CN108765418A - 视网膜动静脉等效管径比检测方法及检测装置 - Google Patents
视网膜动静脉等效管径比检测方法及检测装置 Download PDFInfo
- Publication number
- CN108765418A CN108765418A CN201810619696.4A CN201810619696A CN108765418A CN 108765418 A CN108765418 A CN 108765418A CN 201810619696 A CN201810619696 A CN 201810619696A CN 108765418 A CN108765418 A CN 108765418A
- Authority
- CN
- China
- Prior art keywords
- equivalent
- vessel
- blood vessel
- information
- retinal
- 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
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
- G06T7/60—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
- G06T2207/10—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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (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)
- Geometry (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了一种视网膜动静脉等效管径比检测方法,所述检测方法包括:获取视网膜图像,并确定所述视网膜图像中的检测区域;在所述检测区域中获取视网膜血管,并对所述视网膜血管进行分类以获得分类信息;对所述分类信息进行管理,并基于管理结果获得等效血管信息;基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,并对所述视网膜血管进行区别显示。本发明还公开了一种视网膜动静脉等效管径比检测装置。本发明提供的方法和装置可以快速、精确地检测出了当前视网膜图像中的动静脉等效管径比,提高了检测精确性,提高了工作效率。
Description
技术领域
本发明涉及医疗诊断领域,具体地涉及一种视网膜动静脉等效管径比检测方法及一种视网膜动静脉等效管径比检测装置。
背景技术
随着现代医学的不断发展,医疗器械的可实现功能在不断增多,同时检测精度以及可检测的深度也在不断提高。
在现代医学诊断领域,可以通过对患者的眼睛进行高精度的拍照以获得患者眼睛各部位的图像,例如视网膜图像,医生通过将视网膜图像放大以对患者的视网膜进行更详细的观察,确定患者的病情。
进一步地,医生可以通过获取患者的视网膜图像中的动脉血管和静脉血管的管径变化情况,对患者的病情情况以及病情走向进行诊断,通过获取患者视网膜血管中动脉血管和静脉血管的等效管径比(即视网膜动静脉等效管径比),可以进一步辅助对患者病情的分析。然而在现有技术中,往往是由医生手动进行血管管径的测量,精确性较低,误差较高,同时为医生带来了大量的额外工作内容,降低了医生的工作效率。
发明内容
为了克服现有技术中视网膜动静脉等效管径比的检测方法精确性低,降低了医生的工作效率的技术问题,本发明实施例提供一种视网膜动静脉等效管径比检测方法和一种视网膜动静脉等效管径比检测装置,可以快速、精确地检测出当前视网膜图像中的动静脉等效管径比,精确性高,且可以提高医生的工作效率。
为了实现上述目的,本发明提供一种视网膜动静脉等效管径比检测方法,所述检测方法包括:获取视网膜图像,并确定所述视网膜图像中的检测区域;在所述检测区域中获取视网膜血管,并对所述视网膜血管进行分类以获得分类信息;对所述分类信息进行管理,并基于管理结果获得等效血管信息;基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,并对所述视网膜血管进行区别显示。
优选地,所述确定所述视网膜图像中的检测区域,包括:获取所述视网膜图像的视盘信息;基于所述视盘信息在预设范围内确定所述检测区域。
优选地,所述在所述检测区域中获取视网膜血管,并对所述视网膜血管进行分类以获得分类信息,包括:在所述检测区域内进行视网膜血管识别以获得初步识别血管;对所述初步识别血管进行筛选以获得所述视网膜血管;基于预设规则对所述视网膜血管进行分类,以获得所述分类信息。
