CN117611585A - 一种基于图像处理的眼球壁形变分析方法及*** - Google Patents
一种基于图像处理的眼球壁形变分析方法及*** Download PDFInfo
- Publication number
- CN117611585A CN117611585A CN202410086805.6A CN202410086805A CN117611585A CN 117611585 A CN117611585 A CN 117611585A CN 202410086805 A CN202410086805 A CN 202410086805A CN 117611585 A CN117611585 A CN 117611585A
- Authority
- CN
- China
- Prior art keywords
- eyeball
- area
- dimensional
- curvature
- scleral
- 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.)
- Granted
Links
- 210000005252 bulbus oculi Anatomy 0.000 title claims abstract description 269
- 238000004458 analytical method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 title claims abstract description 32
- 230000008961 swelling Effects 0.000 claims abstract description 164
- 241000219095 Vitis Species 0.000 claims abstract description 162
- 235000009754 Vitis X bourquina Nutrition 0.000 claims abstract description 162
- 235000012333 Vitis X labruscana Nutrition 0.000 claims abstract description 162
- 235000014787 Vitis vinifera Nutrition 0.000 claims abstract description 162
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 210000003786 sclera Anatomy 0.000 claims description 55
- 210000001508 eye Anatomy 0.000 claims description 29
- 238000012800 visualization Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 19
- 210000004087 cornea Anatomy 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 230000002911 mydriatic effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000006185 dispersion Substances 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 6
- 238000002591 computed tomography Methods 0.000 claims description 5
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 208000006550 Mydriasis Diseases 0.000 claims description 4
- 208000016780 Scleredema Diseases 0.000 claims 1
- 206010055953 Scleroedema Diseases 0.000 claims 1
- 208000007754 scleredema adultorum Diseases 0.000 claims 1
