視網膜血管識別方法及裝置製造方法

2024-01-28 08:04:15

視網膜血管識別方法及裝置製造方法
【專利摘要】本發明涉及醫學【技術領域】，具體而言，涉及視網膜血管識別方法及裝置。該方法包括：從RGB格式的視網膜眼底圖像中提取綠色通路中的視網膜灰度圖；設置多個對比尺度，在每個對比尺度下均從多個方向對所述視網膜灰度圖上的像素點進行對比度量化，得到視網膜二值化對比度圖，其中視網膜二值化對比度圖中的像素分為視網膜血管上的像素及非視網膜血管上的像素；對獲取的多個所述視網膜二值化對比度圖進行差分融合，並去除融合後獲得的圖像中的噪音及偽影，得到視網膜融合圖；從視網膜融合圖中確定中央反光區域，並對中央反光區域進行填充，得到視網膜血管分布圖。本發明提供的方法及裝置，提高了視網膜血管識別的準確性及可靠性。
【專利說明】視網膜血管識別方法及裝置

【技術領域】
[0001] 本發明涉及醫學【技術領域】，具體而言，涉及視網膜血管識別方法及裝置。

【背景技術】
[0002] 視網膜居於眼球壁的內層，是一層透明的薄膜。視網膜是唯一可以使用光學非侵 入方式觀察到的中樞神經組織，它負責向大腦實時傳送外界的圖像信息。為了保證足夠其 正常的生理功能，視網膜內含有豐富的血管網絡，視網膜中任何的血管異常均會導致視網 膜功能的損傷。許多全身疾病，如糖尿病、高血壓、動脈硬化、心腦血管意外及中風等，以及 許多眼部疾病，如早產兒視網膜病變、視網膜靜脈阻塞及老年黃斑變性等，均與視網膜血管 的變化密切相關。對視網膜血管的直徑、長度、分支角度、迂曲程度的準確橫向定量評價及 其隨時間、病情進展變化的縱向定量評價對於眼科醫生提高相關疾病診斷的準確性及效率 均有重要的意義，許多疾病的診療標準亦基於上述指標的變化。
[0003] 免散瞳眼底照相技術的普及很好地解決了視網膜血管圖像採集的問題，其已廣泛 應用於眼科臨床、體檢、眼病篩查等領域，結果證明基於眼底照相檢查可以很好地對視網膜 血管相關疾病做出準確診斷。但是眼底照相僅僅實現了視網膜血管的採集，相關結果的分 析還依賴於人工識別、標註視網膜血管邊界，進一步結合臨床診療規範做出診斷。由於視網 膜血管眾多，直徑、走形、形態各異，人工識別、標註視網膜血管是一項非常費時、費力的工 作，並且還存在較大的測量者間與測量者之間的差異。因此，臨床非常需要一種能夠對視網 膜血管形態進行高效且客觀的定量分析方法，將採集到的視網膜血管圖像數值化，實現這 一目標的基本前提是對視網膜血管邊界的勾畫。
[0004] 近些年來已有一系列關於對眼底照片上的視網膜血管進行自動識別的計算機算 法，如線或邊緣跟蹤法、多尺度濾波法、形態變形及機器學習法。其中線或邊緣跟蹤法利用 視網膜血管的線狀結構，首先設置一個起始點，從起始點開始逐漸延伸、跟蹤血管的走形。 多尺度濾波法則是利用視網膜血管在寬度、密度及方向性上的特點，採取漸進的方式設置 不同的角度、亮度閾值，將視網膜血管上的像素點從背景中過濾出來。機器學習法則先選定 圖像上每個像素的某一特點為判別指標，人為制定該指標的閾值，根據是否超過閾值將其 該像素點分為血管組織或非血管組織，並通過不斷與人工識別的結果進行對比對閾值進行 不斷地調整，提高識別的準確性，常用的方法包括神經網絡、支持向量機等。
[0005] 當前的視網膜血管識別算法均基於不同的圖像特徵，如顏色、強度、形狀、灰度梯 度、對比度及解剖結構的連續性等，來識別視網膜血管的邊界，其對於視網膜小血管識別的 可靠性及準確性仍然無法滿足視網膜血管識別的實際需求。


