該方法將獲得的資料從絕對表示方式轉換為相對表示方式,通過歸一化處理,形成人與人之間、不同人之間甚至不同儀器的檢查結果之間有意義的、可比較的定量分析資料。確保了不同來源的眼底圖像,均可形成有意義、可比較的量化指標。
Description
本發明涉及眼底影像處理領域,特別涉及一種眼底圖像定量分析的前置處理方法及存放裝置。
糖尿病和高血壓等慢病已成為當前危害廣大人民身體健康、影響生活品質的嚴重的社會問題。如何找到合適的途徑實現對自己健康狀況的管理,從而實現對疾病的預防與監測、治未病是當今社會發展的必然要求。眼底是人體中唯一的非創傷性、能直接觀察到動脈、靜脈和毛細血管的部位,大量研究和臨床實踐表明,視網膜病變、視網膜血管改變以及視神經乳頭的狀況以及變化,在一定程度上反映了人們的健康以及糖尿病視網膜病變和高血壓引起的動脈粥樣硬化性疾病的狀況。
然而,由於各種型號的眼底相機及其不同的工作模式、照相視角以及固視點的不同,導致所獲得眼底圖像的相對尺寸、解析度、視角以及固視點結構等都不盡相同。即使是同一位受檢者同一只眼睛,通過不同設備或不同時間的採集,所獲得眼底圖像也可能因為視角、解析度的不同,導致無法實現個人多次檢查圖像的比對和指標性的定量分析,也難以對不同人或同一個人不同時間或不同設備上採集的眼底圖像的視網膜病變特徵、位置、大小或血管改變情況進行定量分析、統計或比較。目前,暫未有相關文獻注意到這些問題或明確指出
如何解決這一問題!因此,面對海量的受檢者定期篩查與採集的眼底圖像,如何形成可比較的、有意義的量化指標就顯得至關重要。
鑒為此,需要提供一種眼底圖像定量分析的前置處理方法,用以解決因所獲取的眼底圖像各式各樣,無法對個人多次檢查或不同人檢查獲得的眼底圖像的比對與指標性的定量分析的問題。本發明實現的具體的技術方案如下:
一種眼底圖像定量分析的前置處理方法,包括步驟:獲取待處理的眼底圖像;對所述待處理的眼底圖像進行視盤定位;對所述待處理的眼底圖像進行黃斑中心凹定位;計算所述黃斑中心凹的中心與視盤顳側邊緣距離的量化參數。
進一步的,所述“對所述待處理的眼底圖像進行視盤定位”,還包括步驟:對所述眼底圖像進行預處理,所述預處理包括:綠色通道選擇、中值濾波、有限對比度增強和灰度的歸一化處理;對預處理後的眼底圖像通過大津演算法提取二值化血管圖,並通過形態學方法對所述二值化血管圖進行腐蝕得到主血管;對主血管進行抛物線擬合計算,根據計算結果定位視盤中心和視盤邊緣圈定。
進一步的,所述“對所述待處理的眼底圖像進行黃斑中心凹定位”,還包括步驟:以視盤中心作為圓心,第一預設半徑值和第二預設半徑值,構建圓形,形成環形區域;在所述環形區域內根據黃斑亮度特徵進行黃斑中心凹定位。
進一步的,所述“計算所述黃斑中心凹的中心與視盤顳側邊緣距離的量化參數”,還包括步驟:根據視盤中心座標和黃斑中心凹座標,判定所述眼底圖像是左眼或右眼的眼底圖像;根據視盤中心座標、視盤半徑及圈定的視盤邊緣,得到視盤顳側邊緣各點的座標以及視盤面積內各圖元點及其重心或中心點;根據視盤重心或中心點到黃斑中心凹的中心點座標的連接直線,該直線上的視盤顳側邊緣點的座標,計算或得出視盤顳側與黃斑中心凹的中心的絕對距離;根據所述絕對距離及視盤直徑,計算得到量化參數。
進一步的,所述第一預設半徑值為視盤半徑的兩倍,所述第二預設半徑值為視盤半徑的三倍。
為解決上述問題,還提供了一種存放裝置,具體技術方案如下:
一種存放裝置,其中存儲有指令集,所述指令集用於執行:獲取待處理的眼底圖像;對所述待處理的眼底圖像進行視盤定位;對所述待處理的眼底圖像進行黃斑中心凹定位;計算所述黃斑中心凹的中心與視盤顳側邊緣距離的量化參數。
進一步的,所述指令集還用於執行:所述“對所述待處理的眼底圖像進行視盤定位”,還包括步驟:對所述眼底圖像進行預處理,所述預處理包括:綠色通道選擇、中值濾波、有限對比度增強和灰度的歸一化處理;對預處理後的眼底圖像通過大津演算法提取二值化血管圖,並通過形態學方法對所述二值化血管圖進行腐蝕得到主血管;對主血管進行抛物線擬合計算,根據計算結果定位視盤中心和視盤邊緣圈定。
進一步的,所述指令集還用於執行:所述“對所述待處理的眼底圖像進行黃斑中心凹定位”,還包括步驟:以視盤中心作為圓心,第一預設半徑值和第二預設半徑值,構建圓形,形成環形區域;在所述環形區域內根據黃斑亮度特徵進行黃斑中心凹定位。
進一步的,所述指令集還用於執行:所述“計算所述黃斑中心凹的中心與視盤顳側邊緣距離的量化參數”,還包括步驟:根據視盤中心座標和黃斑中心凹座標,判定所述眼底圖像是左眼或右眼的眼底圖像;根據視盤中心座標、視盤半徑及圈定的視盤邊緣,得到視盤顳側邊緣各點的座標以及視盤面積內各圖元點及其重心或中心點;根據視盤重心或中心點到黃斑中心凹的中心點座標的連接直線,該直線上的視盤顳側邊緣點的座標,計算或得出視盤顳側與黃斑中心凹的中心的絕對距離;根據所述絕對距離及視盤直徑,計算得到量化參數。
進一步的,,所述指令集還用於執行:所述第一預設半徑值為視盤半徑的兩倍,所述第二預設半徑值為視盤半徑的三倍。
