CN110037651B - 眼底图像的质量控制方法及装置 - Google Patents
眼底图像的质量控制方法及装置 Download PDFInfo
- Publication number
- CN110037651B CN110037651B CN201810036355.4A CN201810036355A CN110037651B CN 110037651 B CN110037651 B CN 110037651B CN 201810036355 A CN201810036355 A CN 201810036355A CN 110037651 B CN110037651 B CN 110037651B
- Authority
- CN
- China
- Prior art keywords
- image
- fundus
- fundus image
- area
- quality
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Ophthalmology & Optometry (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本申请公开了一种眼底图像的质量控制方法及装置,其中方法包括:接收眼底图像;计算所述眼底图像的模糊度值;从所述眼底图像中提取血管,确定出所述眼底图像中的无血管区域,并计算所述无血管区域的面积;根据所述模糊度值及所述无血管区域的面积,判断所述眼底图像的图像质量是否合格。本申请通过比较眼底图像的模糊度值以及无血管区域的面积,达到了判断眼底图像是否合格的目的,从而实现了对眼底图像进行图像质量控制的技术效果,进而解决了提高眼底图像的图像质量控制的快速性和稳定性的技术问题。
Description
技术领域
本申请涉及计算机视觉及图像处理技术领域,具体而言,涉及一种眼底图像的质量控制方法及装置。
背景技术
由于眼底图像采集设备都没有图像质量的判别功能,这就导致大量不合格的低质量眼底图像进入后期医生阅片环节,导致低质量眼底图像占用大量的资源,继而降低了医生对眼底图像的分析效率,直接提高了医生对患者的阅片成本。与此同时,因为图像质量不佳影响判断,也提高了医生误判的风险。
相关技术中对图像质量的控制主要包括两种方式:一种是完全依靠操作者自身的经验来进行判别;另一种是通过对眼底图像进行亮区或暗区的分析进行判断。
前一种方式因完全依靠人工进行判断导致图像质量的控制标准并不稳定,而后一种方式则因计算量大导致运行速度慢且不稳定,而且功能判断相对单一,难以满足实际的临床需求。
发明内容
本申请的主要目的在于提供一种眼底图像的质量控制方法,以快速、稳定的判断眼底图像的图像质量是否合格,避免了低质量图像进入后期医生阅片环节,从而接收医生阅片成本,最终达到降低误判风险的目的。
为了实现上述目的,根据本申请的一个方面,提供了一种眼底图像的质量控制方法。
根据本申请的眼底图像的质量控制方法包括:
接收眼底图像;
计算所述眼底图像的模糊度值;
从所述眼底图像中提取血管,确定出所述眼底图像中的无血管区域,并计算所述无血管区域的面积;
根据所述模糊度值及所述无血管区域的面积,判断所述眼底图像的图像质量是否合格。
进一步,所述根据所述模糊度值及所述无血管区域的面积,判断所述眼底图像的图像质量是否合格,包括:
判断所述无血管区域的面积是否大于面积阈值,并判断所述模糊度值是否大于模糊度阈值;
如果所述无血管区域的面积大于面积阈值,且所述模糊度值大于所述模糊度阈值,则确定所述眼底图像为不合格图像。
进一步,所述方法还包括:
在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否包括反光亮区和/或暗区;
如果所述无血管区域包括反光亮区和/或暗区,则所述眼底图像曝光有异常。
进一步,所述方法还包括:
在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否覆盖整个眼底;
如果覆盖整个眼底,则确定所述眼底图像为全局模糊图像。
进一步,所述方法还包括:
在确定所述眼底图像为全局模糊图像后,重新获取相应用户的眼底图像,并判断重新获取的眼底图像是否为全局模糊图像;
如果多次判断重新获取的眼底图像为全局模糊图像,则确定所述眼底图像存在眼底病变。
进一步,所述确定出所述眼底图像中的无血管区域,包括:
在从所述眼底图像中提取血管后,对提取的血管进行筛查,去除误提取的血管,得到血管区域;
根据得到的所述血管区域确定出所述眼底图像中的无血管区域。
进一步,所述方法还包括:
在从所述眼底图像中提取血管前,对所述眼底图像进行彩色眼底图像判断以及前眼图像判断;
如果所述眼底图像为非彩色眼底图像或为前眼图像,则剔除该眼底图像。
进一步,所述方法还包括:
如果所述眼底图像为合格图像,则对所述眼底图像进行眼别分析;
根据眼别分析结果,对所述眼底图像进行眼底结构定位分析;
根据定位得到的眼底结构的位置判断所述眼底图像是否以所述眼底结构为中心;