优选地,所述对所述初步识别血管进行筛选以获得所述视网膜血管,包括:获取所述初步识别血管的特征信息;基于所述特征信息,将所述初步识别血管分为合格血管和不合格血管;将所述合格血管作为所述视网膜血管。
优选地,所述对所述分类信息进行管理,并基于管理结果获得等效血管信息,包括:获取用户的操作信息;基于所述操作信息对所述分类信息进行调整以获得调整后分类信息;基于所述调整后分类信息获得所述视网膜血管的动脉血管信息和静脉血管信息;基于所述动脉血管信息确定有效动脉血管,以及基于所述静脉血管信息确定有效静脉血管,其中所述有效动脉血管和所述有效静脉血管的数量均为N条,N为大于1的自然数;基于所述有效动脉血管获得等效动脉血管,以及基于所述有效静脉血管获得等效静脉血管;将所述等效动脉血管和所述等效静脉血管作为所述等效血管信息。
优选地,所述基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,包括:获取所述等效动脉血管的等效动脉管径,以及获取所述等效静脉血管的等效静脉管径;基于所述等效动脉管径和所述等效静脉管径获得所述动脉血管与静脉血管的等效管径比。
优选地,所述对所述视网膜血管进行区别显示,包括:对所述有效动脉血管以及所述有效静脉血管进行有区别的突出显示;对所述视网膜血管中的有效动脉血管以及有效静脉血管以外的其他血管进行非突出显示。
相应的,本发明还提供一种视网膜动静脉等效管径比检测装置,所述检测装置包括:获取单元,用于获取视网膜图像,并确定所述视网膜图像中的检测区域;分类单元,用于在所述检测区域中获取视网膜血管,并对所述视网膜血管进行分类以获得分类信息;管理单元,用于对所述分类信息进行管理,并基于管理结果获得等效血管信息;检测单元,用于基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,并对所述视网膜血管进行区别显示。
优选地,所述获取单元包括:视盘获取模块,用于获取所述视网膜图像的视盘信息;检测区域获取模块,用于基于所述视盘信息在预设范围内确定所述检测区域。
优选地,所述分类单元包括:初步识别模块,用于在所述检测区域内进行视网膜血管识别以获得初步识别血管;筛选模块,用于对所述初步识别血管进行筛选以获得所述视网膜血管;分类模块,用于基于预设规则对所述视网膜血管进行分类,以获得所述分类信息。
优选地,所述筛选模块包括:特征获取子模块,用于获取所述初步识别血管的特征信息;区分子模块,用于基于所述特征信息,将所述初步识别血管分为合格血管和不合格血管;确定子模块,用于将所述合格血管作为所述视网膜血管。
优选地,所述管理单元包括:操作获取模块,用于获取用户的操作信息;调整模块,用于基于所述操作信息对所述分类信息进行调整以获得调整后分类信息;动静脉信息获取模块,用于基于所述调整后分类信息获得所述视网膜血管的动脉血管信息和静脉血管信息;有效血管确定模块,用于基于所述动脉血管信息确定有效动脉血管,以及基于所述静脉血管信息确定有效静脉血管,其中所述有效动脉血管和所述有效静脉血管的数量均为N条,N为大于1的自然数;等效血管获得模块,用于基于所述有效动脉血管获得等效动脉血管,以及基于所述有效静脉血管获得等效静脉血管;等效信息确定模块,用于将所述等效动脉血管和所述等效静脉血管作为所述等效血管信息。
优选地,所述基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,并对所述视网膜血管进行区别显示,包括:获取所述等效动脉血管的等效动脉管径,以及获取所述等效静脉血管的等效静脉管径;基于所述等效动脉管径和所述等效静脉管径获得所述动脉血管与静脉血管的等效管径比。
优选地,所述检测单元还包括:突出显示模块,用于对所述有效动脉血管以及所述有效静脉血管进行有区别的突出显示;非突出显示模块,用于对所述视网膜血管中的有效动脉血管以及有效静脉血管以外的其他血管进行非突出显示。
另一方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明提供的方法。
通过本发明提供的技术方案,本发明至少具有如下技术效果:
通过预设的图像识别算法自动对视网膜图像内预设区域的视网膜血管进行识别、筛选和管理,从而快速、精确地检测出当前视网膜图像中的动静脉等效管径比,而不需要医生通过人眼识别不同的视网膜血管,不需要手动计算每个视网膜血管的管径以及对需要用于计算的视网膜血管进行手动排序、筛选以及计算等工作,从而有效避免了手动操作带来的误差,提高了检测精确性,同时计算过程可以由电子设备执行,因此还大大缩短了计算时间,提高了医生的工作效率。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是本发明提供的视网膜动静脉等效管径比检测方法的具体实现流程图;