本發明的有益效果是:通過獲取待處理的眼底圖像,確定待處理的眼底圖像的視盤位置、邊界點和黃斑中心凹的中心點的位置,計算所述視盤與黃斑中心凹的量化參數,所述量化參數包括視盤顳側與黃斑中心凹的中心的絕對距離,因正常人這二者的絕對距離值是差不多一樣的距離,可以用mm數定量來表達,因此再根據已得到的視盤顳側到黃斑中心凹的中心的絕對距離以及視盤直徑,得到後續量化分析的參數,將獲得的資料從絕對表示方式轉換為相對表示方式,通過歸一化處理,形成有意義的、可比較的資料。確保了不同來源的眼底圖像(無論是不同人之間,或者是同一個人自己不同時期的眼底圖像),均可形成有意義、可比較的量化指標,做到所有的眼底圖像基本可比較也有利於不同人不同時間甚至不同相機,或同一個人不同時間甚至不同相機檢查出來得到的眼底圖像的特徵提取和比對,進而通過該量化指標對眼底健康進行分析判定,實現定量分析。
200:存放裝置
圖1為具體實施方式所述一種眼底圖像定量分析的前置處理方法的流程圖。
圖2為具體實施方式所述一種存放裝置的模組示意圖。
為詳細說明技術方案的技術內容、構造特徵、所實現目的及效果,以下結合具體實施例並配合附圖詳予說明。
請參閱圖1,首先對本實施方式中的一些名詞做以下解釋說明:
視盤:全稱視神經盤,也叫視神經乳頭,視網膜由黃斑向鼻側約3mm處有一直徑約1.5mm,境界清楚的淡紅色圓盤狀結構,稱為視神經盤,簡稱視盤。
黃斑:在眼底視神經盤的顳側0.35cm處並稍下方,處於人眼的光學中心區,是視力軸線的投影點。黃斑區富含葉黃素,比周圍視網膜顏色暗些。黃斑中央的凹陷稱為中央凹,是視力最敏銳的地方。
大津演算法:又稱為最大類間方差法,又稱:OSTU,是由日本學者OTSU于1979年提出的一種對圖像進行二值化的高效演算法。主要是利用閾值將原圖像分成前景,背景兩個圖像。前景:用n1,csum,m1來表示在當前閾值下的前景的點數,品質矩,平均灰度後景:用n2,sum-csum,m2來表示在當前閾值下的背景的點數,品質矩,平均灰度當取最佳閾值時,背景應該與前景差別最大,關鍵在於如何選擇衡量差別的標準,而在otsu演算法中這個衡量差別的標準就是最大類間方差,在本程式中類間方差用sb表示,最大類間方差用fmax。
形態學運算中的腐蝕操作:腐蝕是一種消除邊界點,使邊界向內部收縮的過程。可以用來消除小且無意義的物體。腐蝕的演算法:用3x3的結構元素,掃描圖像的每一個圖元用結構元素與其覆蓋的二值圖像做“與”操作如果都為1,結果圖像的該圖元為1。否則為0。結果:使二值圖像減小一圈。
在本實施方式中,一種眼底圖像定量分析的前置處理方法可應用在一種存放裝置上,在本實施方式中,一種存放裝置可以是智慧手機、平板電腦、臺式PC、筆記型電腦、PDA等等。
在本實施方式中,一種眼底圖像定量分析的前置處理方法的具體實施方式如下:
步驟S101:獲取待處理的眼底圖像。可採用如下方式:獲取本地上傳的眼底圖像,或獲取遠端眼底圖像採集終端上傳的眼底圖像,或從伺服器上獲取眼底圖像,具體可為:通過眼底照相機採集受檢者的眼底圖像,再將對應受檢者的眼底圖像上傳至存放裝置處理,亦可以直接輸入受檢者的眼底圖像,亦可以通過雲端獲取不同受檢者的眼底圖像,對眼底圖像的獲取途徑多種多樣,不做任何限制。
獲取到待處理的眼底圖像後,執行步驟S102:對所述待處理的眼底圖像進行視盤定位。可採用如下方式:對所述眼底圖像進行預處理,所述預處理包括:綠色通道選擇、中值濾波、有限對比度增強和灰度的歸一化處理;對預處理後的眼底圖像通過大津演算法提取二值化血管圖,並通過形態學方法對所述二值化血管圖進行腐蝕得到主血管;對主血管進行抛物線擬合計算,根據計算結果定位視盤中心和視盤邊緣圈定。
具體如下:
對待檢查眼底圖像進行綠色通道選擇、中值濾波、有限對比度增強和灰度的歸一化處理。通過對眼底圖像預處理,可去除眼底圖像中多餘的背景,有效去噪,更有利於後續眼底圖像分析的進行。具體如下:任意一幅彩色眼底圖像中,藍色通道下雜訊較多,有用的資訊基本丟失,紅色通道下兩斑較為突出,而暗色的血管、微血管瘤等資訊丟失較多,故在本實施方式中對待檢查的彩色眼底圖像進行綠色通道選擇,最大程度地保留、突出眼底血管。
為去除雜訊,且能較好地保留邊界資訊,本實施方式中對綠色通道下的眼底圖像進行中值濾波,實現去噪;
為能獲得更好的血管提取的效果,對已經去噪的圖像進行對比度增強。為避免圖像增強後出現過亮的情況,本實施方式中採用有限的對比度增強方法CLAHE。最後,進行歸一化處理,使得一幅圖像中所有圖元點的圖元值均落在0-1之間。
對預處理後的眼底圖像通過大津演算法提取二值化血管圖,並通過形態學方法對所述二值化血管圖進行腐蝕得到主血管。可採用如下方式:對預處理後的眼底圖像通過大津演算法計算閾值,並根據以下公式將灰度值大於閾值的圖元認定為血管;
並根據視盤直徑為圖像寬度的1/8-1/5,及主血管的寬度為視盤直徑的1/4構造結構元素,利用所述結構元素對已提取的血管進行腐蝕操作,去除細小血管,得到主血管。
得到主血管後,對主血管進行抛物線擬合計算,根據計算結果定位視盤中心。可採用如下方式:以眼底圖像左上角為原點,水準方向為X軸,垂直方向為Y軸,建立坐標系;將所述主血管中的各個圖元點映射為所述坐標系的座標;如以下公式所示,根據最小二乘法對主血管進行抛物線擬合,確定抛物線的參數,並計算抛物線的頂點,f(x)=ax 2+bx+c
