CN111954485A - 图像处理方法、程序、图像处理装置及眼科*** - Google Patents
图像处理方法、程序、图像处理装置及眼科*** Download PDFInfo
- Publication number
- CN111954485A CN111954485A CN201980025075.6A CN201980025075A CN111954485A CN 111954485 A CN111954485 A CN 111954485A CN 201980025075 A CN201980025075 A CN 201980025075A CN 111954485 A CN111954485 A CN 111954485A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- image processing
- image
- processing method
- analysis
- 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
- 238000012545 processing Methods 0.000 title claims description 69
- 238000003672 processing method Methods 0.000 title claims description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 173
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 157
- 210000003733 optic disk Anatomy 0.000 claims abstract description 23
- 210000002189 macula lutea Anatomy 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 24
- 210000003161 choroid Anatomy 0.000 abstract description 5
- 238000009432 framing Methods 0.000 abstract 1
- 210000001508 eye Anatomy 0.000 description 46
- 230000003287 optical effect Effects 0.000 description 16
- 206010025421 Macule Diseases 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 210000001210 retinal vessel Anatomy 0.000 description 9
- 238000012014 optical coherence tomography Methods 0.000 description 8
- 210000001525 retina Anatomy 0.000 description 8
- 210000004220 fundus oculi Anatomy 0.000 description 7
- 210000003462 vein Anatomy 0.000 description 6
- 101001062854 Rattus norvegicus Fatty acid-binding protein 5 Proteins 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000004323 axial length Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 102220518384 Ras-like protein family member 10A_D11H_mutation Human genes 0.000 description 1
- 101100215666 Urtica dioica UDA1 gene Proteins 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 210000004087 cornea Anatomy 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004410 intraocular pressure Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 210000003786 sclera Anatomy 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- 210000004127 vitreous body Anatomy 0.000 description 1
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
- G06T7/60—Analysis of geometric attributes
- G06T7/68—Analysis of geometric attributes of symmetry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Abstract
构成为能够掌握脉络膜的非对称性。求出在脉络膜血管图像中以将黄斑和视神经***连结的线为基准成为线对称的解析点的多个组的各解析点的血管行进方向,根据各解析点的血管行进方向解析多个组的各解析点的非对称性,通过用框圈出非对称性的解析点的组来突出显示。
Description
技术领域
本公开的技术涉及图像处理方法、程序、图像处理装置及眼科***。
背景技术
在日本特开2015-202236号公报中公开了提取血管区域并计测血管直径的技术。以往以来,追求对眼底图像进行解析来计测血管直径。
发明内容
本公开的技术的第1方面的图像处理方法包括:在眼底图像中设定关于基准线成为对称的第1解析点和第2解析点的步骤;求出所述第1解析点中的第1血管行进方向、和所述第2解析点中的第2血管行进方向的步骤;以及解析所述第1血管行进方向和所述第2血管行进方向的非对称性的步骤。
本公开的技术的第2方面的图像处理方法包括:在眼底图像中在第1区域内设定多个第1解析点、且在第2区域内设定多个第2解析点的步骤;针对所述多个第1解析点的每一个求出第1血管行进方向、且针对所述多个第2解析点的每一个求出第2血管行进方向的步骤;以及对在所述多个第1解析点与所述多个第2解析点之间成为线对称的第1解析点和第2解析点的多个组合进行定义,并求出表示所定义的所述多个组合各自的所述第1血管行进方向与所述第2血管行进方向的对称性的对称性指标的步骤。
本公开的技术的第3方面的程序使计算机执行第1方面或者第2方面的图像处理方法。
本公开的技术的第4方面的图像处理装置具备:存储装置,其存储用于使处理装置执行图像处理方法的程序;以及处理装置,其通过执行存储在所述存储装置内的程序来执行所述图像处理方法,在该图像处理装置中,所述图像处理方法为第1方面或者第2方面的图像处理方法。