如果所述眼底图像不以所述眼底结构为中心,则将已确定为图像质量合格的眼底图像最终判定为图像质量不合格。
为了实现上述目的,根据本申请的另一方面,提供了一种眼底图像的质量控制装置。
根据本申请的眼底图像的质量控制装置包括:
图像接收单元,用于接收眼底图像;
模糊计算单元,用于计算所述眼底图像的模糊度值;
区域提取单元,用于从所述眼底图像中提取血管,确定出所述眼底图像中的无血管区域,并计算所述无血管区域的面积;
质量判断单元,用于根据所述模糊度值及所述无血管区域的面积,判断所述眼底图像的图像质量是否合格。
进一步,所述质量判断单元包括:
质量判断模块,用于判断所述无血管区域的面积是否大于面积阈值,并判断所述模糊度值是否大于模糊度阈值;
质量确定模块,用于如果所述无血管区域的面积大于面积阈值,且所述模糊度值大于所述模糊度阈值,则确定所述眼底图像为不合格图像。
进一步,所述装置还包括:
曝光判断单元,用于在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否包括反光亮区和/或暗区;
曝光确定单元,用于如果所述无血管区域包括反光亮区和/或暗区,则所述眼底图像曝光有异常。
进一步,所述装置还包括:
模糊判断单元,用于在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否覆盖整个眼底;
模糊确定单元,用于如果覆盖整个眼底,则确定所述眼底图像为全局模糊图像。
进一步,所述装置还包括:
再次判断单元,用于在确定所述眼底图像为全局模糊图像后,重新获取相应用户的眼底图像,并判断重新获取的眼底图像是否为全局模糊图像;
质量再确定单元,用于如果多次判断重新获取的眼底图像为全局模糊图像,则确定所述眼底图像存在眼底病变。
进一步,所述区域提取单元包括:
血管筛选模块,用于在从所述眼底图像中提取血管后,对提取的血管进行筛查,去除误提取的血管,得到血管区域;
无血管区域模块,用于根据得到的所述血管区域确定出所述眼底图像中的无血管区域。
进一步,所述装置还包括:
彩色及前眼判断单元,用于在从所述眼底图像中提取血管前,对所述眼底图像进行彩色眼底图像判断以及前眼图像判断;
彩色及前眼处理单元,用于如果所述眼底图像为非彩色眼底图像或为前眼图像,则剔除该眼底图像。
进一步,所述装置还包括:
眼别分析单元,用于如果所述眼底图像为合格图像,则对所述眼底图像进行眼别分析;
结构定位单元,用于根据眼别分析结果,对所述眼底图像进行眼底结构定位分析;
结构判断单元,用于根据定位得到的眼底结构的位置判断所述眼底图像是否以所述眼底结构为中心;
质量再确定单元,用于如果所述眼底图像不以所述眼底结构为中心,则将已确定为图像质量合格的眼底图像最终判定为图像质量不合格。
在本申请实施例中,采用计算模糊度值以及提取无血管区域的方式,通过比较眼底图像的模糊度值以及无血管区域的面积,达到了判断眼底图像是否合格的目的,从而实现了对眼底图像进行图像质量控制的技术效果,进而解决了提高眼底图像的图像质量控制的快速性和稳定性的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请所述的眼底图像的质量控制方法一个实施例的流程示意图;
图2为本申请中判断所述眼底图像是否合格一个实施例具体工作原理的流程示意图;
图3为本申请提供无血管区域一个实施例的流程示意图;
图4为本申请所述眼底图像的质量控制方法另一个实施例的流程示意图;
图5为应用所述眼底图像的质量控制方法处理眼底图像又一个实施例的流程示意图;
图6为应用所述眼底图像的质量控制方法处理眼底图像又一个实施例筛选出的前眼图像的结果示意图;
图7为应用所述眼底图像的质量控制方法处理眼底图像又一个实施例筛选出的不合格图像的结果示意图;
图8为应用所述眼底图像的质量控制方法处理眼底图像又一个实施例筛选出的合格图像的结果示意图;
图9为本申请所述眼底图像的质量控制装置一个实施例的框图结构示意图;以及
图10为本申请所述眼底图像的质量控制装置另一个实施例的框图结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示为本申请所述的眼底图像的质量控制方法一个实施例的流程示意图。
所述方法包括S101~S104。
S101、接收眼底图像。
S102、计算所述眼底图像的模糊度值。
具体地,可以采同一种方法在所述眼底图像的增强图上提取线,计算线区域的梯度值。具体而言,在增强图上利用高斯滤波提取线,根据线的长度、灰度值筛选线条,并膨胀为区域;同时在增强图上求高斯梯度幅值,计算幅值图上筛选线条覆盖区域内的均值;对其取对数并归一到0~1区间,作为模糊程度的度量值,用FuzzFactor表示,其中,0表示最模糊,1表示最清晰。
S103、从所述眼底图像中提取血管,确定出所述眼底图像中的无血管区域,并计算所述无血管区域的面积。
S104、根据所述模糊度值及所述无血管区域的面积,判断所述眼底图像的图像质量是否合格。