判斷所述抛物線頂點是否落在原眼底圖像中,若所述抛物線頂點落在原眼底圖像中,則定義所述抛物線頂點為視盤中心,座標為(ODXX,ODYY),並對視盤邊緣進行圈定;進而自動或半自動的得到視盤的直徑,以圖元個數對視盤直徑ODD進行描述。
完成視盤定位後,執行步驟S103:對所述待處理的眼底圖像進行黃斑中心凹定位。可採用如下方式:以視盤中心作為圓心,第一預設半徑值和第二預設半徑值,構建圓形,形成環形區域;在所述環形區域內根據黃斑亮度特徵進行黃斑中心凹定位。具體如下:
依據黃斑與視盤間的位置關係,由於黃斑中心凹與視盤中心的距離一般在2倍到3倍的ODD大小。故在本實施方式中,優選地以視盤中心為圓心,2倍ODD大小為半徑,構建第一個圓;視盤中心為圓心,3倍ODD大小為半徑,構建第二個圓,兩個圓之間形成的環形區域定義為掩膜區域;接著在掩膜區域內,根據中心凹亮度最低的特點,完成中心凹的定位,得到其座標MX和MY。在一種優選方式下,採用局部定向對比度方法實現中心凹位置的檢測;最後根據亮度資訊,以中心凹為圓心,圓形擬合黃斑區域。
其中,f vessel 為在任意一窗口內對應血管分佈圖中非0的血管圖元點個數的得分值,f intensity 為任意一窗口內的亮度得分。在本實施方式中,眼底圖像中最暗,即對應公式中的亮度得分;不包含血管,對應公式中血管圖元點個數得分。
在本實施方式中,以視盤直徑/4*視盤直徑/4(即:(ODD/4)*(ODD/4))大小的滑動視窗對所述候選區域內的每個圖元點進行掃描。
在本實施方式中,通過所有視窗的得分最大值進行歸一化處理,獲得f vessel ;通過計算出視窗內所有圖元點的亮度平均值,並利用255進行歸一化處理,獲得f intensity 。
計算各滑動視窗的評價值,選取評價值最小的滑動視窗對應的中心圖元點作為黃斑中心凹;以所述黃斑中心凹為圓心,視盤直徑大小為直徑,劃定圓形,所述圓形包圍的區域設定為黃斑區域。
在完成視盤中心或重心的定位、視盤邊緣線和黃斑中心凹中心定位後,執行步驟S104:計算所述黃斑中心凹的中心與視盤顳側邊緣距離的量化參數。可採用如下方式:根據視盤中心座標和黃斑中心凹座標,判定所述眼底圖像是左眼或右眼的眼底圖像;根據視盤中心座標、視盤半徑及圈定的視盤邊緣,得到視盤顳側邊緣各點的座標以及視盤面積內各圖元點及其重心或中心點;根據視盤重心或中心點到黃斑中心凹的中心點座標的連接直線,該直線上的視盤顳側邊緣點的座標,計算或得出視盤顳側與黃斑中心凹的中心的絕對距離;根據所述絕對距離及視盤直徑,計算得到量化參數。具體如下:
其中,flag為左右眼標記,取0時表示是右眼,取1時代表是左眼。
b、根據視盤中心座標和視盤半徑,計算視盤顳側座標(ODX,ODY);根據視盤顳側座標和黃斑中心凹座標,計算視盤顳側與黃斑中心凹的絕對距離,按以下公式計算該眼底圖像中兩者的歐式距離,作為本圖像中視盤顳側到黃斑中心凹的絕對距離;
其中,所有座標值均以眼底圖像左上角圖元為原點。
c、於黃斑中心凹一般距視盤顳側緣約3mm,因此根據已得到的視盤顳側到黃斑中心凹的絕對距離以及視盤直徑,根據以下公式得到後續量化分析的標準d:d=OMD-ODD 公式3
在本實施方式中,以d為尺規,將獲得的資料從絕對表示方式轉換為相對表示方式,通過此歸一化處理,形成有意義的、可比較的資料。
在本實施方式中,若已檢測出硬性滲出,並已計算每個硬性滲出到黃斑中心凹的歐式距離Di。此時可根據公式1進行歸一化處理。在此基礎上,得到本眼底圖像中,硬性滲出到黃斑中心凹的標準的最小距離。
同時,根據之前已經獲得的該眼底圖像所屬的受檢者個人資訊,以及圖片的左右眼資訊,可以從原資料庫中獲得之前該受檢者同一只眼睛的眼底圖像及其相應的硬性滲出到黃斑中心凹的最小距離,從而實現先後兩次檢查的比對。
通過獲取待處理的眼底圖像,確定待處理的眼底圖像的視盤位置、邊界點和黃斑中心凹的中心點的位置,計算所述視盤與黃斑中心凹的量化參數,所述量化參數包括視盤顳側與黃斑中心凹的中心的絕對距離,因正常人這二者的絕對距離值是差不多一樣的距離,可以用mm數定量來表達,因此再根據已得到的視盤顳側到黃斑中心凹的中心的絕對距離以及視盤直徑,得到後續量化分析的參數,將獲得的資料從絕對表示方式轉換為相對表示方式,通過歸一化處理,形成有意義的、可比較的資料。確保了不同來源的眼底圖像(無論是不同人之間,或者是同一個人自己不同時期的眼底圖像),均可形成有意義、可比較的量化指標,做到所有的眼底圖像基本可比較也有利於不同人不同時間甚至不同相機,或同一個人不同時間甚至不同相機檢查出來得到的眼底圖像的特徵提取和比對,進而通過該量化指標對眼底健康進行分析判定,實現定量分析。
請參閱圖2,在本實施方式中,一種存放裝置200的具體實施方式如下:
一種存放裝置200,其中存儲有指令集,所述指令集用於執行:獲取待處理的眼底圖像;對所述待處理的眼底圖像進行視盤定位;對所述待處理的眼底圖像進行黃斑中心凹定位;計算所述黃斑中心凹的中心與視盤顳側邊緣距離的量化參數。可採用如下方式:在本實施方式中,通過眼底照相機採集受檢者的眼底圖像,再將對應的受檢者的眼底圖像上傳至存放裝置200處理,亦可以直接輸入受檢者的眼底圖像,亦可以通過雲端獲取不同受檢者的眼底圖像,對眼底圖像的獲取途徑多種多樣,不做任何限制。
