CN116740068B - 一种白内障手术用智能导航*** - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种白内障手术用智能导航***，包括：图像采集模块，获取瞳孔区域灰度图；图像分析模块，根据瞳孔区域二值图中异常病变区域得到目标点，获取直线延长线交点和直线延长线交点的密度；异常病变区域分析模块，根据直线延长线交点的中心点和瞳孔区域二值图的中心点之间的距离与直线延长线交点的密度得到任意一个阈值下异常病变区域的聚集程度；病变区域确定模块，根据不同阈值下异常病变区域的聚集程度均值得到异常病变区域。本发明通过分析不同阈值分割下图像异常区域的聚集性来定位白内障区域，由此可以准确定位白内障区域，实现白内障手术的智能导航。

Description

一种白内障手术用智能导航***

技术领域

本发明涉及图像处理技术领域，具体涉及一种白内障手术用智能导航***。

背景技术

白内障是世界发病率最高的、可治愈的致盲性眼病。患者常常伴有视物模糊，眩光感单眼复视，使得病人生活质量严重下降。皮质型白内障病变产生原因复杂，每个病人的最终手术方案需要医生进行多方面检查并结合病人实际情况才能给出，在这些检查中对患者进行裂隙灯活组织检查是最为基础、普遍的，也是最重要的一项检查。医生根据裂隙灯显微镜采集到的影像判断白内障病变类型、其生长位置、分布面积及病变密度。我国是白内障的“重灾区”，随着机器学习领域的不断拓展，图像辅助处理以及计算机视觉检测发挥着越来越重要的作用，这为改善白内障眼疾的医疗现状提供了新的研究方向。

其中，图像辅助处理是指利用图像处理技术和算法对图像进行改善、增强或分析，以提供更多有用的信息或帮助实现特定的应用。计算机视觉检测是指利用计算机视觉技术，通过对图像或视频进行分析和处理，识别和检测其中的目标、物体或特定特征。

本发明在对图像进行阈值分割的基础上，通过不同阈值下异常区域的聚集性，来实现对白内障区域的识别定位。

发明内容

本发明提供一种白内障手术用智能导航***，以解决现有的问题。

本发明的一种白内障手术用智能导航***采用如下技术方案：

本发明一个实施例提供了一种白内障手术用智能导航***，该***包括以下模块：

图像采集模块，用于获取瞳孔区域灰度图和不同阈值下的瞳孔区域二值图，并得到瞳孔区域二值图中异常病变区域；

图像分析模块，获取瞳孔区域二值图的最大内接圆，根据异常病变区域以及瞳孔区域二值图的中心点获取若干参考圆，根据瞳孔区域二值图中异常病变区域和参考圆得到异常病变区域的目标点，获取距离目标点最近的最大内接圆圆周上的像素点，根据目标点和距离目标点最近的最大内接圆圆周上的像素点构成的直线，得到直线延长线交点，根据直线延长线交点得到直线延长线交点的密度；

异常病变区域分析模块，获取直线延长线交点的中心点，获取直线延长线交点的中心点和瞳孔区域二值图的中心点之间的距离，根据直线延长线交点的中心点和瞳孔区域二值图的中心点之间的距离以及直线延长线交点的密度得到任意一个阈值下异常病变区域的聚集程度；

病变区域确定模块，获取所有阈值下异常病变区域的聚集程度均值，获取不同阈值下异常病变区域的聚集程度大于异常病变区域的聚集程度均值的阈值集合，将阈值集合中连续的阈值区间作为异常病变区域的灰度范围，根据灰度范围得到白内障病变区域；

所述获取瞳孔区域灰度图和不同阈值下的瞳孔区域二值图，并得到瞳孔区域二值图中异常病变区域，包括的具体方法如下：

对瞳孔区域灰度图进行直方图均衡化处理，预设阈值区间，其次遍历预设阈值区间内的每个整数，将遍历到的整数作为阈值，不同阈值分割得到若干个瞳孔区域二值图，瞳孔区域二值图中灰度值为1的连通域为异常病变区域，瞳孔区域二值图中灰度值为0的区域为背景区域；