图2是本发明实施例提供的视网膜动静脉等效管径比检测方法中获取检测区域的示意图;
图3是本发明实施例提供的视网膜动静脉等效管径比检测方法中对视网膜血管进行分类的示意图;
图4a和图4b是本发明实施例提供的视网膜动静脉等效管径比检测方法中对视网膜血管进行管理的示意图;
图5是本发明实施例提供的视网膜动静脉等效管径比检测方法中对视网膜血管进行区别显示的示意图;
图6是本发明提供的视网膜动静脉等效管径比检测装置的结构示意图。
具体实施方式
为了克服现有技术中视网膜动静脉等效管径比的检测方法精确性低,降低了医生的工作效率的技术问题,本发明提供一种视网膜动静脉等效管径比检测方法和一种视网膜动静脉等效管径比检测装置,可以快速、精确地检测出当前视网膜图像中的动静脉等效管径比,提高了检测精确性,提高了医生的工作效率。
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
本发明实施例中的术语“***”和“网络”可被互换使用。“多个”是指两个或两个以上,鉴于此,本发明实施例中也可以将“多个”理解为“至少两个”。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。另外,需要理解的是,在本发明实施例的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
本发明中,“视网膜动静脉等效管径比”指的是患者视网膜血管中动脉血管与静脉血管的等效管径比。为了克服现有技术中需要通过医生人眼识别视网膜血管中的不同血管以及通过手动计算动脉血管和静脉血管的管径比的技术问题,本发明通过对传统的图像识别算法进行改进,在传统的图像识别算法中加入对视网膜图像的分类、管理以及显示等步骤,从而在实现视网膜血管的管径比的自动检测的基础上,还能相比于现有技术提高检测的精确性,提高医生的工作效率。
在本发明实施例中,医生可以直接通过医院内的服务器获取数字化的视网膜图像,也可以通过图像识别设备对获取的打印版视网膜图像进行数字化转换后,再通过电子设备执行本发明技术方案以对获取的视网膜图像进行快速、精确的管径比检测,所述电子设备包括但不限于计算机、平板电脑、智能手机、可穿戴设备等电子设备。
请参见图1,本发明提供的视网膜动静脉等效管径比检测方法包括:
S10)获取视网膜图像,并确定所述视网膜图像中的检测区域;
S20)在所述检测区域中获取视网膜血管,并对所述视网膜血管进行分类以获得分类信息;
S30)对所述分类信息进行管理,并基于管理结果获得等效血管信息;
S40)基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,并对所述视网膜血管进行区别显示。
在本发明实施例中,所述确定所述视网膜图像中的检测区域,包括:获取所述视网膜图像的视盘信息;基于所述视盘信息在预设范围内确定所述检测区域。
请参见图2,在一种可能的实施方式中,医生通过计算机从医院服务器中获取到某患者的视网膜图像,计算机首先自动获取该视网膜图像中的视盘信息,从而确定将要进行图像识别的位置和直径,然后根据确定的位置和直径进一步确定在预设范围内的检测区域,例如预设在离视盘圆0.5倍到1倍直径范围内的圆环区域为检测区域。
在本发明实施例中,所述在所述检测区域中获取视网膜血管,并对所述视网膜血管进行分类以获得分类信息,包括:在所述检测区域内进行视网膜血管识别以获得初步识别血管;对所述初步识别血管进行筛选以获得所述视网膜血管;基于预设规则对所述视网膜血管进行分类,以获得所述分类信息。
请参见图3,在一种可能的实施方式中,计算机在获得检测区域后,通过预设算法对该检测区域内的血管进行识别,此时识别出的初步识别血管包括所有类型的血管,例如动脉血管、静脉血管、残缺血管以及错误血管等,因此还需要对识别出的血管做进一步处理。
进一步地,在本发明实施例中,所述对所述初步识别血管进行筛选以获得所述视网膜血管,包括:获取所述初步识别血管的特征信息;基于所述特征信息,将所述初步识别血管分为合格血管和不合格血管;将所述合格血管作为所述视网膜血管。
根据本发明的技术方案,计算机想要对识别出的初步识别血管进行筛选,首先获取初步识别血管中每条血管的特征信息,根据一种实施方式,所述特征信息为血管的弯曲度信息,计算机首先获取每条血管的弯曲度信息,并判断是否存在弯曲度大于预设弯曲度(预设弯曲度例如为1.5)的血管,若存在,则确定弯曲度大于预设弯曲度的血管为不合格血管,并将不合格血管删掉,确定弯曲度小于等于预设弯曲度的血管为合格血管,并将所述合格血管作为所述视网膜血管;根据另一种实施方式,所述特征信息为血管的长度,计算机首先获取每条血管的长度,并判断是否存在长度小于预设长度(预设长度例如为视盘直径的1/7)的血管,若存在,则确定长度小于预设长度的血管为不合格血管,并将不合格血管删掉,确定长度大于等于预设长度的血管为合格血管,并将所述合格血管作为所述视网膜血管。