由于拍摄眼底图像的设备的分辨率、自身的参数,以及拍摄时的光照等原因,导致拍摄得到的眼底图像可能存在模糊、曝光等问题,因此需要对拍摄的眼底图像进行图像质量控制,判断所述眼底图像是否合格。本申请提供的所述眼底图像的质量控制方法应用于眼底图像分析领域,尤其是对眼底图像进行病变分析前对图像质量进行分类,以便防止不合格的眼底图像进入病变检测环节,占用大量的资源,从而降低对眼底图像的分析效率。
本申请所述的方法可以应用在对拍摄的眼底图像进行后期处理的设备,也可以应用与拍摄眼底图像的设备上。对眼底图像进行后期处理的设备包括多种,如智能手机、PC机、医疗分析仪等,通过后期处理设备对眼底图像的图像质量进行分类,排除不合格的眼底图像进行检测环节,保证进行眼底病变检测的眼底图像是合格的高质量图像。具体地,所述眼底图像可以是后期处理的设备拍摄的,也可以是利用相机、眼底照相机等专业性拍摄设备拍摄得到。具体地,对眼底图像进行后期处理的设备,如PC机,可以处理一张眼底图像,也可以同时处理多张眼底图像。
图2为本申请中判断所述眼底图像是否合格一个实施例具体工作原理的流程示意图。所述方法包括S201~S202。
S201、判断所述无血管区域的面积是否大于面积阈值,并判断所述模糊度值是否大于模糊度阈值。
S202、如果所述无血管区域的面积大于面积阈值,且所述模糊度值大于所述模糊度阈值,则确定所述眼底图像为不合格图像。
本申请的目的在于快速的对眼底图像进行分类,筛选合格眼底图像,从而提高病变分析效率。因此只要判断眼底图像的图像质量是否合格即可,而无需将眼底图像进行详细分类,如判断眼底图像是否亮或者暗(因对实际需求没有太大意义)。眼底可见血管的分布对于眼底病变的判断非常重要,因此,当所述眼底图像中无血管区域的面积大于面积阈值时,表明眼底可见血管非常少,这种眼底图像对于进行病变检测非常不利,而模糊度则直接影响眼底结构的提取,如血管,当模糊度值大于模糊度阈值,且无血管区域面积大于面积阈值,直接影响后期病变的判断。因此只要根据模糊度值的计算以及无血管区域面积的确定来判断图像质量是否合格就可以,不仅能够快速对眼底图像的图像质量进行判断,而且相比较人工分类来将,标准统一,使得分类更加稳定,更加快速。
到此,本申请通过模糊度值和无血管区域的面积的判断已经完成对眼底图像的图像质量是否合格的判断。
为了提高对眼底图像的图像质量进行详细分类,可以对完成图像质量是否合格的判断后,可以对眼底图像不合格的原因进行进一步判断,精确分析图像质量不合格的原因,从而解决相关技术中对眼底图像判断结果的单一性问题。为了解决这个问题,本申请对眼底图像不合格的原因进行了进一步分析。
眼底图像不合格的原因存在多种,如曝光异常,因此在一些实施例中,在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否包括反光亮区和/或暗区;如果所述无血管区域包括反光亮区和/或暗区,则所述眼底图像曝光有异常。本申请通过该实施例对不合格的眼底图像进一步判断,判断眼底图像的图像质量不合格是否是存在曝光问题,如果是因存在曝光问题,通过此判断以便在拍摄眼底图像时做出调整,减少因曝光导致的不合格图像产生。
眼底图像不合格的原因存在多种,如模糊,将直接影响眼底结构的提取,因此在一些实施例中,在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否覆盖整个眼底;如果覆盖整个眼底,则确定所述眼底图像为全局模糊图像。
需要说明的是,本申请所述的眼底图像的质量控制方法中可以既包括对不合格眼底图像的曝光异常的判断,又同时包括对不合格眼底图像的全局模糊的判断;或者仅对二者中一部分进行判断,即只对曝光异常进行判断,或只对全局模糊进行判断。本申请通过对不合格图像的原因的进一步判断,提供了判断结果的多样性,以便用户根据判断结果进行相应操作,从而避免了后期拍摄不合格眼底图像的几率。
通过上述实施例完成了眼底图像不合格原因的判断后,由于全局模糊在原因可能是拍摄造成,也可能是眼底病变造成,因此在一些实施例中,在包括全局模糊判断的实施例中,更进一步,在确定所述眼底图像为全局模糊图像后,重新获取相应用户的眼底图像,并判断重新获取的眼底图像是否为全局模糊图像;如果多次判断重新获取的眼底图像为全局模糊图像,则确定所述眼底图像存在眼底病变。
图3为本申请提供无血管区域一个实施例的流程示意图。
所述方法包括S301~S302。
S301、在从所述眼底图像中提取血管后,对提取的血管进行筛查,去除误提取的血管,得到血管区域;
S302、根据得到的所述血管区域确定出所述眼底图像中的无血管区域。
本申请通过提取的血管进行筛查,去除误提取的血管,以便提高血管提取的精度,提高无血管区域确定的准确性。具体地,可以通过计算所有已经提取的血管的线条长度、对比度和弯曲度,当某一血管的线条长度小于长度阈值,对比度小于对比度阈值,且弯曲度小于弯曲度阈值时,确定该血管为误提取血管,将其进行删除,排出非血管部分造成的影响,以便提高无血管区域面积的确定的准确性。