進一步的,所述指令集還用於執行:所述“對所述待處理的眼底圖像進行視盤定位”,還包括步驟:對所述眼底圖像進行預處理,所述預處理包括:綠色通道選擇、中值濾波、有限對比度增強和灰度的歸一化處理;對預處理後的眼底圖像通過大津演算法提取二值化血管圖,並通過形態學方法對所述二值化血管圖進行腐蝕得到主血管;對主血管進行抛物線擬合計算,根據計算結果定位視盤中心和視盤邊緣圈定。
具體如下:
對待檢查眼底圖像進行綠色通道選擇、中值濾波、有限對比度增強和灰度的歸一化處理。通過對眼底圖像預處理,可去除眼底圖像中多餘的背景,有效去噪,更有利於後續眼底圖像分析的進行。具體如下:任意一幅彩色眼底圖像中,藍色通道下雜訊較多,有用的資訊基本丟失,紅色通道下兩斑較為突出,而暗色的血管、微血管瘤等資訊丟失較多,故在本實施方式中對待檢查的彩色眼底圖像進行綠色通道選擇,最大程度地保留、突出眼底血管。
為去除雜訊,且能較好地保留邊界資訊,本實施方式中對綠色通道下的眼底圖像進行中值濾波,實現去噪;為能獲得更好的血管提取的效果,對已經去噪的圖像進行對比度增強。為避免圖像增強後出現過亮的情況,本實施方式中採用有限的對比度增強方法CLAHE。最後,進行歸一化處理,使得一幅圖像中所有圖元點的圖元值均落在0-1之間。
對預處理後的眼底圖像通過大津演算法提取二值化血管圖,並通過形態學方法對所述二值化血管圖進行腐蝕得到主血管。可採用如下方式:對預處理後的眼底圖像通過大津演算法計算閾值,並根據以下公式將灰度值大於閾值的圖元認定為血管;
並根據視盤直徑為圖像寬度的1/8-1/5,及主血管的寬度為視盤直徑的1/4構造結構元素,利用所述結構元素對已提取的血管進行腐蝕操作,去除細小血管,得到主血管。
得到主血管後,對主血管進行抛物線擬合計算,根據計算結果定位視盤中心。可採用如下方式:以眼底圖像左上角為原點,水準方向為X軸,垂直方向為Y軸,建立坐標系;將所述主血管中的各個圖元點映射為所述坐標系的座標;如以下公式所示,根據最小二乘法對主血管進行抛物線擬合,確定抛物線的參數,並計算抛物線的頂點,
f(x)=ax 2+bx+c
判斷所述抛物線頂點是否落在原眼底圖像中,若所述抛物線頂點落在原眼底圖像中,則定義所述抛物線頂點為視盤中心,座標為(ODXX,ODYY),並對視盤邊緣進行圈定;進而自動或半自動的得到視盤的直徑,以圖元個數對視盤直徑ODD進行描述。
進一步的,所述指令集還用於執行:所述“對所述待處理的眼底圖像進行黃斑中心凹定位”,還包括步驟:以視盤中心作為圓心,第一預設半徑值和第二預設半徑值,構建圓形,形成環形區域;在所述環形區域內根據黃斑亮度特徵進行黃斑中心凹定位。具體如下:
依據黃斑與視盤間的位置關係,由於黃斑中心凹與視盤中心的距離一般在2倍到3倍的ODD大小。故在本實施方式中,優選地以視盤中心為圓心,2倍ODD大小為半徑,構建第一個圓;視盤中心為圓心,3倍ODD大小為半徑,構建第二個圓,兩個圓之間形成的環形區域定義為掩膜區域;接著在掩膜區域內,根據中心凹亮度最低的特點,完成中心凹的定位,得到其座標MX和MY。在一種優選方式下,採用局部定向對比度方法實現中心凹位置的檢測;最後根據亮度資訊,以中心凹為圓心,圓形擬合黃斑區域。
其中,f vessel 為在任意一窗口內對應血管分佈圖中非0的血管圖元點個數的得分值,f intensity 為任意一窗口內的亮度得分。在本實施方式中,眼底圖像中最暗,即對應公式中的亮度得分;不包含血管,對應公式中血管圖元點個數得分。
在本實施方式中,以視盤直徑/4*視盤直徑/4(即:(ODD/4)*(ODD/4))大小的滑動視窗對所述候選區域內的每個圖元點進行掃描。
在本實施方式中,通過所有視窗的得分最大值進行歸一化處理,獲得f vessel ;通過計算出視窗內所有圖元點的亮度平均值,並利用255進行歸一化處理,獲得f intensity 。
計算各滑動視窗的評價值,選取評價值最小的滑動視窗對應的中心圖元點作為黃斑中心凹;以所述黃斑中心凹為圓心,視盤直徑大小為直徑,劃定圓形,所述圓形包圍的區域設定為黃斑區域。
進一步的,所述指令集還用於執行:所述“計算所述視盤與黃斑中心凹的量化參數”,還包括步驟:根據視盤中心座標和黃斑中心凹座標,判定所述眼底圖像是左眼或右眼的眼底圖像;根據視盤中心座標、視盤半徑及圈定的視盤邊緣,得到視盤顳側邊緣各點的座標以及視盤面積內各圖元點及其重心或中心點;根據視盤重心或中心點到黃斑中心凹的中心點座標的連接直線,該直線上的視盤顳側邊緣點的座標,計算或得出視盤顳側與黃斑中心凹的中心的絕對距離;根據所述絕對距離及視盤直徑,計算得到量化參數。具體如下:
其中,flag為左右眼標記,取0時表示是右眼,取1時代表是左眼。
b、根據視盤中心座標和視盤半徑,計算視盤顳側座標(ODX,ODY);根據視盤顳側座標和黃斑中心凹座標,計算視盤顳側與黃斑中心凹的絕對距離,按以下公式計算該眼底圖像中兩者的歐式距離,作為本圖像中視盤中心到黃斑中心凹的絕對距離;
其中,所有座標值均以眼底圖像左上角圖元為原點。