本公开的技术的第5方面的眼科***包括第4方面的图像处理装置、和拍摄所述眼底图像的眼科装置。
附图说明
图1是眼科***100的框图。
图2是示出眼科装置110的整体结构的概略结构图。
图3是管理服务器140的电气***的结构的框图。
图4是管理服务器140的CPU162的功能框图。
图5是图像处理程序的流程图。
图6是图5的步骤210的血管行进方向的解析处理程序的流程图。
图7是图5的步骤212的血管行进方向的对称性的解析处理程序的流程图。
图8A是示出脉络膜血管图像的图。
图8B是示出对脉络膜血管图像设定的多个解析点的图。
图9是示出在以使将黄斑M和视神经***连结的直线LIN成为水平的方式旋转的脉络膜血管图像中以直线LIN为基准呈线对称地配置的解析点242、246的梯度方向的直方图的图。
图10是示出直线LIN、各解析点、各直方图的位置关系的图。
图11是示出脉络膜血管解析模式的显示画面300的图。
图12是在图11的显示画面上点击了对称性图标334的情况下所显示的显示画面。
图13是在图12的显示画面上点击了非对称性直方图显示图标346的情况下所显示的显示画面。
图14是在图12的显示画面上点击了非对称性彩色显示图标348的情况下所显示的显示画面。
具体实施方式
以下,参照附图详细地说明本发明的实施方式。此外,以下为便于说明,将激光扫描检眼镜(Scanning Laser Ophthalmoscope)称为“SLO”。
参照图1说明眼科***100的结构。如图1所示,眼科***100具备眼科装置110、眼轴长度测定器120、管理服务器装置(以下称为“管理服务器”)140和图像显示装置(以下称为“图像观测器”)150。眼科装置110获取眼底图像。眼轴长度测定器120测定患者的眼轴长度。管理服务器140将通过利用眼科装置110对多位患者的眼底进行拍摄而得到的多张眼底图像及眼轴长度与患者的ID相对应地存储。
眼科装置110、眼轴长度测定器120、管理服务器140、图像观测器150经由网络130而相互连接。
此外,其他眼科设备(OCT(Optical Coherence Tomography,光学相干层析成像)测定、视场测定、眼压测定等的检查设备)和/或进行使用了人工智能的图像解析的诊断支援装置也可以经由网络130与眼科装置110、眼轴长度测定器120、管理服务器140及图像观测器150连接。
接下来,参照图2说明眼科装置110的结构。如图2所示,眼科装置110具备控制单元20、显示/操作单元30及SLO单元40,对被检眼12的后眼部(眼底)进行拍摄。而且,还可以具备获取眼底的OCT数据的未图示的OCT单元。
控制单元20具备CPU22、存储器24及通信接口(I/F)26等。显示/操作单元30是对拍摄得到的图像进行显示、受理包括拍摄指示在内的各种指示的图形用户界面,具备显示器32及触摸面板等输入/指示设备34。
SLO单元40具备G光(绿色光:波长530nm)的光源42、R光(红色光:波长650nm)的光源44、IR光(红外线(近红外光):波长800nm)的光源46。光源42、44、46受控制单元20命令,发出各种光。SLO单元40具备将来自光源42、44、46的光反射或使其透射而引导到一条光路的光学***50、52、54、56。光学***50、56是反射镜,光学***52、54是分光器。G光在光学***50、54反射,R光从光学***52、54透射,IR光在光学***52、56反射,这些光分别被引导到一条光路。
SLO单元40具备将来自光源42、44、46的光在被检眼12的整个后眼部(眼底)呈二维状进行扫描的广角光学***80。SLO单元40具备将来自被检眼12的后眼部(眼底)的光中的G光反射且使G光以外的光透射的分光器58。SLO单元40具备将从分光器58透射后的光中的R光反射且使R光以外的光透射的分光器60。SLO单元40具备将从分光器60透射后的光中的IR光反射的分光器62。SLO单元40具备对由分光器58反射的G光进行检测的G光检测元件72、对由分光器60反射的R光进行检测的R光检测元件74、以及对由分光器62反射的IR光进行检测的IR光检测元件76。
广角光学***80具备:将来自光源42、44、46的光沿X方向扫描的由多面镜(polygon mirror)构成的X方向扫描装置82;将来自光源42、44、46的光沿Y方向扫描的由扫描振镜(galvanometer mirror)构成的Y方向扫描装置84;以及包含未图示的狭缝镜(slitmirror)及椭球镜并使所扫描的光成为广角的光学***86。通过光学***86,将眼底的视场角(FOV:Field of View)设为眼底周边部超广角(Ultra Wide Field),从而能够对与现有技术相比更大范围的眼底区域进行拍摄。具体地说,能够对以来自被检眼12外部的外部光照射角计为约120度(以将被检眼12的眼球中心O作为基准位置、并通过利用扫描光对被检眼12的眼底进行照射而实质能够拍摄的内部光照射角计,为200度左右)的大范围的眼底区域进行拍摄。光学***86也可以代替狭缝镜及椭球镜而为使用多个透镜组的结构。X方向扫描装置82及Y方向扫描装置84的各扫描装置也可以利用使用MEMS镜而构成的二维扫描器。
在作为光学***86而使用包含狭缝镜及椭球镜的***的情况下,也可以为使用国际申请PCT/JP2014/084619、国际申请PCT/JP2014/084630所记载的利用了椭球镜的***的结构。2014年12月26日提出国际申请的国际申请PCT/JP2014/084619(国际公开WO2016/103484)的公开内容及2014年12月26日提出国际申请的国际申请PCT/JP2014/084630(国际公开WO2016/103489)的公开内容各自通过参照而整体被引入到本说明书中。
此外,将眼科装置110沿水平面设置的情况下的水平方向设为“X方向”,将相对于水平面垂直的垂直方向设为“Y方向”,将连结被检眼12的前眼部的瞳孔中心和眼球中心的方向设为“Z方向”。因此,X方向、Y方向及Z方向相互垂直。
彩色眼底图像是通过以G光及R光同时对被检眼12的眼底进行拍摄而得到的。更详细地说,控制单元20以同时发光的方式控制光源42、44,在被检眼12的整个眼底,利用广角光学***80使G光及R光进行扫描。并且,由G光检测元件72检测从被检眼12的眼底反射的G光,由眼科装置110的CPU22生成第2眼底图像(G色眼底图像)的图像数据。同样地,由R光检测元件74检测从被检眼12的眼底反射的R光,由眼科装置110的CPU22生成第1眼底图像(R色眼底图像)的图像数据。另外,在照射了IR光的情况下,由IR光检测元件76检测从被检眼12的眼底反射的IR光,由眼科装置110的CPU22生成IR眼底图像的图像数据。
眼睛的构造是由构造不同的多个层覆盖玻璃体。在多个层中,从玻璃体侧的最内侧向外侧,包含视网膜、脉络膜、巩膜。R光从视网膜通过而到达至脉络膜。R光从视网膜通过而到达至脉络膜。因此,在第1眼底图像(R色眼底图像)中包含存在于视网膜的血管(视网膜血管)的信息和存在于脉络膜的血管(脉络膜血管)的信息。与之相对地,G光仅到达至视网膜。因此,在第2眼底图像(G色眼底图像)中包含存在于视网膜的血管(视网膜血管)的信息。