- 238000010191 image analysis Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 230000002093 peripheral effect Effects 0.000 description 7
- 230000002452 interceptive effect Effects 0.000 description 6
- 238000012014 optical coherence tomography Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000009499 grossing Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 208000003926 Myelitis Diseases 0.000 description 3
- 208000001309 degenerative myopia Diseases 0.000 description 3
- 230000004340 degenerative myopia Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000012106 screening analysis Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 206010060823 Choroidal neovascularisation Diseases 0.000 description 1
- 208000035719 Maculopathy Diseases 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 206010039705 Scleritis Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008572 axis elongation Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 210000003161 choroid Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 208000002780 macular degeneration Diseases 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (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)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像分析技术领域,公开了一种基于图像处理的眼球壁形变分析方法及***,方法包括:根据眼球图像建立眼球壁的三维模型;获取三维模型上各点的高斯曲率和平均曲率,得到三维高斯曲率图和三维平均曲率图;根据三维高斯曲率图和高斯曲率预设阈值标记边缘区域;根据边缘区域判断是否存在巩膜葡萄肿形变;根据边缘区域确定巩膜葡萄肿区域边界;根据巩膜葡萄肿区域边界计算得到巩膜葡萄肿的扩张程度;进而得到眼球壁形变分析结果。使眼球壁的高斯曲率和平均曲率可视化展示,能够精确、定量地分析眼球壁的形变程度,准确界定巩膜葡萄肿的区域边界。
Description
技术领域
本发明涉及图像分析技术领域,尤其涉及一种基于图像处理的眼球壁形变分析方法及***。
背景技术
多种疾病可导致眼球壁形态异常改变,其中以病理性近视及其并发的后巩膜葡萄肿最为常见。病理性近视通常伴随进行性眼轴伸长和后巩膜葡萄肿,可以导致牵拉性黄斑病变、近视性脉络膜新生血管等严重影响视力的疾病。判断眼球壁的形变特征,特别是对后巩膜葡萄肿的形态、范围、形变程度、位置、数量以及随时间的变化对准确判断病理性近视的病情至关重要。