所述根据异常病变区域以及瞳孔区域二值图的中心点获取若干参考圆，包括的具体步骤如下：

获取瞳孔区域二值图的中心点，中心点记为F，将异常病变区域中距离F最近的像素点记为G，将F点与G点间距离记为，以F点为圆心，/>为半径，n为半径调整值，构建一个圆，记为参考圆，令n分别取值1,2,3，……，直至n满足/>时，得到多个参考圆，其中，r为瞳孔区域二值图的最大内接圆的半径；

所述根据瞳孔区域二值图中异常病变区域和参考圆得到异常病变区域的目标点，包括的具体步骤如下：

将瞳孔区域二值图中任意一个异常病变区域记为目标连通域，获得与目标连通域相交的且半径最小的参考圆，获取半径最小的参考圆圆周上的且在目标连通域上的所有像素点，将所述所有像素点按照顺时针的顺序排列构成像素点序列，获取像素点序列中间位置所在的点为异常病变区域的目标点，若像素点序列的长度为偶数则取最中间靠左位置所在的点为异常病变区域的目标点；

所述根据目标点和距离目标点最近的最大内接圆圆周上的像素点构成的直线，得到直线延长线交点，包括的具体步骤如下：

将异常病变区域的目标点记为，将距离目标点最近的最大内接圆圆周上的像素点记为/>，将/>两点在瞳孔区域二值图中构成的直线记为异常病变区域的直线，获取所有异常病变区域的直线，分别记为/>，/>为直线的总条数，/>为第w条直线，将所有直线延长线的交点分别记为/>，m为瞳孔区域二值图中交点的总个数，/>为第m个交点；

所述根据直线延长线交点得到直线延长线交点的密度，包括的具体步骤如下：

将交点中距离最远的两个交点之间的线段长度记为S，以线段的中间点为圆心，半径R=S/2作圆，记为目标圆；

式中，m为瞳孔区域二值图中交点的总个数，R为目标圆的半径，为直线延长线交点的密度；

所述直线延长线交点的中心点的具体获取如下：

式中，分别为第i个交点在瞳孔区域二值图中的横坐标和纵坐标，m为瞳孔区域二值图中交点的总个数，/>分别为直线延长线交点的中心点P的横坐标和纵坐标；

所述根据直线延长线交点的中心点和瞳孔区域二值图的中心点之间的距离以及直线延长线交点的密度得到任意一个阈值下异常病变区域的聚集程度，包括的具体步骤如下：

式中，为直线延长线交点的密度，/>为直线延长线交点的中心点P与瞳孔区域二值图的中心点F之间的距离，/>为第K个阈值下异常病变区域的聚集程度。

进一步地，所述异常病变区域的聚集程度均值的具体获取方法如下：

式中，为第K个阈值下异常病变区域的聚集程度，/>为预设阈值区间的最小值，/>为预设阈值区间的最大值，/>为异常病变区域的聚集程度均值，/>为预设阈值区间中阈值的数量。

进一步地，所述根据灰度范围得到异常病变区域，包括的具体步骤如下：

在瞳孔区域灰度图中将属于异常病变区域的灰度范围的像素点灰度值置为1，不属于异常病变区域的灰度范围的像素点灰度值置为0，将灰度值为1的像素点构成的区域作为白内障病变区域。

本发明的技术方案的有益效果是：手术时，打光会导致眼球区域亮度较高，而白内障区域也是较亮区域，导致阈值分割时图像的前景和背景差异较小，造成分割不准确，不能精确切割白内障区域。本发明通过分析不同阈值分割下图像异常区域的聚集性来定位白内障区域,由此可以准确定位白内障区域，即可实现白内障手术的智能导航。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例所提供的一种白内障手术用智能导航***的***框架图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种白内障手术用智能导航***，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种白内障手术用智能导航***的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种白内障手术用智能导航***的***框架图，该***包括以下模块：