眼科装置110的CPU22以规定比率将第1眼底图像(R色眼底图像)和第2眼底图像(G色眼底图像)混合,并作为彩色眼底图像显示于显示器32。此外,也可以不显示彩色眼底图像而显示第1眼底图像(R色眼底图像)、第2眼底图像(G色眼底图像)或IR眼底图像。
第1眼底图像(R色眼底图像)的图像数据、第2眼底图像(G色眼底图像)的图像数据、IR眼底图像的图像数据经由通信IF26被从眼科装置110向管理服务器140发送,被存储在后述的存储器164内。
像这样,以G光及R光同时对被检眼12的眼底进行拍摄,因此,第1眼底图像(R色眼底图像)的各位置、和与该位置对应的第2眼底图像(G色眼底图像)中的位置在眼底为相同位置。
图1的眼轴长度测定器120具有对被检眼12的眼轴方向(Z方向)的长度即眼轴长度进行测定的第1模式和第2模式这两个模式。第1模式在将来自未图示的光源的光引导到被检眼12后,接收来自眼底的反射光与来自角膜的反射光的干涉光,基于表示接收到的干涉光的干涉信号对眼轴长度进行测定。第2模式是使用未图示的超声波对眼轴长度进行测定的模式。眼轴长度测定器120将通过第1模式或第2模式测定出的眼轴长度向管理服务器140发送。还可以通过第1模式及第2模式对眼轴长度进行测定,在该情况下,将通过两种模式测定出的眼轴长度的平均值作为眼轴长度向管理服务器140发送。
眼轴长度作为患者数据之一,在管理服务器140中作为患者信息保存在存储器164中,并且也被用于眼底图像解析。
接下来,参照图3说明管理服务器140的结构。如图3所示,管理服务器140具备控制单元160及显示/操作单元170。控制单元160具备包含CPU162的计算机、作为存储装置的存储器164、以及通信接口(I/F)166等。此外,在存储器164中存储有图像处理程序。显示/操作单元170是显示图像、受理各种指示的图形用户界面,具备显示器172及触摸面板等输入/指示设备174。管理服务器140为本公开的技术的“图像处理装置”的一例。
由于图像观测器150的结构与管理服务器140相同,所以省略其说明。
接下来,参照图4说明通过由管理服务器140的CPU162执行图像处理程序而实现的各种功能。图像处理程序具备图像处理功能、显示控制功能及处理功能。通过由CPU162执行具有该各功能的图像处理程序,从而CPU162如图4所示那样作为图像处理部182、显示控制部184及处理部186而发挥功能。
接下来,使用图5详细地说明基于管理服务器140进行的图像处理。通过由管理服务器140的CPU162执行图像处理程序而实现图5的流程图所示的图像处理。
在管理服务器140基于由眼科装置110拍摄得到的眼底图像的图像数据生成了脉络膜血管图像时执行图像处理程序。
脉络膜血管图像如以下那样生成。管理服务器140的图像处理部182通过对第2眼底图像(G色眼底图像)实施黑帽过滤(black hat filter)处理,而从第2眼底图像(G色眼底图像)提取视网膜血管。接着,图像处理部182使用从第2眼底图像(G色眼底图像)提取出的视网膜血管,通过修复处理,从第1眼底图像(R色眼底图像)除去视网膜血管。也就是说,使用从第2眼底图像(G色眼底图像)提取出的视网膜血管的位置信息进行将第1眼底图像(R色眼底图像)的视网膜血管构造涂成与周围的像素相同的值的处理。并且,图像处理部182通过对被除去了视网膜血管的第1眼底图像(R色眼底图像)的图像数据实施自适应直方图均衡化处理(Contrast Limited Adaptive Histogram Equalization:限制对比度自适应直方图均衡化),而在第1眼底图像(R色眼底图像)中对脉络膜血管进行强调。由此,得到图8A所示的脉络膜血管图像。所生成的脉络膜血管图像被存储于存储器164。脉络膜血管图像为本公开的技术的“眼底图像”的一例。
另外,虽然是根据第1眼底图像(R色眼底图像)和第2眼底图像(G色眼底图像)生成了脉络膜血管图像,但接下来,图像处理部182也可以使用第1眼底图像(R色眼底图像)或以IR光拍摄得到的IR眼底图像来生成脉络膜血管图像。关于生成脉络膜眼底图像的方法,2018年3月20日提出申请的日本特愿2018-052246的公开内容通过参照而整体被引入到本说明书中。
当图像处理程序开始时,在图5的步骤202中,处理部186从存储器164读出脉络膜血管图像(参照图8A)和G色眼底图像。在G色眼底图像中黄斑和视神经***被鲜明地拍到,与脉络膜血管图像相比,易于用图像处理辨别黄斑和视神经***。因此,使用G色眼底图像来进行以下说明的黄斑和视神经***的位置检测。
在步骤204中,图像处理部182从G色眼底图像检测视神经***ONH(也参照图9)。G色(绿色)激光在视网膜层反射,因此,为了提取视网膜的构造物,最好使用利用G色激光拍摄到的G色眼底图像。视神经***ONH在G色眼底图像中为最亮的区域,因此,图像处理部182将在上述读出的G色眼底图像中像素值最大的规定数量的像素的区域检测为视神经***(ONH)。算出包括最亮的像素在内的区域的中心位置作为视神经***(ONH)所在的坐标,并存储到存储器164内。
在步骤206中,图像处理部182从G色眼底图像检测黄斑M(也参照图9)。具体来说,黄斑在脉络膜血管图像中为暗的区域,因此,图像处理部182将在上述读出的脉络膜血管图像中像素值最小的规定数量的像素的区域检测为黄斑M。算出包括最暗的像素在内的区域的中心位置作为黄斑M所在的坐标,并存储到存储器164内。
在步骤208中,如图8B及图9所示,图像处理部182读出从G色眼底图像算出的黄斑M的坐标和视神经***ONH的坐标。图像处理部182将读出的各自的坐标设定到脉络膜血管图像上,在脉络膜血管图像上设定将黄斑M和视神经***ONH连结的直线LIN。在此,脉络膜血管图像根据G色眼底图像和R色眼底图像生成,因此,在G色眼底图像中检测出的黄斑M的坐标和视神经***ONH的坐标在脉络膜血管图像中也与黄斑M的位置和视神经***ONH的位置一致。而且,图像处理部182以使直线LIN成为水平的方式使脉络膜血管图像旋转。
在步骤210中,图像处理部182解析脉络膜血管的血管行进方向,在步骤212中,图像处理部182解析脉络膜血管的血管行进方向的对称性,在步骤214中,图像处理部182将解析结果保存至存储器164。
步骤210和212的处理的详细内容在后面说明。
接下来,参照图6、图8B及图9,说明步骤210的血管行进方向的解析处理。在图6的步骤222中,图像处理部182如下述那样设定解析点。
如图8B所示,在脉络膜血管图像中,利用直线LIN设定第1区域274和第2区域272。具体来说,第1区域通过直线LIN而位于上侧,第2区域通过直线LIN而位于下侧。
图像处理部182在第1区域274中,以等间隔地位于栅格状的图案的方式,在上下方向上配置M(自然数)行解析点240KU,在左右(水平)方向上N(自然数)列配置解析点240KU。在图8B中,第1区域264中的解析点的个数为M(3)×N(7)(=L:21)个。此外,脉络膜血管图像按照等角投影法来显示,因此,解析点位于栅格状的图案,但若用其他图法显示脉络膜血管图像,则图像处理部182将解析点配置成符合该其他投影法的图案。
图像处理部182在第2区域272中,在与在第1区域274中配置的解析点240KU以直线LIN为基准呈线对称的位置配置解析点240KD。
此外,解析点240KU、240KD只要在第1区域274和第2区域272中位于以直线LIN为基准呈线对称的位置即可,因此,不限于等间隔地位于栅格状的图案,也可以不是等间隔或者不是栅格状的图案。