目前,对于眼球壁的形态改变的主要观察方法包括眼底照相\超广角眼底像、光学相干断层成像(OCT)\超广角光学相干断层成像(WF-OCT)、B型超声、核磁共振成像及核磁共振的3D成像。这些检查方法在临床应用时具有各自的优势但又具有一系列问题:(1)眼底照相的检查范围过小,无法对后巩膜葡萄肿的各种特点进行判断;(2)超广角眼底像虽然在检查范围上可以覆盖大部分后极部葡萄肿,但其对葡萄肿的空间结构无法做出判断;(3)OCT和WF-OCT虽然可以极其精细的判断所扫描区域的视网膜及脉络膜的细微结构,甚至还可以做到扫描部位的三维重建,但是光学断层成像的检查方法不仅受限于其扫描宽度的局限性,还受限于其二维扫描的本质,难以从整体的角度评价三维结构;(4)B超虽然可以从较大的尺度展示巩膜壁的形变特征,但其难以准确定位和精确测量,存在特殊情况下回声影像显示变形的情况;(5)磁共振和磁共振三维成像能够较为全面的反映眼球形态的全貌,但对于3D磁共振的结果解读更多依靠医生对3D重建后的光影渲染效果进行主观观察,没有对眼球壁形变特征进行定量分析的方法。缺乏整体性的曲面特征分析和精确的定量计算给临床判断巩膜形态改变,特别是分析后巩膜葡萄肿的形态、范围、形变程度、位置、数量以及随时间的变化具有较大困难。同时,对于轻度的巩膜形变,特别是早期的后巩膜葡萄肿缺乏敏感的诊断手段,对于后巩膜葡萄肿的形变程度缺乏准确的诊断依据。
因此,亟需一种基于图像处理的眼球壁形变分析方法及***,能够精确、定量地分析眼球壁的形变程度,准确界定巩膜葡萄肿的区域边界。
发明内容
为了解决上述技术问题,本发明提供了一种基于图像处理的眼球壁形变分析方法及***,能够精确、定量地分析眼球壁的形变程度,准确界定巩膜葡萄肿的区域边界。
本发明提供了一种基于图像处理的眼球壁形变分析方法,包括如下步骤:
S1、获取目标眼球的每一片层的图像,并根据目标眼球的每一片层的图像建立眼球壁的三维模型;其中,眼球壁包括角膜区域和巩膜区域;
S2、根据眼球壁的三维模型得到眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率,并通过可视化处理得到眼球壁的三维模型的三维高斯曲率图和三维平均曲率图;其中,可视化处理包括空间还原和颜色映射;
S3、根据三维高斯曲率图和眼球壁的三维模型的高斯曲率预设阈值,通过高亮颜色标记边缘区域;
S4、根据边缘区域判断眼球壁是否存在巩膜葡萄肿形变;若边缘区域呈环绕状分布,且以边缘区域环绕的区域内侧为中心,边缘区域至少存在于三个象限中,则判断眼球壁存在巩膜葡萄肿形变;
S5、若眼球壁存在巩膜葡萄肿形变,则根据边缘区域靠近角膜区域的一侧的各三维坐标点的三维坐标确定眼球壁的巩膜葡萄肿区域边界;
S6、根据巩膜葡萄肿区域边界得到巩膜葡萄肿区域扩张面积和巩膜葡萄肿区域未扩张面积,进而计算得到巩膜葡萄肿的扩张程度;
S7、根据各三维坐标点的高斯曲率、平均曲率和巩膜葡萄肿的扩张程度得到目标眼球的眼球壁形变分析结果;眼球壁形变分析结果包括眼球壁的形变程度和巩膜葡萄肿的扩张程度。
进一步的,S2中,根据眼球壁的三维模型得到眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率,并通过可视化处理得到眼球壁的三维模型的三维高斯曲率图和三维平均曲率图包括:
S21、根据眼球壁的三维模型得到眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率;
S22、根据各三维坐标点的高斯曲率和平均曲率,通过空间还原将三维模型上各三维坐标点还原至三维空间中,并将各三维坐标点对应的高斯曲率和平均曲率分别映射至该坐标点上,分别得到眼球壁的三维高斯曲率点云图和三维平均曲率点云图;
S23、根据三维高斯曲率点云图上各三维坐标点的高斯曲率值确定眼球壁的高斯曲率最大值和高斯曲率最小值,将高斯曲率最大值作为默认颜色区域的第一颜色,将高斯曲率最小值作为默认颜色区域的第二颜色,将高斯曲率最大值到高斯曲率最小值之间的范围与默认颜色区域进行关系映射,得到眼球壁的三维模型的三维高斯曲率图;
S24、根据三维平均曲率点云图上各三维坐标点的平均曲率值确定眼球壁的平均曲率最大值和平均曲率最小值,将平均曲率最大值作为默认颜色区域的第一颜色,将平均曲率最小值作为默认颜色区域的第二颜色,将平均曲率最大值到平均曲率最小值之间的范围与默认颜色区域进行关系映射,得到眼球壁的三维模型的三维平均曲率图。
进一步的,S3,根据三维高斯曲率图和眼球壁的三维模型的高斯曲率预设阈值,通过高亮颜色标记边缘区域包括:
S31、判断三维高斯曲率图上各三维坐标点的高斯曲率值是否小于等于高斯曲率预设阈值;
S32、若三维高斯曲率图上三维坐标点的高斯曲率值小于等于高斯曲率预设阈值,则将该三维坐标点标记为第一高亮颜色;