图像采集模块：

需要说明的是，本实施例是一种白内障手术用智能导航***，首先需要获取患者的白内障影像图，并进行一定的预处理。

具体的，从检测设备上采集得到患者的白内障影像图，白内障影像图为RGB彩色图像。

需要说明的是，从采集得到的白内障影像图中可以观察到很多眼睛结构如虹膜，晶状体以及上下眼睑等，这些结构对于白内障病变的检测和分类大多都是不必要的，因为皮质型白内障仅生长于晶状体，因为晶状体是通过瞳孔观察到的，所以晶状体分割也就是瞳孔分割，因此需要从获得的白内障影像图中提取出感兴趣的瞳孔区域。

具体的，利用现有的提取方法从采集得到的白内障影像图中提取出瞳孔区域图像，并对瞳孔区域图像进行灰度化得到瞳孔区域灰度图，CN109389033B公开了提取瞳孔区域的方法，本实施例不再具体赘述，也不进行具体限定。

进一步地，对瞳孔区域灰度图进行直方图均衡化处理，预设阈值区间，本实施例中以预设阈值区间为[50,120]为例进行说明，其次遍历预设阈值区间内的每个整数，将遍历到的整数作为阈值，不同阈值分割得到若干个瞳孔区域二值图，瞳孔区域二值图中灰度值为1的连通域为异常病变区域，瞳孔区域二值图中灰度值为0的区域为背景区域，随着阈值的增大，异常病变区域逐渐变小，反之，异常病变区域逐渐变大，提取瞳孔区域二值图上的连通域，获得若干异常病变区域。

至此，得到了瞳孔区域灰度图和瞳孔区域二值图。

图像分析模块：

需要说明的是，通过对瞳孔区域灰度图进行不同阈值分割，通过分析不同阈值分割下图像异常区域的聚集性来定位白内障区域，由于皮质性白内障的病变通常从晶状体边缘开始，然后逐渐向中心移行，在病变发展的过程中，晶状体皮质区域可能会出现断裂，形成一系列的皱纹或裂缝。根据这一特征，若区域聚集性表现为向内聚集，即向图像中心区域，即晶状体中央聚集，则为白内障区域。

具体的，以第K个阈值分割后的瞳孔区域二值图为例，将瞳孔区域二值图的大小记为，/>为瞳孔区域二值图的长度，/>为瞳孔区域二值图的宽度，单位为像素，获取瞳孔区域二值图的中心点，中心点记为F，利用霍夫圆检测得到瞳孔区域二值图的最大内接圆，最大内接圆记为H，半径为r，将异常病变区域中距离F最近的像素点记为G，将F点与G点间距离记为/>；以F点为圆心，/>为半径，n为半径调整值，构建一个圆，记为参考圆。令n分别取值1,2,3，……，直至n满足/>时，得到多个参考圆。

具体的，以瞳孔区域二值图中任意一个异常病变区域为例，将瞳孔区域二值图中任意一个异常病变区域记为目标连通域，获得与目标连通域相交的且半径最小的参考圆，获取半径最小的参考圆圆周上的且在目标连通域上的所有像素点，将所述所有像素点按照顺时针的顺序排列构成像素点序列，获取像素点序列中间位置所在的点为异常病变区域的目标点，若像素点序列的长度为偶数则取最中间靠左位置所在的点为异常病变区域的目标点，将异常病变区域的目标点记为，将距离目标点最近的最大内接圆圆周上的像素点记为，将/>两点在瞳孔区域二值图中构成的直线记为异常病变区域的直线，由于上述是以瞳孔区域二值图中任意一个异常病变区域为例进行分析的，而瞳孔区域二值图中有多个异常病变区域，则多个异常病变区域对应构成多条直线，获取所有异常病变区域的直线，分别记为/>，/>为直线的总条数，/>为第w条直线，将所有直线延长线的交点分别记为，m为瞳孔区域二值图中交点的总个数，/>为第m个交点，将交点中距离最远的两个交点之间的线段长度记为S，以线段S的中间点为圆心，半径R=S/2作圆，记为目标圆，计算直线延长线交点的密度：