第1区域274和第2区域272的大小也可以根据眼轴长度而变化。L的个数、M、N也不限于上述的例子,能够设定各种各样的值。若增加数量则分析能力也会提高。
在步骤224中,图像处理部182算出各解析点的脉络膜血管的血管行进方向。具体地说,图像处理部182对全部解析点的每一点反复进行下述处理。即,如图9所示,图像处理部182相对于与解析点242对应的中心像素,设定由以该中心像素为中心的周围的多个像素构成的区域(单元)244。
在图8B及图9中,上下翻转地示出区域244。这是因为,容易进行与包括成为上侧的组的解析点246在内的区域248之间的比较。
然后,图像处理部182基于计算对象像素周围的像素的亮度值来计算单元244内的各像素中的亮度的梯度方向(以大于等于0度且小于180度的角度示出。此外,0度定义为直线LIN(水平线)的方向)。对单元244内的全部像素进行该梯度方向的计算。
接着,图像处理部182为了生成具有梯度方向为以角度基准线为基准的0度、20度、40度、60度、80度、100度、120度、140度、160度这九个直条(bin)(各直条的组距为20度)的直方图242H,而对与各直条相对应的梯度方向的单元244内的像素数进行计数。角度基准线为直线LIN。直方图的一个直条的组距相当于20度,在0度的直条中,设定有具有大于等于0度且小于10度和大于等于170度且小于180度的梯度方向的、单元244内的像素数(计数值)。20度的直条设定有具有大于等于10度且小于30度的梯度方向的、单元244内的像素数(计数值)。同样地,还设定有40度、60度、80度、100度、120度、140度、160度的直条的计数值。由于直方图242的直条的数量为九个,所以解析点242的血管行进方向以九种方向中的某一种进行定义。此外,通过缩小直条的组距、增多直条的数量,而能够提高对血管行进方向的分析能力。
对各直条中的计数值(直方图242H的纵轴)进行标准化,生成针对图9示出的解析点242的直方图242H。
接着,图像处理部182根据直方图242H对解析点的血管行进方向进行确定。具体地说,对计数值最小的角度、在图9示出的例子中为60度的直条进行确定,将所确定的直条的梯度方向即60度确定为解析点242的血管行进方向。此外,计数值最少的梯度方向成为血管行进方向是因为如下理由。在血管行进方向上亮度梯度小,另一方面,在除其以外的方向上亮度梯度大(例如在血管和血管以外的地方亮度差大)。因此,若生成了各像素的亮度梯度的直方图,则相对于血管行进方向的直条的计数值较小。
同样地,针对解析点246也设定单元248并生成直方图246H。确定在直方图246H的直条中计数值最小的160度的直条。因此,解析点246的血管行进方向被确定为160度。
直方图242H及直方图246H为本公开的技术的“第1直方图”、“第2直方图”的一例。
通过对于所有第1区域及第2区域中的所有解析点进行以上的处理,确定在脉络膜血管图像中设定的各解析点中的血管行进方向。即,如图10所示,求出各解析点的直方图。在图10中,改变与直线LIN相比位于下侧的第2区域的直方图的排列方式进行显示。这是在图10中与解析点U1对应的直方图为直方图U1H,与成为其对象的解析点D1对应的直方图为直方图D1H。在第1区域和第2区域中是直方图的排列方式一致(以与第1区域相同的顺序排列第2区域的直方图)。
在步骤226中,图像处理部182保存下面的各数据。即,图像处理部182将黄斑M的位置、视神经***ONH的位置、使脉络膜血管图像以使直线LIN成为水平的方式旋转的旋转角度、解析点(L个)的各位置(XY坐标)、以直线LIN为基准呈线对称的解析点的组合信息(第1及第2区域解析点的编号的组合)、及各解析点的血管行进方向、各解析点的直方图保存到存储器164内。
接下来,参照图7,说明图5的步骤212的血管行进方向的对称性的解析处理。在图7的步骤232中,图像处理部182读出上下(第1及第2区域)的各解析点、和该点的血管行进方向。具体来说,图像处理部182针对以直线LIN为基准呈线对称的解析点的各组读出各解析点、和该点的血管行进方向。
在步骤234中,图像处理部182针对以直线LIN为基准呈线对称的解析点的各组算出表示非对称性的值。表示非对称性的值为血管行进方向的差,该差从各组的各解析点的直方图求出。求出成为组的直方图的各直条中的度数的差Δh,并求出Δh的平方。并且,对各直条的Δh2的和即ΣΔh2进行计算来求出。若ΣΔh2很大则直方图的形状大幅度不同,从而非对称性也变大,若很小则直方图的形状相似,从而非对称性变得很小。
各组的各解析点的直方图为本公开的技术的“第1血管行进方向”、“第2血管行进方向”的一例。
此外,表示非对称性的值不限于这种各组的各解析点的直方图的平方误差的和。也可以从各组的各解析点的直方图决定代表角度,算出其绝对值差。
在步骤236中,图像处理部182检测非对称的解析点的组。具体来说,图像处理部182在表示各组的非对称性的值在阈值以上的情况下,作为非对称的解析点而检测出该组。阈值为事先设定的一定值,但也可以为表示各组的非对称的值的整体平均值。
图10是示出步骤236的解析结果的图。第1区域(上侧的区域274)的解析点U1和第2区域(下侧的区域272)的解析点D1以线对称的关系而成为组,同样的解析点U11和解析点D11以线对称的关系而成为组。在步骤234中解析的结果为,这些组被判断为表示非对称性的值在阈值以上,被确定为具有非对称的解析点的组。箭头UA1为表示解析点U1的血管行进方向的箭头,表示160度的方向。同样地,箭头DA1为表示解析点D1的血管行进方向的箭头,表示60度的方向。箭头UA11为表示解析点U11的血管行进方向的箭头,表示160度的方向。同样地,箭头DA11为表示解析点D11的血管行进方向的箭头,表示40度的方向。
在步骤238中,图像处理部182将下面的数据保存到存储器164内。即,图像处理部182将针对各组的、表示非对称性的值、表示非对称性的值是否在阈值以上(是否为非对称)的标志、各组的解析点的血管行进方向的角度保存到存储器164内。
接下来,说明脉络膜血管解析模式的显示画面。管理服务器140的存储器164具有用于生成以下的脉络膜血管解析模式的显示画面的数据、或者在该显示画面显示的显示内容(contents)数据。
具体来说为以下的数据。从眼科装置110向管理服务器140发送眼底图像(第1眼底图像(R色眼底图像)及第2眼底图像(G色眼底图像))的图像数据,管理服务器140具有眼底图像(第1眼底图像(R色眼底图像)及第2眼底图像(G色眼底图像))的图像数据。管理服务器140具有脉络膜血管图像(参照图8A)的图像数据。管理服务器140具有黄斑M的位置、视神经***ONH的位置、以使直线LIN成为水平的方式使脉络膜血管图像旋转的旋转角度、解析点(L个)的各位置、以直线LIN为基准成为线对称的解析点的组、及作为各解析点的特征量的直方图和表示行进方向的角度。管理服务器140具有表示针对解析点的组的非对称性的值及表示非对称性的值是否在阈值以上(是否为非对称)的标志。
另外,在对患者的眼底进行拍摄时,在眼科装置110中输入患者的个人信息。在个人信息中包含患者的ID、姓名、年龄及视力等。另外,在对患者的眼底进行拍摄时,还输入表示眼底被拍摄的眼睛是右眼还是左眼的信息。而且,在对患者的眼底进行拍摄时,还输入拍摄日期时间。从眼科装置110向管理服务器140发送个人信息、右眼及左眼的信息以及拍摄日期时间的数据。管理服务器140具有个人信息、右眼及左眼的信息以及拍摄日期时间的数据。