S33、若三维高斯曲率图上三维坐标点的高斯曲率值大于高斯曲率预设阈值,则将该三维坐标点标记为第二高亮颜色;
S34、将标记为第一高亮颜色的坐标点定义为边缘区域。
进一步的,在S4之后,还包括:
判断边缘区域是否闭合,若边缘区域为闭合边缘,进入S5;
若边缘区域为不闭合边缘,则通过连接各离散点得到闭合的边缘区域,并进入S5。
进一步的,S6,根据巩膜葡萄肿区域边界得到巩膜葡萄肿区域扩张面积和巩膜葡萄肿区域未扩张面积,进而计算得到巩膜葡萄肿的扩张程度,从而得到眼球壁的形变程度包括:
S61、根据眼球壁的三维模型得到目标眼球的表面积;
S62、根据巩膜葡萄肿区域边界,得到目标眼球的模拟无葡萄肿眼球的表面积;
S63、将目标眼球的表面积与模拟无葡萄肿眼球的表面积做差,得到巩膜葡萄肿区域扩张面积;
S64、根据巩膜葡萄肿区域边界得到巩膜葡萄肿的表面积;
S65、将巩膜葡萄肿的表面积与巩膜葡萄肿区域扩张面积做差,得到巩膜葡萄肿区域未扩张面积;
S66、将巩膜葡萄肿区域扩张面积除以巩膜葡萄肿区域未扩张面积,得到巩膜葡萄肿的扩张程度。
进一步的,S62,根据巩膜葡萄肿区域边界,得到目标眼球的模拟无葡萄肿眼球的表面积包括:
根据巩膜葡萄肿区域边界,对目标眼球的巩膜葡萄肿区域进行压缩,直至巩膜葡萄肿区域的高斯曲率满足要求,认为目标眼球的模拟无葡萄肿眼球的三维模型建立成功,根据模拟无葡萄肿眼球的三维模型得到模拟无葡萄肿眼球的表面积。
进一步的,直至巩膜葡萄肿区域的高斯曲率满足要求包括:
当巩膜区域的高斯曲率的离散率小于预设离散率时,判断巩膜葡萄肿区域的高斯曲率满足要求;其中,巩膜区域的高斯曲率的离散率通过巩膜区域的高斯曲率的标准差进行表示。
本发明还提供了一种基于图像处理的眼球壁形变分析***,包括:
获取模块,用于获取目标眼球的每一片层的图像,并根据目标眼球的每一片层的图像建立眼球壁的三维模型;其中,眼球壁包括角膜区域和巩膜区域;
三维曲率图生成模块,与获取模块连接,用于根据眼球壁的三维模型得到眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率,并通过可视化处理得到眼球壁的三维模型的三维高斯曲率图和三维平均曲率图;其中,可视化处理包括空间还原和颜色映射;
标记模块,与三维曲率图生成模块连接,用于根据三维高斯曲率图和眼球壁的三维模型的高斯曲率预设阈值,通过高亮颜色标记边缘区域;
判断模块,与标记模块连接,用于边缘区域判断眼球壁是否存在巩膜葡萄肿形变;
葡萄肿区域边界确定模块,与判断模块连接,用于根据边缘区域靠近角膜区域的一侧的各三维坐标点的三维坐标确定眼球壁的巩膜葡萄肿区域边界;
计算模块,与葡萄肿区域边界确定模块连接,用于根据巩膜葡萄肿区域边界得到巩膜葡萄肿区域扩张面积和巩膜葡萄肿区域未扩张面积,进而计算得到巩膜葡萄肿的扩张程度;
分析结果输出模块,与计算模块连接,用于根据各三维坐标点的高斯曲率、平均曲率和巩膜葡萄肿的扩张程度得到目标眼球的眼球壁形变分析结果。
进一步的,获取模块包括影像获取模块和三维建模模块;
影像获取模块用于通过核磁共振成像或电子计算机断层扫描获取目标眼球的每一片层的图像;
三维建模模块用于根据目标眼球的每一片层的图像建立眼球壁的三维模型。
进一步的,计算模块还包括无葡萄肿眼球模拟模块;无葡萄肿眼球模拟模块用于根据巩膜葡萄肿区域边界,对目标眼球的巩膜葡萄肿区域进行压缩,直至巩膜葡萄肿区域的高斯曲率满足要求,得到模拟无葡萄肿眼球的三维模型。
本发明实施例具有以下技术效果:
1、通过可视化处理中的空间还原操作使眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率还原至三维空间中进行展示,可以使眼球壁上各点的高斯曲率和平均曲率展示地更加直观,通过颜色映射还可以使眼球壁的形变特征展示地更加直观,便于对眼球壁的形变特征进行直观的了解。
2、通过结合三维平均曲率图、三维高斯曲率图和高斯曲率预设值可以综合判断目标眼球是否存在巩膜葡萄肿,以及准确界定巩膜葡萄肿的区域边界,能够对巩膜葡萄肿的筛查分析提供参考依据。
3、通过高斯曲率和平均曲率可以精确、定量地分析眼球壁的形变程度,通过巩膜葡萄肿的区域边界可以准确计算巩膜葡萄肿的扩张程度,从而得到眼球壁形变分析结果,为临床描述眼球壁形态学改变提供了准确的判断依据。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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它的附图。