c、於黃斑中心凹一般距視盤顳側緣約3mm,因此根據已得到的視盤顳側到黃斑中心凹的絕對距離以及視盤直徑,根據以下公式得到後續量化分析的標準d:d=OMD-ODD 公式3
在本實施方式中,以d為尺規,將獲得的資料從絕對表示方式轉換為相對表示方式,通過此歸一化處理,形成有意義的、可比較的資料。
在本實施方式中,若已檢測出硬性滲出,並已計算每個硬性滲出到黃斑中心凹的歐式距離Di。此時可根據公式1進行歸一化處理。在此基礎上,得到本眼底圖像中,硬性滲出到黃斑中心凹的標準的最小距離。
同時,根據之前已經獲得的該眼底圖像所屬的受檢者個人資訊,以及圖片的左右眼資訊,可以從原資料庫中獲得之前該受檢者同一只眼睛的眼底圖像及其相應的硬性滲出到黃斑中心凹的最小距離,從而實現先後兩次檢查的比對,做出黃斑水腫的篩查判斷結果。
進一步的,所述指令集還用於執行:所述第一預設半徑值為視盤半徑的兩倍,所述第二預設半徑值為視盤半徑的三倍。
通過存放裝置200獲取待處理的眼底圖像,確定待處理的眼底圖像的視盤位置、邊界點和黃斑中心凹的中心點的位置,計算所述視盤與黃斑中心凹的量化參數,所述量化參數包括視盤顳側與黃斑中心凹的中心的絕對距離,因正常人這二者的絕對距離值是差不多一樣的距離,可以用mm數定量來表達,因此再根據已得到的視盤顳側到黃斑中心凹的中心的絕對距離以及視盤直徑,得到後續量化分析的參數,將獲得的資料從絕對表示方式轉換為相對表示方式,通過歸一化處理,形成有意義的、可比較的資料。確保了不同來源的眼底圖像(無論是不同人之間,或者是同一個人自己不同時期的眼底圖像),均可形成有意義、可比較的量化指標,做到所有的眼底圖像基本可比較也有利於不同人
不同時間甚至不同相機,或同一個人不同時間甚至不同相機檢查出來得到的眼底圖像的特徵提取和比對,進而通過該量化指標對眼底健康進行分析判定,實現定量分析。
需要說明的是,儘管在本文中已經對上述各實施例進行了描述,但並非因此限制本發明的專利保護範圍。因此,基於本發明的創新理念,對本文所述實施例進行的變更和修改,或利用本發明說明書及附圖內容所作的等效結構或等效流程變換,直接或間接地將以上技術方案運用在其他相關的技術領域,均包括在本發明的專利保護範圍之內。
S101~S104:流程圖符號
Claims (10)
- 一種眼底圖像定量分析的前置處理方法,其特徵在於,包括步驟:獲取待處理的眼底圖像;對所述待處理的眼底圖像進行視盤定位;對所述待處理的眼底圖像進行黃斑中心凹定位;計算所述黃斑中心凹的中心與視盤顳側邊緣距離的量化參數。
- 如申請專利範圍第1項所述之眼底圖像定量分析的前置處理方法,其特徵在於,所述“對所述待處理的眼底圖像進行視盤定位”,還包括步驟:對所述眼底圖像進行預處理,所述預處理包括:綠色通道選擇、中值濾波、有限對比度增強和灰度的歸一化處理;對預處理後的眼底圖像通過大津演算法提取二值化血管圖,並通過形態學方法對所述二值化血管圖進行腐蝕得到主血管;對主血管進行抛物線擬合計算,根據計算結果定位視盤中心和視盤邊緣圈定。
- 如申請專利範圍第1項所述之眼底圖像定量分析的前置處理方法,其特徵在於,所述“對所述待處理的眼底圖像進行黃斑中心凹定位”,還包括步驟:以視盤中心作為圓心,第一預設半徑值和第二預設半徑值,構建圓形,形成環形區域;在所述環形區域內根據黃斑亮度特徵進行黃斑中心凹定位。
- 如申請專利範圍第2項所述之眼底圖像定量分析的前置處理方法,其特徵在於,所述“計算所述黃斑中心凹的中心與視盤顳側邊緣距離的量化參數”,還包括步驟:根據視盤中心座標和黃斑中心凹座標,判定所述眼底圖像是左眼或右眼的眼底圖像;根據視盤中心座標、視盤半徑及圈定的視盤邊緣,得到視盤顳側邊緣各點的座標以及視盤面積內各圖元點及其重心或中心點;根據視盤重心或中心點到黃斑中心凹的中心點座標的連接直線,該直線上的視盤顳側邊緣點的座標,計算或得出視盤顳側與黃斑中心凹的中心的絕對距離;根據所述絕對距離及視盤直徑,計算得到量化參數。
- 如申請專利範圍第3項所述之眼底圖像定量分析的前置處理方法,其特徵在於,所述第一預設半徑值為視盤半徑的兩倍,所述第二預設半徑值為視盤半徑的三倍。
- 一種存放裝置,其中存儲有指令集,其特徵在於,所述指令集用於執行:獲取待處理的眼底圖像;對所述待處理的眼底圖像進行視盤定位;對所述待處理的眼底圖像進行黃斑中心凹定位;計算所述黃斑中心凹的中心與視盤顳側邊緣距離的量化參數。
- 如申請專利範圍第6項所述之存放裝置,其特徵在於,所述指令集還用於執行:所述“對所述待處理的眼底圖像進行視盤定位”,還包括步驟:對所述眼底圖像進行預處理,所述預處理包括:綠色通道選擇、中值濾波、有限對比度增強和灰度的歸一化處理;對預處理後的眼底圖像通過大津演算法提取二值化血管圖,並通過形態學方法對所述二值化血管圖進行腐蝕得到主血管;對主血管進行抛物線擬合計算,根據計算結果定位視盤中心和視盤邊緣圈定。
- 如申請專利範圍第6項所述之存放裝置,其特徵在於,所述指令集還用於執行:所述“對所述待處理的眼底圖像進行黃斑中心凹定位”,還包括步驟:以視盤中心作為圓心,第一預設半徑值和第二預設半徑值,構建圓形,形成環形區域;在所述環形區域內根據黃斑亮度特徵進行黃斑中心凹定位。