彩色眼底图像具有丰富信息,因此本申请针对的彩色眼底图像,且为非前眼的眼底图像,因此在从所述眼底图像中提取血管前,对所述眼底图像进行彩色眼底图像判断以及前眼图像判断;如果所述眼底图像为非彩色眼底图像或为前眼图像,则剔除该眼底图像。
具体地,判断眼底图像是否为彩色眼底图像可以通过判断眼底图像的图像通道数进行判断,判断图像通道数是否为1,若为1则将所述眼底图像为非彩色眼底图像。而眼前的判断,则可以通过选定一个图像通道,以图像通道B通道为了进行说明,在图像B通道正中央指定范围的圆内,固定阈值(230-255)提取绝对亮区,并筛选圆度>0.8的区域。若有符合条件的区域,即认为是眼珠中央反光区,判定为前眼。需要说明的是,彩色眼底图像以及前眼图像的判断是本申请的必须步骤,以便防止非彩色眼底图像和非前眼图像进入检测环节,降低后期进行病变检测的精确度。
图4为本申请所述眼底图像的质量控制方法另一个实施例的流程示意图。
所述方法包括S401~S404。
S401、如果所述眼底图像为合格图像,则对所述眼底图像进行眼别分析,分析所述眼底图像为左眼还是右眼。具体地,在视盘和黄斑区都存在的条件下,可以根据视盘与黄斑区的位置进行判断,视盘位于黄斑左侧,为左眼;视盘位于黄斑右侧,为右眼。或者在视盘或者黄斑缺失的情况下,需要根据主血管拱的形状,判断缺失结构的可能位置,再进行相对位置判别。
S402、根据眼别分析结果,对所述眼底图像进行眼底结构定位分析,具体地,眼底结构包括视盘、黄斑区、主血管拱等,本申请在此不一一列举。
S403、根据定位得到的眼底结构的位置判断所述眼底图像是否以所述眼底结构为中心。
根据视盘在整体图中的几何位置,设置允许误差,确定图像是否以视盘为中心。或者在定位到黄斑区域的图像中,仅根据黄斑的几何位置,即可判定图像是否以黄斑为中心。
S404、如果所述眼底图像不以所述眼底结构为中心,则将已确定为图像质量合格的眼底图像最终判定为图像质量不合格。
本申请对合格的眼底图像进行眼别分析,根据眼别分析的结果进行眼底结构定位后,通过判断所述眼底图像是否以定位的所述眼底结构为中心,对确定为合格的眼底图像进行二次判断,通过两次图像质量判断,提高眼底图像的图像质量判断精度。
图5所示为应用所述眼底图像的质量控制方法处理眼底图像又一个实施例的流程示意图。
本实施例中输入将一组眼底图像后,首先对所述眼底图像进行判断,剔除该组眼底图像中的非彩色图和和前眼图像,前眼图像如图8所示。
剔除非彩色图和和前眼图像后对剩余眼底图像进行模糊度计算,同时计算剩余眼底图像的无血管区域的面积,以便根据剩余眼底图像的模糊度值和无血管区域的面积判断剩余眼底图像的图像质量是否合格,经判断,本实施例将剩余的眼底图像分类为如图7所示的低质量的不合格图像和图8所示的高质量的合格图像。
而在将眼底图像分类为如图7所示的不合格图像后,本申请还可以对不合格图像进行再次判断,判断不合格的原因是否为曝光异常;或者判断不合格的原因是否为全局模糊。在判断为全局模糊的基础上,还可以对全局模糊的眼底图像再次判断,从而确定全局模糊的原因。
本申请对判断为合格的眼底图像,如图8中的合格图像还可以进行再次筛选,避免图8的合格图像中因眼底图像并非是以所述眼底结构为中心,从而影响后期的病变判断精度。
本申请通过这种对判断结果进行再次分析,增加判断结果的处理方式,不仅增加了判断结果的多样化,为眼底图像拍摄提供帮助,同时对眼底图像的初步判断极大地满足了实际的临床需求。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例,还提供了一种用于实施上述眼底图像的质量控制方法的装置,如图9所示,该装置包括:
图像接收单元10,用于接收眼底图像;
模糊计算单元20,用于计算所述眼底图像的模糊度值;
区域提取单元30,用于从所述眼底图像中提取血管,确定出所述眼底图像中的无血管区域,并计算所述无血管区域的面积;
质量判断单元40,用于根据所述模糊度值及所述无血管区域的面积,判断所述眼底图像的图像质量是否合格。
本申请所述的眼底图像的质量控制装置可以应用在处理眼底图像的后期设备上,还可以应用在拍摄眼底图像设备上,在拍摄设备上完成对图像质量的控制。对眼底图像进行后期处理设备可以是PC机。具体地,所述PC机与眼底相机通过网线连接,眼底相机拍摄完眼底图像后,将拍摄的眼底图像发送至PC机,由PC机对所述眼底图像进行图像质量控制,判断所述眼底图像是否为合格图像。
进一步,所述质量判断单元包括:
质量判断模块401,用于判断所述无血管区域的面积是否大于面积阈值,并判断所述模糊度值是否大于模糊度阈值;
质量确定模块402,用于如果所述无血管区域的面积大于面积阈值,且所述模糊度值大于所述模糊度阈值,则确定所述眼底图像为不合格图像。
进一步,所述装置还包括:
曝光判断单元50,用于在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否包括反光亮区和/或暗区;
曝光确定单元60,用于如果所述无血管区域包括反光亮区和/或暗区,则所述眼底图像曝光有异常。
进一步,所述装置还包括:
模糊判断单元70,用于在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否覆盖整个眼底;