图1是本发明实施例提供的一种基于图像处理的眼球壁形变分析方法的流程图;
图2是本发明实施例提供的一种无葡萄肿眼球的三维模型示意图;
图3是本发明实施例提供的一种有葡萄肿眼球的三维模型示意图;
图4是本发明实施例提供的一种眼球壁的三维模型的三维高斯曲率图的侧视图;
图5是本发明实施例提供的一种眼球壁的三维模型的三维高斯曲率图的后视图;
图6是本发明实施例提供的一种眼球壁的三维模型的三维平均曲率图的侧视图;
图7是本发明实施例提供的一种眼球壁的三维模型的三维平均曲率图的后视图;
图8是本发明实施例提供的一种眼球壁的高亮颜色标记边缘区域的侧视图;
图9是本发明实施例提供的一种眼球壁的高亮颜色标记边缘区域的后视图;
图10是本发明实施例提供的一种巩膜葡萄肿区域边界的示意图;
图11是本发明实施例提供的一种目标眼球与目标眼球的模拟无葡萄肿眼球的三维模型对比示意图;
图12是本发明实施例提供的一种巩膜葡萄肿的表面积的示意图;
图13是本发明实施例提供的一种箱式图;
图14是本发明实施例提供的一种巩膜葡萄肿及周边眼球壁曲率的放射线分析图;
图15是本发明实施例提供的一种三维交互可视化文件的示意图;
图16是本发明实施例提供的一种静态综合报告示意图;
图17是本发明实施例提供的一种基于图像处理的眼球壁形变分析***的结构示意图。
图中:
角膜区域1、巩膜区域2、巩膜葡萄肿区域3、第一高亮颜色4、第二稿亮颜色5、平均值6、最大值7、异常值8、上围篱值9、上四分位数10、中位数11、下四分位数12、下围篱值13、最小值14、指定点15、分析点16。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
目前现有的对于眼球壁的形变特征的观察方法无法在整体观察眼球壁的形变同时测量具体眼球壁形变特征的参数、无法分析眼球壁形变范围、无法提供具有可比性的定量数据。基于此,本发明还提供了一种基于图像处理的眼球壁形变分析方法。
图1是本发明实施例提供的一种基于图像处理的眼球壁形变分析方法的流程图。参见图1,具体包括:
S1、获取目标眼球的每一片层的图像,并根据目标眼球的每一片层的图像建立眼球壁的三维模型。
具体的,采用影像学技术对目标眼球进行扫描,获取目标眼球每一片层的眼部组织图像,其中,影像学技术可以包括核磁共振成像(MRI)、电子计算机断层扫描(CT)等。示例性地,当扫描方式采用核磁共振成像时,扫描模式采用脂肪抑制3D water模式,回波时间TE为800ms,重复时间TR为8000ms;当扫描方式采用采用电子计算机断层扫描时,重建扫描方式标准,设置管电压为120kV,管电流为200mA,层厚为0.625mm,螺距为0.938:1。
进一步的,图2是本发明实施例提供的一种无葡萄肿眼球的三维模型示意图,图3是本发明实施例提供的一种有葡萄肿眼球的三维模型示意图,参见图2和图3,根据目标眼球每一片层的眼部组织图像进行性自动阈值蒙版图像分割及手动蒙版修正图像分割,可精确标定目标眼球的眼球壁的轮廓范围,根据目标眼球的眼球壁的轮廓范围进行三维重建,其中,眼球壁包括角膜区域1和巩膜区域2,巩膜葡萄肿区域3位于巩膜区域2后部。在眼球壁的三维模型重建完成后,还可以使用3D建模工具软件进行平滑处理,示例性地,可以使用MeshMixer软件的smooth功能,smoothing设置为1,smoothing scale设置为4,constraintrings设置为3,存储文件格式包括但不限于“*.stl”,其中,此处的*表示文件名称。
S2、根据眼球壁的三维模型得到眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率,并通过可视化处理得到眼球壁的三维模型的三维高斯曲率图和三维平均曲率图。
其中,可视化处理可以包括空间还原和颜色映射。
S21、根据眼球壁的三维模型得到眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率。
S22、根据各三维坐标点的高斯曲率和平均曲率,通过空间还原将三维模型上各三维坐标点还原至三维空间中,并将各三维坐标点对应的高斯曲率和平均曲率分别映射至该坐标点上,分别得到眼球壁的三维高斯曲率点云图和三维平均曲率点云图。
S23、根据三维高斯曲率点云图上各三维坐标点的高斯曲率值确定眼球壁的高斯曲率最大值和高斯曲率最小值,将高斯曲率最大值作为默认颜色区域的第一颜色,将高斯曲率最小值作为默认颜色区域的第二颜色,将高斯曲率最大值到高斯曲率最小值之间的范围与默认颜色区域进行关系映射,得到眼球壁的三维模型的三维高斯曲率图。