在完成对所述初步识别血管的筛选后,计算机进一步根据每条血管的识别类型进行分类,在本发明实施例中,将识别出的血管分为动脉血管、静脉血管以及未识别血管三种类型。
在本发明实施例中,通过根据传统的图像识别算法对视网膜图像进行自动识别,同时在完成视网膜血管的初步识别的基础上根据预设规则对初步识别血管进行进一步的筛选和分类,从而大大提高了图像识别在视网膜图像识别领域的精确性,减小了对视网膜图像中的血管的检测偏差,同时不需要人工进行每条血管的管径计算以及再排序操作,因此大大减少了医生的工作量,提高了医生的工作效率。
由于现代图像识别技术的缺陷,计算机的自动识别依然可能存在识别偏差的问题,因此为了进一步提高识别的准确性,提高视网膜血管的识别可靠性,还应该在计算机的自动识别的基础上为用户(例如医生)提供便捷的手动调整功能。
在本发明实施例中,所述对所述分类信息进行管理,并基于管理结果获得等效血管信息,包括:获取用户的操作信息;基于所述操作信息对所述分类信息进行调整以获得调整后分类信息;基于所述调整后分类信息获得所述视网膜血管的动脉血管信息和静脉血管信息;基于所述动脉血管信息确定有效动脉血管,以及基于所述静脉血管信息确定有效静脉血管,其中所述有效动脉血管和所述有效静脉血管的数量均为N条,N为大于1的自然数;基于所述有效动脉血管获得等效动脉血管,以及基于所述有效静脉血管获得等效静脉血管;将所述等效动脉血管和所述等效静脉血管作为所述等效血管信息。
请参见图4a和图4b,其中图4a为管理前的视网膜血管图像,图4b为管理后的视网膜血管图像,在一种可能的实施方式中,在获得计算机自动分类后的血管后,医生通过人眼观察发现存在被归属于未识别血管的未识别的动脉血管、存在识别错误的动脉血管以及存在未标注出的动脉血管,因此医生可以对血管进行人工选定,可以选定所述未识别的动脉血管并将其指定为动脉血管;选定所述识别错误的动脉血管并将其标注为未识别血管或将其删除;在未标注出的动脉血管的位置进行血管生成操作,并将生成后的血管指定为动脉血管,在经过上述操作后,计算机获得调整后的分类信息。
计算机根据调整后的分类信息调取动脉血管信息以及静脉血管信息,例如一共有8条动脉血管和9条静脉血管,调取每条动脉血管的编号信息分别为3、6、8、11、14、17、18、19,以及每条静脉血管的编号信息分别为1、2、4、5、8、10、12、13、15,并根据每条动脉血管的血管管径信息,对动脉血管按照血管管径从大到小进行排序,以及根据每条静脉血管的血管管径信息,对静脉血管按照血管管径从大到小进行排序。进一步地,在本发明实施例中,指定血管管径从大到小的前6条动脉血管为有效动脉血管(例如血管编号依次为14、8、6、17、11、3的动脉血管),以及指定血管管径从大到小的前6条静脉血管为有效静脉血管(例如血管编号依次为13、10、5、9、4、1的静脉血管),此时计算机根据预设算法获得与上述6条有效动脉血管等效的等效动脉血管,以及基于同样的原理,根据预设算法获得与上述6条有效静脉血管等效的等效静脉血管,此时计算机将等效动脉血管和等效静脉血管作为等效血管信息。
由于在现有技术基础上,人眼识别的精确性依然高于计算机的自动识别,因此在本发明实施例中,通过在自动识别的基础上进一步进行人眼的审核或人工调整,使得用户只需要付出极少的额外工作就能够进一步提高对视网膜图像的识别的精确性,因此大大提高了检测结果的可靠性,同时在精确的视网膜血管识别的基础上,计算机能够快速、准确、自动地进行后续的运算,从而获得精确的等效血管信息,大大优化了用户的工作内容,提高了用户的工作效率。
进一步地,在本发明实施例中,所述基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,包括:获取所述等效动脉血管的等效动脉管径,以及获取所述等效静脉血管的等效静脉管径;基于所述等效动脉管径和所述等效静脉管径获得所述动脉血管与静脉血管的等效管径比。
在一种可能的实施方式中,计算机自动计算等效动脉血管的管径以获得等效动脉管径为25.6像素,以及自动计算等效静脉血管的管径以获得等效静脉管径为35.5像素,进而获得了动脉血管和静脉血管的等效管径比为0.72。
请参见图5,在本发明实施例中,所述对所述视网膜血管进行区别显示,包括:对所述有效动脉血管以及所述有效静脉血管进行有区别的突出显示;对所述视网膜血管中的有效动脉血管以及有效静脉血管以外的其他血管进行非突出显示。
在一种可能的实施方式中,在获得视网膜血管的调整后分类信息之后,计算机自动根据血管的不同类型进行不同颜色的标注显示,但由于自动标注的颜色可能造成颜色差异较小而产生混淆的情况,例如动脉血管和静脉血管的标注颜色相近容易导致混淆,因此优选地,用户通过手动重新为动脉指定其他区别颜色,以将不同类型的血管进行明显的区分显示。