- 如申請專利範圍第7項所述之存放裝置,其特徵在於,所述指令集還用於執行:所述“計算所述黃斑中心凹的中心與視盤顳側邊緣距離的量化參數”,還包括步驟:根據視盤中心座標和黃斑中心凹座標,判定所述眼底圖像是左眼或右眼的眼底圖像; 根據視盤中心座標、視盤半徑及圈定的視盤邊緣,得到視盤顳側邊緣各點的座標以及視盤面積內各圖元點及其重心或中心點;根據視盤重心或中心點到黃斑中心凹的中心點座標的連接直線,該直線上的視盤顳側邊緣點的座標,計算或得出視盤顳側與黃斑中心凹的中心的絕對距離;根據所述絕對距離及視盤直徑,計算得到量化參數。
- 如申請專利範圍第8項所述之存放裝置,其特徵在於,所述指令集還用於執行:所述第一預設半徑值為視盤半徑的兩倍,所述第二預設半徑值為視盤半徑的三倍。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811013852.9 | 2018-08-31 | ||
CN201811013852.9A CN110930446B (zh) | 2018-08-31 | 2018-08-31 | 一种眼底图像定量分析的前置处理方法及存储设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202023467A TW202023467A (zh) | 2020-07-01 |
TWI719587B true TWI719587B (zh) | 2021-02-21 |
Family
ID=69644888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108129147A TWI719587B (zh) | 2018-08-31 | 2019-08-15 | 眼底圖像定量分析的前置處理方法及存放裝置 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20210343006A1 (zh) |
EP (1) | EP3846126A4 (zh) |
JP (1) | JP7197708B2 (zh) |
CN (1) | CN110930446B (zh) |
GB (1) | GB2591910A (zh) |
SG (1) | SG11202101906XA (zh) |
TW (1) | TWI719587B (zh) |
WO (1) | WO2020042405A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI784688B (zh) * | 2021-08-26 | 2022-11-21 | 宏碁股份有限公司 | 眼睛狀態評估方法及電子裝置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457306A (zh) * | 2022-08-09 | 2022-12-09 | 夏晓波 | 一种通用的自动拆分左右眼照片的方法 |
CN115482933B (zh) * | 2022-11-01 | 2023-11-28 | 北京鹰瞳科技发展股份有限公司 | 用于对驾驶员的驾驶风险进行评估的方法及其相关产品 |
CN116740203B (zh) * | 2023-08-15 | 2023-11-28 | 山东理工职业学院 | 用于眼底相机数据的安全存储方法 |
CN117635600B (zh) * | 2023-12-26 | 2024-05-17 | 北京极溯光学科技有限公司 | 视网膜中央凹的位置确定方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080036965A1 (en) * | 2006-08-09 | 2008-02-14 | Kowa Company, Ltd. | Perimeter |
CN105411525A (zh) * | 2015-11-10 | 2016-03-23 | 广州河谷互动医疗科技有限公司 | 一种眼底照片图像智能获取识别系统 |
CN107292868A (zh) * | 2017-05-31 | 2017-10-24 | 瑞达昇科技(大连)有限公司 | 一种视盘定位方法及装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09313447A (ja) * | 1996-06-02 | 1997-12-09 | Topcon Corp | 眼底疾患に関する解析装置 |
JP5543126B2 (ja) * | 2009-04-16 | 2014-07-09 | キヤノン株式会社 | 医用画像処理装置及びその制御方法 |
JP2011045553A (ja) * | 2009-08-27 | 2011-03-10 | Canon Inc | 眼底撮像装置 |
JP5388765B2 (ja) * | 2009-09-01 | 2014-01-15 | キヤノン株式会社 | 眼底カメラ |