如以上那样管理服务器140具有用于生成以上的脉络膜血管解析模式的显示画面的数据。
眼科医生在诊断患者时,一边观察显示于图像观测器150的脉络膜血管解析模式的显示画面一边进行诊断。在该情况下,眼科医生经由图像观测器150,通过未图示的菜单画面将脉络膜血管解析模式画面的显示要求向管理服务器140发送。接收到该要求的管理服务器140的显示控制部184使用所指定的患者ID的显示内容数据,生成脉络膜血管解析模式的显示画面,处理部186向图像观测器150发送显示画面的图像数据。
此外,处理部186是本公开的技术的“输出部”的一个例子。
接收到脉络膜血管解析模式的显示画面的数据后的图像观测器150基于脉络膜血管解析模式的显示画面的数据,将图11示出脉络膜血管解析模式的显示画面300显示于显示器172。
在此,说明图11所示的脉络膜血管解析模式的显示画面300。如图11所示,脉络膜血管解析模式的显示画面300具有显示患者的个人信息的个人信息显示栏302、图像显示栏320及脉络膜解析工具显示栏330。
个人信息显示栏302具有患者ID显示栏304、患者姓名显示栏306、年龄显示栏308、眼轴长度显示栏310、视力显示栏312及患者选择图标314。在患者ID显示栏304、患者姓名显示栏306、年龄显示栏308、眼轴长度显示栏310及视力显示栏312中显示各信息。此外,若点击了患者选择图标314,则会将患者一览显示于图像观测器150的显示器172,使用户(眼科医生等)选择要成为解析对象的患者。
图像显示栏320具有拍摄日期显示栏322N1~322N3、右眼信息显示栏324R、左眼信息显示栏324L、RG图像显示栏326、脉络膜血管图像显示栏328及信息显示栏342。此外,RG图像是通过对第1眼底图像(R色眼底图像)和第2眼底图像(G色眼底图像)将各像素值的大小以规定比例(例如1:1)合成而得到的图像。
脉络膜解析工具显示栏330为对选择多个脉络膜解析的图标类进行评价的栏。具有涡静脉位置图标332、对称性图标334、血管直径图标336、涡静脉及黄斑/***图标338、及脉络膜解析报告图标340。
涡静脉位置图标332指示使涡静脉位置显示。对称性图标334指示显示解析点的对称性。血管直径图标336指示使与脉络血管的直径有关的解析结果显示。涡静脉及黄斑/***图标338指示使对涡静脉、黄斑及视神经***间的位置进行解析而得到的解析结果显示。脉络膜解析报告图标340指示显示脉络膜解析报告。
在图像观测器150的后述的显示画面上,显示有用于指示生成后述图像的图标和按钮。若观测器150的用户(眼科医生等)点击了图标等,则从图像观测器150向管理服务器140发送与被点击的图标等相对应的指示信号。接收到来自图像观测器150的指示信号的管理服务器140生成与指示信号相对应的图像,将所生成的图像的图像数据向图像观测器150发送。从管理服务器140接收到图像数据的图像观测器150基于接收到的图像数据将图像显示于显示器172。管理服务器140中的显示画面的生成处理通过在CPU162中运行的显示画面生成程序进行。
图11为拍摄日期显示栏322N1被点击而显示了在拍摄日2016年1月1日对根据患者ID:123456识别的患者的右眼的眼底(324R的图标点亮)进行了拍摄的情况下的RG图像及脉络膜血管图像的画面。
当图11的脉络膜解析工具显示栏330的对称性图标334被点击时,变更为图12示出的显示解析点的显示画面。如图12所示,图像观测器150在脉络膜血管图像显示栏328显示的脉络膜血管图像上用点显示上述各组的各解析点。此外,图像观测器150不限于用点显示上述各组的各解析点,可以显示表示将各解析点的特征可视化的血管行进方向的箭头UA1、UA11、DA1、DA11(参照图10),或者取代该箭头或与该箭头一并显示椭圆等的标记。
在图12的显示画面的图像显示栏320设有非对称性直方图显示图标346及非对称性彩色显示图标348。
当点击图12的显示画面的图像显示栏320的非对称性直方图显示图标346时,显示表示非对称性的画面。具体来说,如图13所示,图像观测器150在脉络膜血管图像显示栏328中,针对在脉络膜血管图像显示的上述各组的各解析点,例如对表示非对称性的值(ΣΔh2)为规定值以上的解析点U1、D1、U11、D11的组标注框,由此来突出显示。此外,就框而言,在同一组为同一颜色,与其他组标注不同的颜色。例如,包围解析点U1及解析点D1的框均为第1色(例:红色),包围解析点U11及解析点D11的框均为第2色(例:橘色)。而且,图像观测器150在脉络膜血管图像上显示沿上述组的各解析点U1、D1、U11、D11各自的血管行进方向的角度60度、160度、50度、150度的箭头UA1、DA1、UA11、DA11。箭头UA1、UA11及箭头UDA1、DA11为本公开的技术的“第1指标”(“第1箭头”)、“第2指标”(第2箭头)的一例。
另外,图像观测器150取代RG图像显示栏326而在直方图显示栏350显示各解析点的直方图,将表示非对称性的值(ΣΔh2)为规定值以上的直方图的组突出显示。在信息显示栏342显示非对称的组的解析点编号。
在图13中,解析点U1及解析点D1、和解析点U11及解析点D11被定义为非对称的组。因此,图像观测器150在脉络膜血管图像显示栏328中,以包围解析点U1及解析点D1的框均为第1色(例:红色)、包围解析点U11及解析点D11的框均为第2色(例:橘色)的方式针对同一组以同一颜色的框显示与其他组不同的颜色的框。
图像观测器150在直方图显示栏350中,以包围解析点U1的直方图U1H及解析点D1的直方图D1H的框均为第1色(例:红色)、包围解析点U11的直方图U11H及解析点D11的直方图D11H的框为第2色(例:橘色)的方式针对同一组以同一颜色的框显示与其他组不同的颜色的框。就包围脉络膜血管图像显示栏328的解析点的框的颜色、和包围直方图显示栏350的直方图的框的颜色而言,若解析点的编号相同则为同一颜色,提高了视觉确认性。
图像观测器150在信息显示栏342显示解析点U1及解析点D1和解析点U11及解析点D11为非对称的组,具体来说显示“U1和D1为非对称”、“U11和D11为非对称”这样的文本。
当点击图12的显示画面的图像显示栏320的非对称性彩色显示图标348时,也可以取代图13的显示画面而显示图14示出的显示画面。图13及图14各自的显示画面在图13中显示直方图显示栏350,在图14中,仅在取代直方图显示栏350而显示与表示非对称性的值(ΣΔh2)对应地用颜色区分的彩色表显示栏360这一点不同。以下,仅说明彩色表显示栏360。
首先,在图像观测器150的存储器164,根据表示非对称性的值(ΣΔh2)的大小预先对应关联地存储有颜色。此外,例如表示非对称性的值(ΣΔh2)的大小越大则对应关联越浓的颜色。另外,在彩色表显示栏360,根据各解析点的个数及位置而规定了矩形的区域。
图像观测器150基于表示与各解析点对应的非对称性的值(ΣΔh2)的大小、和与表示非对称性的值(ΣΔh2)的大小对应地预先规定的颜色,在与各解析点对应的矩形的区域显示表示与各解析点对应的非对称性的值(ΣΔh2)的大小所对应的颜色。