式中，m为瞳孔区域二值图中交点的总个数，R为目标圆的半径，为直线延长线交点的密度。目标圆内交点数量越多，交点密度越大，半径越小，即连通域中最远两点的距离越小，交点密度越大。

至此，得到了直线延长线交点的密度。

异常病变区域分析模块：

具体的，计算直线延长线交点的中心点P，具体如下：

式中，分别为第i个交点在瞳孔区域二值图中的横坐标和纵坐标，m为瞳孔区域二值图中交点的总个数，/>分别为直线延长线交点的中心点P的横坐标和纵坐标。

进一步地，将直线延长线交点的中心点P与瞳孔区域二值图的中心点F之间的距离记为，根据直线延长线交点的密度得到不同阈值下异常病变区域的聚集程度，具体如下：

式中，为直线延长线交点的密度，/>为直线延长线交点的中心点P与瞳孔区域二值图的中心点F之间的距离，由于瞳孔区域二值图中会有一些干扰区域，如果干扰区域越少，即异常病变区域越多，则直线延长线交点的中心点P与瞳孔区域二值图的中心点F之间的距离越接近，可以更好的反映异常病变区域的聚集程度，/>为第K个阈值下异常病变区域的聚集程度。异常病变区域的聚集程度，即白内障向瞳孔中心延展的程度，直线延长线交点的中心点与瞳孔区域二值图的中心点距离越近，聚集程度越高。

至此，得到了异常病变区域的聚集程度。

病变区域确定模块：

需要说明的是，由异常病变区域分析模块得到了第K个阈值下异常病变区域的聚集程度，根据不同阈值下异常病变区域的聚集程度均值得到异常病变区域的灰度范围，具体如下：

式中，为第K个阈值下异常病变区域的聚集程度，/>为预设阈值区间的最小值，/>为预设阈值区间的最大值，/>为异常病变区域的聚集程度均值，/>为预设阈值区间中阈值的数量，本实施例中以预设阈值区间为[50,120]为例进行说明。

进一步地，获取不同阈值下异常病变区域的聚集程度大于异常病变区域的聚集程度均值的阈值集合，将阈值集合中连续的阈值区间作为异常病变区域的灰度范围，即白内障灰度范围，在瞳孔区域灰度图中将属于异常病变区域的灰度范围的像素点灰度值置为1，不属于异常病变区域的灰度范围的像素点灰度值置为0，将灰度值为1的像素点构成的区域作为白内障病变区域，将白内障病变区域高亮显示在屏幕上，供医生查看。

至此，本实施例完成。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种白内障手术用智能导航***，其特征在于，该***包括以下模块：

图像采集模块，用于获取瞳孔区域灰度图和不同阈值下的瞳孔区域二值图，并得到瞳孔区域二值图中异常病变区域；

图像分析模块，获取瞳孔区域二值图的最大内接圆，根据异常病变区域以及瞳孔区域二值图的中心点获取若干参考圆，根据瞳孔区域二值图中异常病变区域和参考圆得到异常病变区域的目标点，获取距离目标点最近的最大内接圆圆周上的像素点，根据目标点和距离目标点最近的最大内接圆圆周上的像素点构成的直线，得到直线延长线交点，根据直线延长线交点得到直线延长线交点的密度；

异常病变区域分析模块，获取直线延长线交点的中心点，获取直线延长线交点的中心点和瞳孔区域二值图的中心点之间的距离，根据直线延长线交点的中心点和瞳孔区域二值图的中心点之间的距离以及直线延长线交点的密度得到任意一个阈值下异常病变区域的聚集程度；

病变区域确定模块，获取所有阈值下异常病变区域的聚集程度均值，获取不同阈值下异常病变区域的聚集程度大于异常病变区域的聚集程度均值的阈值集合，将阈值集合中连续的阈值区间作为异常病变区域的灰度范围，根据灰度范围得到白内障病变区域；