JP5936254B2 (ja) | 2012-02-29 | 2016-06-22 | 国立大学法人京都大学 | 眼底観察装置及び眼底画像解析装置 |
CN104463140B (zh) * | 2014-12-23 | 2017-09-29 | 天津工业大学 | 一种彩色眼底图像视盘自动定位方法 |
JP6499918B2 (ja) * | 2015-05-20 | 2019-04-10 | 株式会社トプコン | 眼科検査支援システム及び眼科検査支援サーバ |
CN105243669B (zh) * | 2015-10-15 | 2018-05-04 | 四川和生视界医药技术开发有限公司 | 眼底图像自动识别分区方法 |
CN106650596A (zh) * | 2016-10-10 | 2017-05-10 | 北京新皓然软件技术有限责任公司 | 一种眼底图像分析方法、装置及系统 |
CN107292877B (zh) * | 2017-07-05 | 2020-07-03 | 北京至真互联网技术有限公司 | 一种基于眼底图像特征的左右眼识别方法 |
-
2018
- 2018-08-31 CN CN201811013852.9A patent/CN110930446B/zh active Active
- 2018-11-28 US US17/271,606 patent/US20210343006A1/en not_active Abandoned
- 2018-11-28 JP JP2021536126A patent/JP7197708B2/ja active Active
- 2018-11-28 SG SG11202101906XA patent/SG11202101906XA/en unknown
- 2018-11-28 EP EP18931884.3A patent/EP3846126A4/en not_active Withdrawn
- 2018-11-28 GB GB2104238.7A patent/GB2591910A/en not_active Withdrawn
- 2018-11-28 WO PCT/CN2018/117917 patent/WO2020042405A1/zh unknown
-
2019
- 2019-08-15 TW TW108129147A patent/TWI719587B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080036965A1 (en) * | 2006-08-09 | 2008-02-14 | Kowa Company, Ltd. | Perimeter |
CN105411525A (zh) * | 2015-11-10 | 2016-03-23 | 广州河谷互动医疗科技有限公司 | 一种眼底照片图像智能获取识别系统 |
CN107292868A (zh) * | 2017-05-31 | 2017-10-24 | 瑞达昇科技(大连)有限公司 | 一种视盘定位方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI784688B (zh) * | 2021-08-26 | 2022-11-21 | 宏碁股份有限公司 | 眼睛狀態評估方法及電子裝置 |
Also Published As
Publication number | Publication date |
---|---|
EP3846126A1 (en) | 2021-07-07 |
JP7197708B2 (ja) | 2022-12-27 |
CN110930446B (zh) | 2024-03-19 |
TW202023467A (zh) | 2020-07-01 |
JP2021534948A (ja) | 2021-12-16 |
GB2591910A (en) | 2021-08-11 |
SG11202101906XA (en) | 2021-03-30 |
EP3846126A4 (en) | 2021-10-27 |
WO2020042405A1 (zh) | 2020-03-05 |
GB202104238D0 (en) | 2021-05-12 |
CN110930446A (zh) | 2020-03-27 |
US20210343006A1 (en) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI719587B (zh) | 眼底圖像定量分析的前置處理方法及存放裝置 | |
CN109493954B (zh) | 一种基于类别判别定位的sd-oct图像视网膜病变检测系统 | |
Odstrcilik et al. | Retinal vessel segmentation by improved matched filtering: evaluation on a new high‐resolution fundus image database | |
KR102182641B1 (ko) | 안저영상을 이용한 녹내장 진단 방법 및 이를 위한 장치 | |