另外,图像观测器150在直方图显示栏360中,在与非对称的解析点的组对应的上述矩形的区域用同一颜色的框且是与其他组不同的颜色的框来显示。例如,在与解析点U1、D1对应的矩形的区域RU1、RD1显示第1色(例:红色)的框,在与解析点U11、D11对应的矩形的区域RU11、RD11显示第2色(例:橘色)的框。
如上说明的那样,在本实施方式中,解析脉络膜血管图像,解析以将黄斑M和视神经***连结的直线LIN为基准呈线对称的解析点的组的非对称性,将非对称性的解析点的组突出显示。因此,能够掌握脉络膜血管的行进方向的非对称性。而且,通过将脉络膜血管的行进方向的非对称性可视化,能够支援眼科医生对眼底的诊断。
另外,通过使用了广角光学***的SLO单元,能够得到以距眼球中心的角度计为200度以上的范围的超广角的UWF-SLO图像。通过使用UWF-SLO图像,能够对包括眼底的周边部在内的大范围的对称性进行解析。
接下来,说明本公开的技术的各种变形例。
<第1变形例>
在上述实施方式中,脉络膜血管图像通过将黄斑和视神经***连结的直线LIN被划分成第1区域和第2区域,解析点在第1区域和第2区域中配置在以直线LIN为基准呈线对称的位置。本公开的技术不限于此。例如,通过以黄斑和视神经***的中心为基准与线LIN正交的线(正交线)来将脉络膜血管图像划分成耳侧区域和鼻侧区域。而且,也可以在以正交线为基准呈线对称的位置配置解析点。而且,也可以通过以黄斑和视神经***的中心为基准与直线LIN以规定角度例如45度或者135度交叉的线(交叉线)来划分脉络膜血管图像,在以交叉线为基准呈线对称的位置配置解析点。
<第2变形例>
在上述实施方式中,生成了各解析点的脉络膜血管的血管行进方向。本公开的技术不限于此。例如,也可以确定脉络膜血管图像的各像素的三维位置,并用三维空间中的方向算出脉络膜血管的血管行进方向。使用利用未图示的眼科装置110所具备的OCT(OpticalCoherence Tomography:光学相干层析成像)单元得到的OCT体(体积)数据来算出三维位置及三维空间中的方向。
<第3变形例>
在上述实施方式中,管理服务器140预先执行了图5所示的图像处理程序,但本公开的技术并不限定于此。在点击了图11示出的对称性图标334的情况下,图像观测器150向管理服务器140发送图像处理命令。与之对应地,管理服务器140可以执行图5的图像处理程序。
<第4变形例>
在上述实施方式中,说明了通过眼科装置110获取内部光照射角为200度左右的眼底图像的例子。本公开的技术并不限定于此,也可以是通过以内部照射角计为100度以下的眼科装置拍摄得到的眼底图像,即使是将多张眼底图像合成得到的剪辑图像也可以适用本公开的技术。
<第5变形例>
在上述实施方式中,通过具备SLO摄像单元的眼科装置110对眼底图像进行了拍摄,但也可以是基于能够拍摄脉络膜血管的眼底相机得到的眼底图像,即使是通过OCT血管造影得到的图像也可以适用本公开的技术。
<第6变形例>
在上述实施方式中,从脉络膜血管的行进方向解析了非对称性,但也可以以从视网膜血管的行进方向解析非对称性的方式应用本公开的技术。
<第7变形例>
在上述实施方式中,管理服务器140执行图像处理程序。本公开的技术并不限定于此。例如,也可以由眼科装置110或者图像观测器150执行图像处理程序。
<第8变形例>
在上述实施方式中,以具备眼科装置110、眼轴长度测定器120、管理服务器140及图像观测器150的眼科***100为例进行了说明,但本公开的技术并不限定于此。例如,作为第1例,也可以省略眼轴长度测定器120,而眼科装置110还具有眼轴长度测定器120的功能。另外,作为第2例,眼科装置110也可以还具有管理服务器140及图像观测器150中的至少一方的功能。例如,在眼科装置110具有管理服务器140的功能的情况下,能够省略管理服务器140。在该情况下,眼科装置110或图像观测器150执行图像处理程序。另外,在眼科装置110具有图像观测器150的功能的情况下,能够省略图像观测器150。作为第3例,也可以省略管理服务器140,而由图像观测器150执行管理服务器140的功能。
<其他变形例>
在上述实施方式中所说明的数据处理原则上是一个例子。因此,当然也可以在不脱离主旨的范围内删除不需要的步骤、追加新的步骤、或替换处理顺序。
另外,在上述实施方式中,例示了通过利用了计算机的软件结构而实现数据处理的情况,但本公开的技术并不限定于此。例如,也可以代替利用了计算机的软件结构而仅通过FPGA(Field-Programmable Gate Array:现场可编程门阵列)或ASIC(ApplicationSpecific Integrated Circuit:应用型专用集成电路)等硬件结构执行数据处理。也可以是数据处理中的一部分处理由软件结构执行,其余处理由硬件结构执行。
Claims (28)
1.一种图像处理方法,包括:
在眼底图像中设定关于基准线成为对称的第1解析点和第2解析点的步骤;
求出所述第1解析点中的第1血管行进方向、和所述第2解析点中的第2血管行进方向的步骤;以及
解析所述第1血管行进方向和所述第2血管行进方向的非对称性的步骤。
2.根据权利要求1所述的图像处理方法,其中,
所述眼底图像为将脉络膜血管可视化的脉络膜血管图像。
3.根据权利要求2所述的图像处理方法,其中,
所述第1血管行进方向和所述第2血管行进方向为所述脉络膜血管的行进方向。
4.根据权利要求1~3中任一项所述的图像处理方法,其中,
所述第1血管行进方向是基于包含所述第1解析点在内的第1规定区域所包括的像素的亮度梯度求出的,所述第2血管行进方向是基于包含所述第2解析点在内的第2规定区域所包括的像素的亮度梯度求出的。
5.根据权利要求1~4中任一项所述的图像处理方法,其中,
还包括生成解析画面的步骤,所述解析画面显示表示所述第1血管行进方向的第1指标、表示所述第2血管行进方向的第2指标、所述眼底图像、及所述第1血管行进方向与所述第2血管行进方向的非对称性的解析结果。
6.根据权利要求5所述的图像处理方法,其中,
在所述解析画面上,在所述眼底图像的所述第1解析点上重叠有所述第1指标,在所述眼底图像的所述第2解析点上重叠有所述第2指标。
7.根据权利要求5或者6所述的图像处理方法,其中,
所述第1指标为与第1血管行进方向对应的第1箭头,
所述第2指标为与第2血管行进方向对应的第2箭头。
8.根据权利要求5~7中任一项所述的图像处理方法,其中,
所述第1指标为基于包含所述第1解析点在内的第1规定区域所包括的像素的亮度梯度求出的第1直方图,
所述第2指标为基于包含所述第2解析点在内的第2规定区域所包括的像素的亮度梯度求出的第2直方图。
9.根据权利要求5~8中任一项所述的图像处理方法,其中,
所述第1指标为与第1血管行进方向对应的第1角度数值,
所述第2指标为与第2血管行进方向对应的第2角度数值。
10.根据权利要求1~7中任一项所述的图像处理方法,其中,
所述基准线为从黄斑的位置和视神经***的位置通过的直线。
11.一种图像处理方法,包括:
在眼底图像中在第1区域内设定多个第1解析点、且在第2区域内设定多个第2解析点的步骤;
针对所述多个第1解析点的每一个求出第1血管行进方向、且针对所述多个第2解析点的每一个求出第2血管行进方向的步骤;以及