模糊确定单元80,用于如果覆盖整个眼底,则确定所述眼底图像为全局模糊图像。
如图10所示为本申请所述装置另一个实施例的框图结构示意图,所述装置还包括:
再次判断单元90,用于在确定所述眼底图像为全局模糊图像后,重新获取相应用户的眼底图像,并判断重新获取的眼底图像是否为全局模糊图像;
质量再确定单元100,用于如果多次判断重新获取的眼底图像为全局模糊图像,则确定所述眼底图像存在眼底病变。
进一步,所述区域提取单元包括:
血管筛选模块,用于在从所述眼底图像中提取血管后,对提取的血管进行筛查,去除误提取的血管,得到血管区域;
无血管区域模块,用于根据得到的所述血管区域确定出所述眼底图像中的无血管区域。
进一步,所述装置还包括:
彩色及前眼判断单元,用于在从所述眼底图像中提取血管前,对所述眼底图像进行彩色眼底图像判断以及前眼图像判断;
彩色及前眼处理单元,用于如果所述眼底图像为非彩色眼底图像或为前眼图像,则剔除该眼底图像。
进一步,所述装置还包括:
眼别分析单元,用于如果所述眼底图像为合格图像,则对所述眼底图像进行眼别分析;
结构定位单元,用于根据眼别分析结果,对所述眼底图像进行眼底结构定位分析;
结构判断单元,用于根据定位得到的眼底结构的位置判断所述眼底图像是否以所述眼底结构为中心;
质量再确定单元,用于如果所述眼底图像不以所述眼底结构为中心,则将已确定为图像质量合格的眼底图像最终判定为图像质量不合格。具体地,图像接收单元、模糊计算单元区域提取单元和质量判断单元可以应用在眼底图像拍摄设备上,而所述眼别分析单元、结构定位单元,结构判断单域以及质量再确定单元则可以应用在对眼底图像进行后期处理的设备上;或者上述单元均可以应用在对眼底图像进行后期处理的设备上。
本申请对所述眼底图像两次判断,第一次根据眼底图像的模糊度值和无血管区域面积的进行判断,判断为合格图像后,再根据眼别分析的结果进行眼底结构定位,从而再次对眼底图像是否合格进行二次判读,提高眼底图像是否合格的判断精度,以便提高眼底图像质量分类的效果。
从以上描述中可知,本申请通过模糊度和无血管区域面积对眼底图像是否合格的判断,不仅减少了对图像进行合格判断的计算量,还提高了***的运算速度。本申请不仅能够对眼底图像是否合格进行判断,还能对是否不合格的原因进行判断,以便用户根据不合格原因重新进行拍摄,通过这种不合格原因的判断,提高用户的体验性,同时在不合格的基础上能够完成病变的初步判断,通过这种不合格原因导致病变的判断方式,极大的降低了病变判断的速度,便于临床应用。同时,本申请对合格图像的采用两次判断,便于进入环节的眼底图像的特征提取,进一步提高了眼底图像的处理效率。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (7)
1.一种眼底图像的质量控制方法,其特征在于,包括:
接收眼底图像;
计算所述眼底图像的模糊度值;
从所述眼底图像中提取血管,确定出所述眼底图像中的无血管区域,并计算所述无血管区域的面积;
根据所述模糊度值及所述无血管区域的面积,判断所述眼底图像的图像质量是否合格;
所述方法还包括:
在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否覆盖整个眼底;
如果覆盖整个眼底,则确定所述眼底图像为全局模糊图像;
在确定所述眼底图像为全局模糊图像后,重新获取相应用户的眼底图像,并判断重新获取的眼底图像是否为全局模糊图像;
如果多次判断重新获取的眼底图像为全局模糊图像,则确定所述眼底图像存在眼底病变;
所述方法还包括:
如果所述眼底图像为合格图像,则对所述眼底图像进行眼别分析;
根据眼别分析结果,对所述眼底图像进行眼底结构定位分析;
根据定位得到的眼底结构的位置判断所述眼底图像是否以所述眼底结构为中心;
如果所述眼底图像不以所述眼底结构为中心,则将已确定为图像质量合格的眼底图像最终判定为图像质量不合格。
2.根据权利要求1所述的方法,其特征在于,所述根据所述模糊度值及所述无血管区域的面积,判断所述眼底图像的图像质量是否合格,包括:
判断所述无血管区域的面积是否大于面积阈值,并判断所述模糊度值是否大于模糊度阈值;
如果所述无血管区域的面积大于面积阈值,且所述模糊度值大于所述模糊度阈值,则确定所述眼底图像为不合格图像。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否包含反光亮区和/或暗区;
如果所述无血管区域包括反光亮区和/或暗区,则所述眼底图像曝光有异常。
4.根据权利要求1所述的方法,其特征在于,所述确定出所述眼底图像中的无血管区域,包括:
在从所述眼底图像中提取血管后,对提取的血管进行筛查,去除误提取的血管,得到血管区域;
根据得到的所述血管区域确定出所述眼底图像中的无血管区域。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在从所述眼底图像中提取血管前,对所述眼底图像进行彩色眼底图像判断以及前眼图像判断;