所述获取瞳孔区域灰度图和不同阈值下的瞳孔区域二值图，并得到瞳孔区域二值图中异常病变区域，包括的具体方法如下：

对瞳孔区域灰度图进行直方图均衡化处理，预设阈值区间，其次遍历预设阈值区间内的每个整数，将遍历到的整数作为阈值，不同阈值分割得到若干个瞳孔区域二值图，瞳孔区域二值图中灰度值为1的连通域为异常病变区域，瞳孔区域二值图中灰度值为0的区域为背景区域；

所述根据异常病变区域以及瞳孔区域二值图的中心点获取若干参考圆，包括的具体步骤如下：

获取瞳孔区域二值图的中心点，中心点记为F，将异常病变区域中距离F最近的像素点记为G，将F点与G点间距离记为，以F点为圆心，/>为半径，n为半径调整值，构建一个圆，记为参考圆，令n分别取值1,2,3，……，直至n满足/>时，得到多个参考圆，其中，r为瞳孔区域二值图的最大内接圆的半径；

所述根据瞳孔区域二值图中异常病变区域和参考圆得到异常病变区域的目标点，包括的具体步骤如下：

将瞳孔区域二值图中任意一个异常病变区域记为目标连通域，获得与目标连通域相交的且半径最小的参考圆，获取半径最小的参考圆圆周上的且在目标连通域上的所有像素点，将所述所有像素点按照顺时针的顺序排列构成像素点序列，获取像素点序列中间位置所在的点为异常病变区域的目标点，若像素点序列的长度为偶数则取最中间靠左位置所在的点为异常病变区域的目标点；

所述根据目标点和距离目标点最近的最大内接圆圆周上的像素点构成的直线，得到直线延长线交点，包括的具体步骤如下：

将异常病变区域的目标点记为，将距离目标点最近的最大内接圆圆周上的像素点记为/>，将/>两点在瞳孔区域二值图中构成的直线记为异常病变区域的直线，获取所有异常病变区域的直线，分别记为/>，/>为直线的总条数，/>为第w条直线，将所有直线延长线的交点分别记为/>，m为瞳孔区域二值图中交点的总个数，/>为第m个交点；

所述根据直线延长线交点得到直线延长线交点的密度，包括的具体步骤如下：

将交点中距离最远的两个交点之间的线段长度记为S，以线段的中间点为圆心，半径R=S/2作圆，记为目标圆；

式中，m为瞳孔区域二值图中交点的总个数，R为目标圆的半径，为直线延长线交点的密度；

所述直线延长线交点的中心点的具体获取如下：

式中，分别为第i个交点在瞳孔区域二值图中的横坐标和纵坐标，m为瞳孔区域二值图中交点的总个数，/>分别为直线延长线交点的中心点P的横坐标和纵坐标；

所述根据直线延长线交点的中心点和瞳孔区域二值图的中心点之间的距离以及直线延长线交点的密度得到任意一个阈值下异常病变区域的聚集程度，包括的具体步骤如下：

式中，为直线延长线交点的密度，/>为直线延长线交点的中心点P与瞳孔区域二值图的中心点F之间的距离，/>为第K个阈值下异常病变区域的聚集程度。

2.根据权利要求1所述一种白内障手术用智能导航***，其特征在于，所述异常病变区域的聚集程度均值的具体获取方法如下：

式中，为第K个阈值下异常病变区域的聚集程度，/>为预设阈值区间的最小值，为预设阈值区间的最大值，/>为异常病变区域的聚集程度均值，/>为预设阈值区间中阈值的数量。

3.根据权利要求1所述一种白内障手术用智能导航***，其特征在于，所述根据灰度范围得到白内障病变区域，包括的具体步骤如下：

在瞳孔区域灰度图中将属于异常病变区域的灰度范围的像素点灰度值置为1，不属于异常病变区域的灰度范围的像素点灰度值置为0，将灰度值为1的像素点构成的区域作为白内障病变区域。