对在所述多个第1解析点与所述多个第2解析点之间成为线对称的第1解析点和第2解析点的多个组合进行定义,并求出表示所定义的所述多个组合各自的所述第1血管行进方向与所述第2血管行进方向的对称性的对称性指标的步骤。
12.根据权利要求11所述的图像处理方法,其中,
还包括基于表示所定义的所述多个组合各自的所述对称性的对称性指标,提取表示非对称性的所述第1血管行进方向和所述第2血管行进方向的组合的步骤。
13.根据权利要求12所述的图像处理方法,其中,
还包括生成突出显示图像的步骤,所述突出显示图像用于将与提取的表示非对称性的所述组合对应的所述第1解析点和所述第2解析点突出显示。
14.根据权利要求11~13中任一项所述的图像处理方法,其中,
所述眼底图像为将脉络膜血管可视化的脉络膜血管图像。
15.根据权利要求14所述的图像处理方法,其中,
所述第1血管行进方向和所述第2血管行进方向为所述脉络膜血管的行进方向。
16.根据权利要求11~15中任一项所述的图像处理方法,其中,
所述第1血管行进方向是基于包含所述第1解析点在内的第1规定区域所包括的像素的亮度梯度求出的,所述第2血管行进方向是基于包含所述第2解析点在内的第2规定区域所包括的像素的亮度梯度求出的。
17.根据权利要求11~16中任一项所述的图像处理方法,其中,
还包括生成解析画面的步骤,所述解析画面显示表示所述第1血管行进方向的第1指标、表示所述第2血管行进方向的第2指标、所述眼底图像、及所述对称性指标。
18.根据权利要求17所述的图像处理方法,其中,
在所述解析画面上,在所述眼底图像的所述第1解析点上重叠有所述第1指标,在所述眼底图像的所述第2解析点上重叠有所述第2指标。
19.根据权利要求17或者18所述的图像处理方法,其中,
所述第1指标为与第1血管行进方向对应的第1箭头,
所述第2指标为与第2血管行进方向对应的第2箭头。
20.根据权利要求17~19中任一项所述的图像处理方法,其中,
所述第1指标为基于包含所述第1解析点在内的第1规定区域所包括的像素的亮度梯度求出的第1直方图,
所述第2指标为基于包含所述第2解析点在内的第2规定区域所包括的像素的亮度梯度求出的第2直方图。
21.根据权利要求17~20中任一项所述的图像处理方法,其中,
所述第1指标为与第1血管行进方向对应的第1角度数值,
所述第2指标为与第2血管行进方向对应的第2角度数值。
22.一种程序,其使计算机执行权利要求1~21中任一项所述的图像处理方法。
23.一种图像处理装置,其具备:
存储装置,其存储用于使处理装置执行图像处理方法的程序;以及
处理装置,其通过执行存储在所述存储装置内的程序来执行所述图像处理方法,
所述图像处理装置的特征在于,
所述图像处理方法为权利要求1~21中任一项所述的图像处理方法。
24.一种眼科***,包括:
权利要求23所述的图像处理装置;以及
拍摄所述眼底图像的眼科装置。
25.一种图像处理方法,包括:
在眼底图像中设定关于基准线成为线对称的第1解析点和第2解析点的步骤;
求出所述第1解析点中的第1血管行进方向、和所述第2解析点中的第2血管行进方向的步骤;以及
对所述第1血管行进方向和所述第2血管行进方向进行比较的步骤。
26.根据权利要求25所述的图像处理方法,其中,
对所述第1血管行进方向和所述第2血管行进方向进行比较是通过将所述第1血管行进方向和所述第2血管行进方向的非对称性数值化来进行的。
27.一种图像处理方法,包括:
在眼底图像中设定关于基准线成为线对称的第1区域和第2区域的步骤;
求出所述第1区域中的第1血管行进方向、和所述第2区域中的第2血管行进方向的步骤;
对所述第1血管行进方向和所述第2血管行进方向进行比较的步骤。
28.根据权利要求25所述的图像处理方法,其中,
对所述第1血管行进方向和所述第2血管行进方向进行比较是通过将所述第1血管行进方向和所述第2血管行进方向的非对称性数值化来进行的。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018080272 | 2018-04-18 | ||
JP2018-080272 | 2018-04-18 | ||
PCT/JP2019/016651 WO2019203308A1 (ja) | 2018-04-18 | 2019-04-18 | 画像処理方法、プログラム、画像処理装置、及び眼科システム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111954485A true CN111954485A (zh) | 2020-11-17 |
Family
ID=68239123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980025075.6A Pending CN111954485A (zh) | 2018-04-18 | 2019-04-18 | 图像处理方法、程序、图像处理装置及眼科*** |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210027467A1 (zh) |
JP (3) | JP7205539B2 (zh) |
CN (1) | CN111954485A (zh) |
DE (1) | DE112019002014T5 (zh) |
WO (1) | WO2019203308A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7367433B2 (ja) * | 2019-09-30 | 2023-10-24 | 株式会社ニデック | 眼科撮影装置 |
Citations (7)
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 |
JP2002058647A (ja) * | 2000-08-22 | 2002-02-26 | Nippon Telegr & Teleph Corp <Ntt> | 眼底画像変形合成方法、及びそのプログラムを記録した記録媒体 |
US20090324052A1 (en) * | 2006-09-06 | 2009-12-31 | Agency For Science, Technology And Research | Detection and localization of vascular occlusion from angiography data |
JP2015202236A (ja) * | 2014-04-15 | 2015-11-16 | キヤノン株式会社 | 眼底画像解析装置及び解析方法 |
JP2017077414A (ja) * | 2015-10-21 | 2017-04-27 | 株式会社ニデック | 眼科解析装置、眼科解析プログラム |
CN107657612A (zh) * | 2017-10-16 | 2018-02-02 | 西安交通大学 | 适用于智能便携设备的全自动视网膜血管分析方法及*** |
JP2018038611A (ja) * | 2016-09-07 | 2018-03-15 | 株式会社ニデック | 眼科解析装置、眼科解析プログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101016848B1 (ko) | 2004-03-22 | 2011-02-22 | 엘지전자 주식회사 | 지문 대칭축 추출 방법 |