如果所述眼底图像为非彩色眼底图像或为前眼图像,则剔除该眼底图像。
6.一种眼底图像的质量控制装置,其特征在于,包括:
图像接收单元,用于接收眼底图像;
模糊计算单元,用于计算所述眼底图像的模糊度值;
区域提取单元,用于从所述眼底图像中提取血管,确定出所述眼底图像中的无血管区域,并计算所述无血管区域的面积;
质量判断单元,用于根据所述模糊度值及所述无血管区域的面积,判断所述眼底图像的图像质量是否合格;
所述装置还包括:
模糊判断单元,用于在确定所述眼底图像为不合格图像后,还判断所述无血管区域是否覆盖整个眼底;
模糊确定单元,用于如果覆盖整个眼底,则确定所述眼底图像为全局模糊图像;
再次判断单元,用于在确定所述眼底图像为全局模糊图像后,重新获取相应用户的眼底图像,并判断重新获取的眼底图像是否为全局模糊图像;
质量再确定单元,用于如果多次判断重新获取的眼底图像为全局模糊图像,则确定所述眼底图像存在眼底病变;
所述装置还包括:
眼别分析单元,用于如果所述眼底图像为合格图像,则对所述眼底图像进行眼别分析;
结构定位单元,用于根据眼别分析结果,对所述眼底图像进行眼底结构定位分析;
结构判断单元,用于根据定位得到的眼底结构的位置判断所述眼底图像是否以所述眼底结构为中心;
质量再确定单元,用于如果所述眼底图像不以所述眼底结构为中心,则将已确定为图像质量合格的眼底图像最终判定为图像质量不合格。
7.根据权利要求6所述的装置,其特征在于,所述质量判断单元包括:
质量判断模块,用于判断所述无血管区域的面积是否大于面积阈值,并判断所述模糊度值是否大于模糊度阈值;
质量确定模块,用于如果所述无血管区域的面积大于面积阈值,且所述模糊度值大于所述模糊度阈值,则确定所述眼底图像为不合格图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810036355.4A CN110037651B (zh) | 2018-01-15 | 2018-01-15 | 眼底图像的质量控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810036355.4A CN110037651B (zh) | 2018-01-15 | 2018-01-15 | 眼底图像的质量控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110037651A CN110037651A (zh) | 2019-07-23 |
CN110037651B true CN110037651B (zh) | 2022-03-25 |
Family
ID=67273340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810036355.4A Active CN110037651B (zh) | 2018-01-15 | 2018-01-15 | 眼底图像的质量控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110037651B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428410B (zh) * | 2019-07-31 | 2024-02-27 | 腾讯医疗健康(深圳)有限公司 | 眼底医学图像处理方法、装置、设备及存储介质 |
CN110619273B (zh) * | 2019-08-14 | 2023-10-31 | 张杰辉 | 一种高效的虹膜识别方法以及识别装置 |
CN112508898A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 眼底图像的检测方法、装置及电子设备 |
CN113744254B (zh) * | 2021-09-08 | 2024-06-07 | 中山大学中山眼科中心 | 一种眼底图像分析方法、***、存储介质和计算机设备 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810492A (zh) * | 2014-01-17 | 2014-05-21 | 北京大恒图像视觉有限公司 | 一种眼底图像的模糊度分析方法 |
CN105395163A (zh) * | 2014-09-05 | 2016-03-16 | 佳能株式会社 | 眼科设备和眼科设备的控制方法 |
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*** |
CN105787928A (zh) * | 2016-02-14 | 2016-07-20 | 浙江大学 | 基于视觉模糊度的模糊眼底图像自动检测与筛查方法 |
CN106651888A (zh) * | 2016-09-28 | 2017-05-10 | 天津工业大学 | 基于多特征融合的彩色眼底图像视杯分割方法 |