【發明內容】

[0006] 本發明的目的在於提供視網膜血管識別方法及裝置，以解決上述的問題。
[0007] 在本發明的實施例中提供了視網膜血管識別方法，包括：從RGB格式的視網膜眼 底圖像中提取綠色通路中的視網膜灰度圖；設置多個對比尺度，在每個對比尺度下均從多 個方向對所述視網膜灰度圖上的像素點進行對比度量化，得到視網膜二值化對比度圖，其 中所述視網膜二值化對比度圖中的像素分為視網膜血管上的像素及非視網膜血管上的像 素；對獲取的多個所述視網膜二值化對比度圖進行差分融合，並去除融合後獲得的圖像中 的噪音及偽影，得到視網膜融合圖；從所述視網膜融合圖中確定中央反光區域，並對所述中 央反光區域進行填充，得到視網膜血管分布圖。
[0008] 優選地，所述設置多個對比尺度，在每個對比尺度下均從多個方向對所述視網膜 灰度圖上的像素點進行對比度量化，得到視網膜二值化對比度圖，包括：以當前像素點為圓 心，以當前確定的對比尺度為半徑，確定當前像素點的對比範圍；從多個方向計算所述當前 像素點與所述對比範圍內的各個線狀結構亮度均值的差值，並從多個差值中選取最大值作 為所述當前像素點的對比度值，其中所述對比度值的計算公式為：
[0009]