需要说明的是,在本发明实施例中,计算机可以根据识别出的有效动脉血管、有效静脉血管以及未识别血管进行实时的显示,即在每次调整操作后计算机都根据调整后的分类信息对不同血管进行显示,以便于用户的及时查看和区别,而并不限定在所有调整操作完成后才刷新对不同血管的显示。
进一步地,在本发明实施例中,在计算机的显示区域中还包括血管信息的管理列表,例如在当前显示视窗的右侧设置血管信息管理列表,列表中至少包括血管的编号、管径、分类、弯曲度、长度等信息;在获取到视网膜血管的分类信息并对视网膜血管进行区分显示后,用户还通过选择不同的分类排序选项以对视网膜血管进行分类排序,例如选择“动静脉血管”选项,以按照有效动脉、有效静脉以及未识别血管的顺序,将每个类别中的视网膜血管依次按照管径大小从大到小排序,以将有效的血管在血管管理信息列表中进行置顶显示,便于用户的观察和编辑等操作。
在本发明实施例中,通过对不同的视网膜血管进行实时的区别显示,从而极大的方便了用户在计算机识别过程中对血管信息进行及时的查看和区别,一旦出现错误或有偏差的血管信息,用户能够立即发现并做出修正或调整,从而极大的优化了用户的用户体验,提高了用户的工作效率,提高了检测结果的精确性。
下面结合附图对本发明所提供的视网膜动静脉等效管径比检测装置进行说明。
请参见图6,基于同一发明构思,本发明提供一种视网膜动静脉等效管径比检测装置,所述检测装置包括:获取单元,用于获取视网膜图像,并确定所述视网膜图像中的检测区域;分类单元,用于在所述检测区域中获取视网膜血管,并对所述视网膜血管进行分类以获得分类信息;管理单元,用于对所述分类信息进行管理,并基于管理结果获得等效血管信息;检测单元,用于基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,并对所述视网膜血管进行区别显示。
在本发明实施例中,所述获取单元包括:视盘获取模块,用于获取所述视网膜图像的视盘信息;检测区域获取模块,用于基于所述视盘信息在预设范围内确定所述检测区域。
在本发明实施例中,所述分类单元包括:初步识别模块,用于在所述检测区域内进行视网膜血管识别以获得初步识别血管;筛选模块,用于对所述初步识别血管进行筛选以获得所述视网膜血管;分类模块,用于基于预设规则对所述视网膜血管进行分类,以获得所述分类信息。
在本发明实施例中,所述筛选模块包括:特征获取子模块,用于获取所述初步识别血管的特征信息;区分子模块,用于基于所述特征信息,将所述初步识别血管分为合格血管和不合格血管;确定子模块,用于将所述合格血管作为所述视网膜血管。
在本发明实施例中,所述管理单元包括:操作获取模块,用于获取用户的操作信息;调整模块,用于基于所述操作信息对所述分类信息进行调整以获得调整后分类信息;动静脉信息获取模块,用于基于所述调整后分类信息获得所述视网膜血管的动脉血管信息和静脉血管信息;有效血管确定模块,用于基于所述动脉血管信息确定有效动脉血管,以及基于所述静脉血管信息确定有效静脉血管,其中所述有效动脉血管和所述有效静脉血管的数量均为N条,N为大于1的自然数;等效血管获得模块,用于基于所述有效动脉血管获得等效动脉血管,以及基于所述有效静脉血管获得等效静脉血管;等效信息确定模块,用于将所述等效动脉血管和所述等效静脉血管作为所述等效血管信息。
在本发明实施例中,所述基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,并对所述视网膜血管进行区别显示,包括:获取所述等效动脉血管的等效动脉管径,以及获取所述等效静脉血管的等效静脉管径;基于所述等效动脉管径和所述等效静脉管径获得所述动脉血管与静脉血管的等效管径比。
在本发明实施例中,所述检测单元还包括:突出显示模块,用于对所述有效动脉血管以及所述有效静脉血管进行有区别的突出显示;非突出显示模块,用于对所述视网膜血管中的有效动脉血管以及有效静脉血管以外的其他血管进行非突出显示。
进一步地,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明所述的方法。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (15)
1.一种视网膜动静脉等效管径比检测方法,其特征在于,所述检测方法包括:
获取视网膜图像,并确定所述视网膜图像中的检测区域;
在所述检测区域中获取视网膜血管,并对所述视网膜血管进行分类以获得分类信息;
对所述分类信息进行管理,并基于管理结果获得等效血管信息;
基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,并对所述视网膜血管进行区别显示。