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*** |
CN107123124A (zh) * | 2017-05-04 | 2017-09-01 | 季鑫 | 视网膜图像分析方法、装置和计算设备 |
CN107133932A (zh) * | 2017-05-04 | 2017-09-05 | 季鑫 | 视网膜图像预处理方法、装置和计算设备 |
CN107209933A (zh) * | 2014-08-25 | 2017-09-26 | 新加坡科技研究局 | 用于评估视网膜图像以及从视网膜图像获得信息的方法和*** |
CN107358612A (zh) * | 2017-07-07 | 2017-11-17 | 东北大学 | 一种基于分形维数与高斯滤波结合的视网膜血管分割***及方法 |
CN107451998A (zh) * | 2017-08-08 | 2017-12-08 | 北京大恒普信医疗技术有限公司 | 一种眼底图像质量控制方法 |
CN104899876B (zh) * | 2015-05-18 | 2018-04-06 | 天津工业大学 | 一种基于自适应高斯差分的眼底图像血管分割方法 |
CN108272434A (zh) * | 2017-12-07 | 2018-07-13 | 江威 | 对眼底图像进行处理的方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007007044A (ja) * | 2005-06-29 | 2007-01-18 | Canon Inc | 眼科撮影装置 |
JP5702991B2 (ja) * | 2010-11-19 | 2015-04-15 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
US9089288B2 (en) * | 2011-03-31 | 2015-07-28 | The Hong Kong Polytechnic University | Apparatus and method for non-invasive diabetic retinopathy detection and monitoring |
CN102908120B (zh) * | 2012-10-09 | 2014-09-17 | 北京大恒图像视觉有限公司 | 眼底图像的配准方法、眼底图像中视盘神经、血管的测量方法及眼底图像的拼接方法 |
CN204698510U (zh) * | 2015-06-02 | 2015-10-14 | 福州大学 | 图像质量保证的糖尿病性视网膜病变眼底筛查照相装置 |
CN106446805B (zh) * | 2016-09-08 | 2019-09-13 | 北京化工大学 | 一种眼底照中视杯的分割方法及*** |
CN106530295A (zh) * | 2016-11-07 | 2017-03-22 | 首都医科大学 | 一种视网膜病变的眼底图像分类方法和装置 |
CN107045720B (zh) * | 2017-05-04 | 2018-11-30 | 深圳硅基仿生科技有限公司 | 基于人工神经网络的识别眼底图像病变的处理*** |
-
2018
- 2018-01-15 CN CN201810036355.4A patent/CN110037651B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810492A (zh) * | 2014-01-17 | 2014-05-21 | 北京大恒图像视觉有限公司 | 一种眼底图像的模糊度分析方法 |
CN107209933A (zh) * | 2014-08-25 | 2017-09-26 | 新加坡科技研究局 | 用于评估视网膜图像以及从视网膜图像获得信息的方法和*** |
CN105395163A (zh) * | 2014-09-05 | 2016-03-16 | 佳能株式会社 | 眼科设备和眼科设备的控制方法 |
CN104899876B (zh) * | 2015-05-18 | 2018-04-06 | 天津工业大学 | 一种基于自适应高斯差分的眼底图像血管分割方法 |
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*** |
CN105787928A (zh) * | 2016-02-14 | 2016-07-20 | 浙江大学 | 基于视觉模糊度的模糊眼底图像自动检测与筛查方法 |
CN106651888A (zh) * | 2016-09-28 | 2017-05-10 | 天津工业大学 | 基于多特征融合的彩色眼底图像视杯分割方法 |
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*** |