Medhi et al. | An effective fovea detection and automatic assessment of diabetic maculopathy in color fundus images | |
Gegundez-Arias et al. | Locating the fovea center position in digital fundus images using thresholding and feature extraction techniques | |
Tavakoli et al. | A complementary method for automated detection of microaneurysms in fluorescein angiography fundus images to assess diabetic retinopathy | |
Jitpakdee et al. | A survey on hemorrhage detection in diabetic retinopathy retinal images | |
CN111222361A (zh) | 一种高血压视网膜血管改变特征数据分析的方法和系统 | |
CN110875092B (zh) | 一种基于远程眼底筛查的健康大数据服务方法和系统 | |
Al-Fahdawi et al. | A fully automatic nerve segmentation and morphometric parameter quantification system for early diagnosis of diabetic neuropathy in corneal images | |
Tavakoli et al. | Automated microaneurysms detection in retinal images using radon transform and supervised learning: application to mass screening of diabetic retinopathy | |
Rasta et al. | Detection of retinal capillary nonperfusion in fundus fluorescein angiogram of diabetic retinopathy | |
Hatanaka et al. | Improvement of automated detection method of hemorrhages in fundus images | |
Hatanaka et al. | Improvement of automatic hemorrhage detection methods using brightness correction on fundus images | |
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 | |
Bhaskaranand et al. | EyeArt+ EyePACS: automated retinal image analysis for diabetic retinopathy screening in a telemedicine system | |
Wisaeng et al. | Automatic detection of exudates in retinal images based on threshold moving average models | |
Kesarwani et al. | Non-invasive anaemia detection by examining palm pallor: A smartphone-based approach | |
Perez et al. | A new method for online retinal optic-disc detection based on cascade classifiers | |
CN110874597A (zh) | 一种眼底图像血管特征提取方法、设备、系统和存储介质 | |
Aruchamy et al. | Automated glaucoma screening in retinal fundus images | |
Niemeijer et al. | Automated localization of the optic disc and the fovea | |
Zheng et al. | Evaluation of effectiveness of eye massage therapy via classification of periocular images | |
CN116030042A (zh) | 一种针对医生目诊的诊断装置、方法、设备及存储介质 |