2.根据权利要求1所述的检测方法,其特征在于,所述确定所述视网膜图像中的检测区域,包括:
获取所述视网膜图像的视盘信息;
基于所述视盘信息在预设范围内确定所述检测区域。
3.根据权利要求1所述的检测方法,其特征在于,所述在所述检测区域中获取视网膜血管,并对所述视网膜血管进行分类以获得分类信息,包括:
在所述检测区域内进行视网膜血管识别以获得初步识别血管;
对所述初步识别血管进行筛选以获得所述视网膜血管;
基于预设规则对所述视网膜血管进行分类,以获得所述分类信息。
4.根据权利要求3所述的检测方法,其特征在于,所述对所述初步识别血管进行筛选以获得所述视网膜血管,包括:
获取所述初步识别血管的特征信息;
基于所述特征信息,将所述初步识别血管分为合格血管和不合格血管;
将所述合格血管作为所述视网膜血管。
5.根据权利要求1所述的检测方法,其特征在于,所述对所述分类信息进行管理,并基于管理结果获得等效血管信息,包括:
获取用户的操作信息;
基于所述操作信息对所述分类信息进行调整以获得调整后分类信息;
基于所述调整后分类信息获得所述视网膜血管的动脉血管信息和静脉血管信息;
基于所述动脉血管信息确定有效动脉血管,以及基于所述静脉血管信息确定有效静脉血管,其中所述有效动脉血管和所述有效静脉血管的数量均为N条,N为大于1的自然数;
基于所述有效动脉血管获得等效动脉血管,以及基于所述有效静脉血管获得等效静脉血管;
将所述等效动脉血管和所述等效静脉血管作为所述等效血管信息。
6.根据权利要求5所述的检测方法,其特征在于,所述基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,包括:
获取所述等效动脉血管的等效动脉管径,以及获取所述等效静脉血管的等效静脉管径;
基于所述等效动脉管径和所述等效静脉管径获得所述动脉血管与静脉血管的等效管径比。
7.根据权利要求5所述的检测方法,其特征在于,所述对所述视网膜血管进行区别显示,包括:
对所述有效动脉血管以及所述有效静脉血管进行有区别的突出显示;
对所述视网膜血管中的有效动脉血管以及有效静脉血管以外的其他血管进行非突出显示。
8.一种视网膜动静脉等效管径比检测装置,其特征在于,所述检测装置包括:
获取单元,用于获取视网膜图像,并确定所述视网膜图像中的检测区域;
分类单元,用于在所述检测区域中获取视网膜血管,并对所述视网膜血管进行分类以获得分类信息;
管理单元,用于对所述分类信息进行管理,并基于管理结果获得等效血管信息;
检测单元,用于基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,并对所述视网膜血管进行区别显示。
9.根据权利要求8所述的检测装置,其特征在于,所述获取单元包括:
视盘获取模块,用于获取所述视网膜图像的视盘信息;
检测区域获取模块,用于基于所述视盘信息在预设范围内确定所述检测区域。
10.根据权利要求8所述的检测装置,其特征在于,所述分类单元包括:
初步识别模块,用于在所述检测区域内进行视网膜血管识别以获得初步识别血管;
筛选模块,用于对所述初步识别血管进行筛选以获得所述视网膜血管;
分类模块,用于基于预设规则对所述视网膜血管进行分类,以获得所述分类信息。
11.根据权利要求10所述的检测装置,其特征在于,所述筛选模块包括:
特征获取子模块,用于获取所述初步识别血管的特征信息;
区分子模块,用于基于所述特征信息,将所述初步识别血管分为合格血管和不合格血管;
确定子模块,用于将所述合格血管作为所述视网膜血管。
12.根据权利要求8所述的检测装置,其特征在于,所述管理单元包括:
操作获取模块,用于获取用户的操作信息;
调整模块,用于基于所述操作信息对所述分类信息进行调整以获得调整后分类信息;
动静脉信息获取模块,用于基于所述调整后分类信息获得所述视网膜血管的动脉血管信息和静脉血管信息;
有效血管确定模块,用于基于所述动脉血管信息确定有效动脉血管,以及基于所述静脉血管信息确定有效静脉血管,其中所述有效动脉血管和所述有效静脉血管的数量均为N条,N为大于1的自然数;
等效血管获得模块,用于基于所述有效动脉血管获得等效动脉血管,以及基于所述有效静脉血管获得等效静脉血管;
等效信息确定模块,用于将所述等效动脉血管和所述等效静脉血管作为所述等效血管信息。
13.根据权利要求12所述的检测装置,其特征在于,所述基于所述等效血管信息获得所述视网膜血管中动脉血管与静脉血管的等效管径比,并对所述视网膜血管进行区别显示,包括:
获取所述等效动脉血管的等效动脉管径,以及获取所述等效静脉血管的等效静脉管径;
基于所述等效动脉管径和所述等效静脉管径获得所述动脉血管与静脉血管的等效管径比。
14.根据权利要求12所述的检测装置,其特征在于,所述检测单元还包括:
突出显示模块,用于对所述有效动脉血管以及所述有效静脉血管进行有区别的突出显示;