CN107123124A (zh) * | 2017-05-04 | 2017-09-01 | 季鑫 | 视网膜图像分析方法、装置和计算设备 |
CN107133932A (zh) * | 2017-05-04 | 2017-09-05 | 季鑫 | 视网膜图像预处理方法、装置和计算设备 |
CN107358612A (zh) * | 2017-07-07 | 2017-11-17 | 东北大学 | 一种基于分形维数与高斯滤波结合的视网膜血管分割***及方法 |
CN107451998A (zh) * | 2017-08-08 | 2017-12-08 | 北京大恒普信医疗技术有限公司 | 一种眼底图像质量控制方法 |
CN108272434A (zh) * | 2017-12-07 | 2018-07-13 | 江威 | 对眼底图像进行处理的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110037651A (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451998B (zh) | 一种眼底图像质量控制方法 | |
CN110037651B (zh) | 眼底图像的质量控制方法及装置 | |
CN110021009B (zh) | 一种评估眼底图像质量的方法、装置及存储介质 | |
CN110400289B (zh) | 眼底图像识别方法、装置、设备和存储介质 | |
CN108272434B (zh) | 对眼底图像进行处理的方法及装置 | |
CN109697719B (zh) | 一种图像质量评估方法、装置及计算机可读存储介质 | |
US8233674B2 (en) | Red eye false positive filtering using face location and orientation | |
CN108596895B (zh) | 基于机器学习的眼底图像检测方法、装置及*** | |
CN111368780B (zh) | 一种基于指纹和指静脉的联合识别处理方法及*** | |
WO1999027845A1 (en) | Method of measuring the focus of close-up images of eyes | |
KR102155381B1 (ko) | 인공지능 기반 기술의 의료영상분석을 이용한 자궁경부암 판단방법, 장치 및 소프트웨어 프로그램 | |
CN109961848B (zh) | 黄斑图像分类方法和设备 | |
CN113470102B (zh) | 高精度测量眼底血管弯曲度的方法、装置、介质和设备 | |
CN111080577A (zh) | 眼底影像质量评估方法和***、设备及存储介质 | |
CN108629378A (zh) | 图像识别方法和设备 | |
CN106846293A (zh) | 图像处理方法和装置 | |
CN114219754A (zh) | 基于眼部ct图像的甲状腺相关眼疾识别方法和装置 | |
CN109993731A (zh) | 一种眼底病变分析方法及装置 | |
CN111145155B (zh) | 一种睑板腺腺体的识别方法 | |
CN116030042B (zh) | 一种针对医生目诊的诊断装置、方法、设备及存储介质 | |
Ren et al. | Automatic optic disc localization and segmentation in retinal images by a line operator and level sets | |
CN112288697A (zh) | 用于量化异常程度的方法、装置、电子设备及可读存储介质 | |
CN108510446B (zh) | 视网膜图像的叠加方法及视网膜图像的叠加装置 | |
CN107527011B (zh) | 一种非接触式皮肤电阻变化趋势检测方法、装置及设备 | |
CN115526888A (zh) | 眼图数据识别方法、装置、存储介质及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220412 Address after: Collective of Shangdi branch of Haidian District Talent Service Center, No. 19, Shangdi Information Road, Haidian District, Beijing 100089 Patentee after: Ke Xin Address before: 432507 group 4, Huoju village, xiaxindian Town, Yunmeng County, Xiaogan City, Hubei Province Patentee before: Jiang Wei |
|
TR01 | Transfer of patent right |