JP5436076B2 (ja) * | 2009-07-14 | 2014-03-05 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
JP5913999B2 (ja) * | 2012-01-16 | 2016-05-11 | キヤノン株式会社 | 眼科撮像装置およびその制御方法 |
JP6281177B2 (ja) | 2013-01-23 | 2018-02-21 | 株式会社ニデック | 眼科撮影装置 |
US9905008B2 (en) | 2013-10-10 | 2018-02-27 | University Of Rochester | Automated fundus image field detection and quality assessment |
US10492682B2 (en) * | 2015-10-21 | 2019-12-03 | Nidek Co., Ltd. | Ophthalmic analysis device and ophthalmic analysis program |
JP6608110B2 (ja) * | 2016-04-13 | 2019-11-20 | 富士フイルム株式会社 | 画像位置合わせ装置および方法並びにプログラム |
WO2019146738A1 (ja) * | 2018-01-25 | 2019-08-01 | 国立大学法人大阪大学 | ストレス状態の検出方法、及び、ストレス検出装置 |
-
2019
- 2019-04-18 JP JP2020514435A patent/JP7205539B2/ja active Active
- 2019-04-18 WO PCT/JP2019/016651 patent/WO2019203308A1/ja active Application Filing
- 2019-04-18 CN CN201980025075.6A patent/CN111954485A/zh active Pending
- 2019-04-18 DE DE112019002014.5T patent/DE112019002014T5/de active Pending
-
2020
- 2020-10-15 US US17/071,495 patent/US20210027467A1/en active Pending
-
2022
- 2022-12-28 JP JP2022212705A patent/JP7347641B2/ja active Active
-
2023
- 2023-09-07 JP JP2023145679A patent/JP2023158161A/ja active Pending
Patent Citations (7)
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 |
JP2002058647A (ja) * | 2000-08-22 | 2002-02-26 | Nippon Telegr & Teleph Corp <Ntt> | 眼底画像変形合成方法、及びそのプログラムを記録した記録媒体 |
US20090324052A1 (en) * | 2006-09-06 | 2009-12-31 | Agency For Science, Technology And Research | Detection and localization of vascular occlusion from angiography data |
JP2015202236A (ja) * | 2014-04-15 | 2015-11-16 | キヤノン株式会社 | 眼底画像解析装置及び解析方法 |
JP2017077414A (ja) * | 2015-10-21 | 2017-04-27 | 株式会社ニデック | 眼科解析装置、眼科解析プログラム |
JP2018038611A (ja) * | 2016-09-07 | 2018-03-15 | 株式会社ニデック | 眼科解析装置、眼科解析プログラム |
CN107657612A (zh) * | 2017-10-16 | 2018-02-02 | 西安交通大学 | 适用于智能便携设备的全自动视网膜血管分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
JPWO2019203308A1 (ja) | 2021-04-22 |
JP2023158161A (ja) | 2023-10-26 |
US20210027467A1 (en) | 2021-01-28 |
JP7205539B2 (ja) | 2023-01-17 |
JP7347641B2 (ja) | 2023-09-20 |
DE112019002014T5 (de) | 2021-01-07 |
WO2019203308A1 (ja) | 2019-10-24 |
JP2023030184A (ja) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11284791B2 (en) | Image processing method, program, and image processing device | |
CN111885954B (zh) | 图像处理方法、存储介质及眼科装置 | |
JP7279711B2 (ja) | 画像処理方法、プログラム、画像処理装置、及び眼科システム | |
JP5847510B2 (ja) | 画像処理装置及び画像処理方法 | |
JP2023060069A (ja) | 画像処理方法、画像処理装置、画像処理プログラム、及び血管径算出装置 | |
JP2023120308A (ja) | 画像処理方法、画像処理装置、及び画像処理プログラム | |
JP2023158161A (ja) | 画像処理方法、プログラム、画像処理装置、及び眼科システム | |
CN111989030B (zh) | 图像处理方法、程序及图像处理装置 | |
JP5543536B2 (ja) | 断層像撮像装置および断層撮像方法、プログラム | |
JP7111832B2 (ja) | 眼科装置 | |
CN114828732A (zh) | 图像处理方法、图像处理装置、以及图像处理程序 | |
WO2021111840A1 (ja) | 画像処理方法、画像処理装置、及びプログラム | |
WO2021074961A1 (ja) | 画像処理方法、画像処理装置、およびプログラム | |
CN118044778A (zh) | 图像处理方法、计算机可读的存储介质及图像处理装置 | |
WO2019203314A1 (ja) | 画像処理方法、プログラム、及び画像処理装置 | |
JP5174258B2 (ja) | 断層像撮像装置およびその制御方法、プログラム |
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 |