非突出显示模块,用于对所述视网膜血管中的有效动脉血管以及有效静脉血管以外的其他血管进行非突出显示。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7中任一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810619696.4A CN108765418A (zh) | 2018-06-14 | 2018-06-14 | 视网膜动静脉等效管径比检测方法及检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810619696.4A CN108765418A (zh) | 2018-06-14 | 2018-06-14 | 视网膜动静脉等效管径比检测方法及检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108765418A true CN108765418A (zh) | 2018-11-06 |
Family
ID=63978056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810619696.4A Pending CN108765418A (zh) | 2018-06-14 | 2018-06-14 | 视网膜动静脉等效管径比检测方法及检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765418A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681242A (zh) * | 2020-08-14 | 2020-09-18 | 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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006018445A1 (de) * | 2006-04-18 | 2007-10-25 | Imedos Gmbh | Vorrichtung und Verfahren zur Analyse retinaler Gefäße |
CN102014731A (zh) * | 2008-04-08 | 2011-04-13 | 新加坡国立大学 | 视网膜图像分析***和方法 |
CN104573716A (zh) * | 2014-12-31 | 2015-04-29 | 浙江大学 | 基于广度搜索算法的眼底图像的动静脉视网膜血管分类方法 |
CN106355599A (zh) * | 2016-08-30 | 2017-01-25 | 上海交通大学 | 基于非荧光眼底图像的视网膜血管自动分割方法 |
-
2018
- 2018-06-14 CN CN201810619696.4A patent/CN108765418A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006018445A1 (de) * | 2006-04-18 | 2007-10-25 | Imedos Gmbh | Vorrichtung und Verfahren zur Analyse retinaler Gefäße |
CN102014731A (zh) * | 2008-04-08 | 2011-04-13 | 新加坡国立大学 | 视网膜图像分析***和方法 |
CN104573716A (zh) * | 2014-12-31 | 2015-04-29 | 浙江大学 | 基于广度搜索算法的眼底图像的动静脉视网膜血管分类方法 |
CN106355599A (zh) * | 2016-08-30 | 2017-01-25 | 上海交通大学 | 基于非荧光眼底图像的视网膜血管自动分割方法 |
Non-Patent Citations (1)
Title |
---|
薛岚燕 等: "动静脉血管自动分类方法及其管径测量", 《仪器仪表学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681242A (zh) * | 2020-08-14 | 2020-09-18 | 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 |