【權利要求】
1. 視網膜血管識別方法，其特徵在於，包括： 從RGB格式的視網膜眼底圖像中提取綠色通路中的視網膜灰度圖； 設置多個對比尺度，在每個對比尺度下均從多個方向對所述視網膜灰度圖上的像素點 進行對比度量化，得到視網膜二值化對比度圖，其中所述視網膜二值化對比度圖中的像素 分為視網膜血管上的像素及非視網膜血管上的像素； 對獲取的多個所述視網膜二值化對比度圖進行差分融合，並去除融合後獲得的圖像中 的噪音及偽影，得到視網膜融合圖； 從所述視網膜融合圖中確定中央反光區域，並對所述中央反光區域進行填充，得到視 網膜血管分布圖。
2. 根據權利要求1所述的方法，其特徵在於，所述設置多個對比尺度，在每個對比尺度 下均從多個方向對所述視網膜灰度圖上的像素點進行對比度量化，得到視網膜二值化對比 度圖，包括： 以當前像素點為圓心，以當前確定的對比尺度為半徑，確定當前像素點的對比範圍； 從多個方向計算所述當前像素點與所述對比範圍內的各個線狀結構亮度均值的差值， 並從多個差值中選取最大值作為所述當前像素點的對比度值，其中所述對比度值的計算公 式為：
其中，te為所述差值，d為所述線狀結構的長度，Ιθ為所述線狀結構上的一個像素點 的亮度值，I (i，j)為所述當前像素點的亮度值，k為常整數，取值範圍為1?d ; 利用上述計算當前像素點的方法計算當前對比尺度內所述視網膜灰度圖上的所有像 素點的對比度值，利用所有所述像素點的對比度值得到當前對比尺度下的視網膜二值化對 比度圖；利用該方法得到多個對比尺度下的視網膜二值化對比度圖。
3. 根據權利要求1所述的方法，其特徵在於，所述對獲取的多個所述視網膜二值化對 比度圖進行差分融合，並去除融合後獲得的圖像中的噪音及偽影，得到視網膜融合圖，包 括： 步驟A :從多個所述對比尺度中確定對比尺度屯，將在所述對比尺度屯下獲取的視網膜 二值化對比度圖像確定為參照對比圖&，其中所述對比尺度屯在多個所述對比尺度中非最 小； 步驟B :將所述對比尺度屯減少間隔Λ d得到對比尺度屯，將在所述對比尺度屯下獲 取的視網膜二值化對比度圖像確定為對比圖氏； 步驟C :利用所述參照對比圖&及所述對比圖氏的同一位置上的對比度值的均值得到 融合圖像A ;利用所述參照對比圖&及所述對比圖氏的同一位置上的對比度值的差值得到 差分圖像〇1，其中當所述參照對比圖&及所述對比圖氏的同一位置上的對比度值相同時， Di在該位置上的值為1,否則Di在該位置上的值為0 ; 步驟D :去除所述融合圖像A及所述差分圖像Di上的噪音及偽影，並利用去除噪音及 偽影后的所述融合圖像A及所述差分圖像Di得到融合圖； 步驟E:利用所述融合圖替換所述參照對比圖&，且所述融合圖的對比尺度屯替換為所 述對比尺度屯，重複步驟B?D直至得到的屯等於1 ; 步驟F :從最終獲取的參照對比圖&中去除噪音及偽影，得到所述視網膜融合圖。
4. 根據權利要求3所述的方法，其特徵在於，所述去除所述融合圖像A及所述差分圖 像Dii的噪音及偽影，包括： 利用公式
·算所述融合圖像仏及所述差分圖像Dii的目標圖像的細長度，其 中S為所述目標圖像的最長徑，V為所述目標圖像的容積； 判斷所述細長度是否小於設定的細長度閾值，如果是，所述目標圖像判定為小的簇狀 結構或非細長狀結構，且去除所述目標圖像。
5. 根據權利要求3所述的方法，其特徵在於，所述從多個所述對比尺度中確定對比尺 度包括： 根據所述視網膜眼底圖像中的視網膜血管的最大寬度確定所述對比尺度dQ。
6. 根據權利要求3所述的方法，其特徵在於，該方法還包括：根據所述視網膜眼底圖像 的解析度確定所述間隔Ad。
7. 根據權利要求1所述的方法，其特徵在於，所述從所述視網膜融合圖中確定中央反 光區域，包括： 從水平方向及垂直方向掃描所述視網膜融合圖，得到細長狀結構非血管區域；將所述 細長狀結構非血管區域確定為中央反光區域。
8. 視網膜血管識別裝置，其特徵在於，包括： 圖像提取模塊，用於從RGB格式的視網膜眼底圖像中提取綠色通路中的視網膜灰度 圖； 多尺度多方向量化模塊，用於設置多個對比尺度，在每個對比尺度下均從多個方向對 所述視網膜灰度圖上的像素點進行對比度量化，得到視網膜二值化對比度圖，其中所述視 網膜二值化對比度圖中的像素分為視網膜血管上的像素及非視網膜血管上的像素； 差分融合模塊，用於對獲取的多個所述視網膜二值化對比度圖進行差分融合，並去除 融合後獲得的圖像中的噪音及偽影，得到視網膜融合圖； 填充模塊，用於從所述視網膜融合圖中確定中央反光區域，並對所述中央反光區域進 行填充，得到視網膜血管分布圖。
9. 根據權利要求8所述的視網膜血管識別裝置，其特徵在於，所述多尺度多方向量化 模塊，包括： 對比範圍確定子模塊，用於以當前像素點為圓心，以當前確定的對比尺度為半徑，確定 當前像素點的對比範圍； 對比量化子模塊，用於從多個方向計算所述當前像素點與所述對比範圍內的各個線狀 結構亮度均值的差值，並從多個差值中選取最大值作為所述當前像素點的對比度值，其中 所述對比度值的計算公式為
其中，te為所述差值，d為所述線狀結構的長度，Ιθ為所述線狀結構上的一個像素點的亮 度值，I (i，j)為所述當前像素點的亮度值，k為常整數，取值範圍為1?d ; 利用上述計算當前像素點的方法計算當前對比尺度內所述視網膜灰度圖上的所有像 素點的對比度值，利用所有所述像素點的對比度值得到當前對比尺度下的視網膜二值化對 比度圖；利用該方法得到多個對比尺度下的視網膜二值化對比度圖。
【文檔編號】G06K9/00GK104102899SQ201410220540
【公開日】2014年10月15日 申請日期:2014年5月23日 優先權日:2014年5月23日
【發明者】甄毅, 王寧利, 普建濤, 顧歲成, 孟鑫 申請人:首都醫科大學附屬北京同仁醫院, 北京新皓然軟體技術有限責任公司, 陝西渭南神州德信醫學成像技術有限公司