WO2022033580A1 (zh) * | 2020-08-14 | 2022-02-17 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846853B2 (en) | Medical image processing apparatus, medical image processing method, and medical image processing program | |
CN106157297B (zh) | 图像处理装置和图像处理方法 | |
Timmermans et al. | How can we measure awareness? An overview of current methods | |
US20200260944A1 (en) | Method and device for recognizing macular region, and computer-readable storage medium | |
US10424067B2 (en) | Image processing apparatus, image processing method and storage medium | |
JP6716853B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
EP3461413B1 (en) | Information processing apparatus, information processing method and computer program | |
Aquino | Establishing the macular grading grid by means of fovea centre detection using anatomical-based and visual-based features | |
JP2022543643A (ja) | 冠動脈カルシウム負荷の縦断的表示 | |
JP6097949B2 (ja) | グラフ表示装置およびグラフ表示装置の作動方法並びにグラフ表示プログラム | |
JP4817184B2 (ja) | 画像撮影装置及び画像解析プログラム | |
US20210012526A1 (en) | Visualization system for visualizing an alignment accuracy | |
JP2007097740A (ja) | 眼底画像診断支援装置 | |
US20030083567A1 (en) | Medical imaging station with a function of extracting a path within a ramified object | |
JPH10243924A (ja) | 眼底の動静脈径比の計測方法 | |
CN108765418A (zh) | 视网膜动静脉等效管径比检测方法及检测装置 | |
JP4822527B2 (ja) | 画像解析装置及び画像解析プログラム | |
Lu et al. | Adaboost-based detection and segmentation of bioresorbable vascular scaffolds struts in IVOCT images | |
US7481789B2 (en) | Method for segmenting a medical data set | |
JP2016170362A (ja) | 手術トレーニングプログラム及び手術トレーニングシステム | |
CN108803994B (zh) | 视网膜血管的管理方法及视网膜血管的管理装置 | |
Hartendorp et al. | The relation between gaze behavior and categorization: Does where we look determine what we see? | |
US9026191B2 (en) | Method and device for automatic determination of a flow of a bodily fluid within vessels of an organism | |
CN113436709A (zh) | 图像显示方法以及相关装置、设备 | |
Nam et al. | Automated measurement of retinal vessel diameters on digital fundus photographs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |
|
RJ01 | Rejection of invention patent application after publication |