具体的,图4是本发明实施例提供的一种眼球壁的三维模型的三维高斯曲率图的侧视图,图5是本发明实施例提供的一种眼球壁的三维模型的三维高斯曲率图的后视图,参见图4和图5,示例性地,默认颜色区域的第一颜色可以为红色,默认颜色区域的第二颜色可以为蓝色,高斯曲率最大值到高斯曲率最小值之间的高斯曲率值与默认颜色区域内红色至蓝色之间的过渡颜色对应设置。此外,还可以根据需要人为设置高斯曲率值对应的颜色区域,例如,高斯曲率值在0.4~0.5之间则对应红色,高斯曲率值在0.3~0.4之间则对应橘色等。
S24、根据三维平均曲率点云图上各三维坐标点的平均曲率值确定眼球壁的平均曲率最大值和平均曲率最小值,将平均曲率最大值作为默认颜色区域的第一颜色,将平均曲率最小值作为默认颜色区域的第二颜色,将平均曲率最大值到平均曲率最小值之间的范围与默认颜色区域进行关系映射,得到眼球壁的三维模型的三维平均曲率图。
具体的,图6是本发明实施例提供的一种眼球壁的三维模型的三维平均曲率图的侧视图,图7是本发明实施例提供的一种眼球壁的三维模型的三维平均曲率图的后视图,参见图6和图7,示例性地,默认颜色区域的第一颜色可以为红色,默认颜色区域的第二颜色可以为蓝色,平均曲率最大值到平均曲率最小值之间的平均曲率值与默认颜色区域内红色至蓝色之间的过渡颜色对应设置。此外,还可以根据需要人为设置平均曲率值对应的颜色区域,例如,平均曲率值在2~2.5之间则对应红色,高斯曲率值在1.5~2之间则对应橘色等。
S3、根据三维高斯曲率图和眼球壁的三维模型的高斯曲率预设阈值,通过高亮颜色标记边缘区域。
S31、判断三维高斯曲率图上各三维坐标点的高斯曲率值是否小于等于高斯曲率预设阈值。
示例性地,高斯曲率预设阈值可以根据需要进行设置,例如可以设置为0.04。
S32、若三维高斯曲率图上三维坐标点的高斯曲率值小于等于高斯曲率预设阈值,则将该三维坐标点标记为第一高亮颜色。
具体的,图8是本发明实施例提供的一种眼球壁的高亮颜色标记边缘区域的侧视图,图9是本发明实施例提供的一种眼球壁的高亮颜色标记边缘区域的后视图,参见图8和图9,以高斯曲率预设阈值为0.04为例,将高斯曲率值小于等于高斯曲率预设阈值的三维坐标点标记为第一高亮颜色4,其中,第一高亮颜色4可以任意设置,示例性地,可以为蓝色。
S33、若三维高斯曲率图上三维坐标点的高斯曲率值大于高斯曲率预设阈值,则将该三维坐标点标记为第二高亮颜色。
具体的,继续参见图8和图9,以高斯曲率预设阈值为0.04为例,将高斯曲率值大于高斯曲率预设阈值的三维坐标点标记为第二高亮颜色5,其中,第二高亮颜色5可以任意设置,示例性地,可以为黄色。优选地,可以选择视觉差别较大的对比色作为第一高亮颜色和第二高亮颜色。
S34、将标记为第一高亮颜色的坐标点定义为边缘区域。
S4、根据边缘区域判断眼球壁是否存在巩膜葡萄肿形变。
具体的,若边缘区域呈环绕状分布,且以边缘区域环绕的区域内侧为中心,边缘区域至少存在于三个象限中,则判断眼球壁存在巩膜葡萄肿形变。
进一步的,在步骤S4之后还包括:若眼球壁存在巩膜葡萄肿形变,判断边缘区域是否闭合,若边缘区域为闭合边缘,进入S5。若边缘区域为不闭合边缘,则通过连接各离散点得到闭合的边缘区域,并进入S5。
具体的,若边缘区域为不闭合边缘,则连接各离散点得到闭合的边缘区域的方法可以包括绘制凹包、绘制凸包等;以绘制凹包的方法为例,根据间断的边缘区域靠近角膜区域一侧的各三维坐标点绘制凹包,记录凹包线坐标并以凹包线作为闭合的边缘区域。
S5、若眼球壁存在巩膜葡萄肿形变,则根据边缘区域靠近角膜区域的一侧的各三维坐标点的三维坐标确定眼球壁的巩膜葡萄肿区域边界。
具体的,图10是本发明实施例提供的一种巩膜葡萄肿区域边界的示意图,参见图10,若眼球壁存在巩膜葡萄肿形变,则可以在边缘区域靠近角膜一侧的各三维坐标点中选取离散点,根据各离散点的三维坐标确定眼球壁的巩膜葡萄肿区域边界。
S6、根据巩膜葡萄肿区域边界得到巩膜葡萄肿区域扩张面积和巩膜葡萄肿区域未扩张面积,进而计算得到巩膜葡萄肿的扩张程度。
S61、根据眼球壁的三维模型得到目标眼球的表面积。
S62、根据巩膜葡萄肿区域边界,得到目标眼球的模拟无葡萄肿眼球的表面积。
具体的,图11是本发明实施例提供的一种目标眼球与目标眼球的模拟无葡萄肿眼球的三维模型对比示意图,参见图11,根据巩膜葡萄肿区域边界,对目标眼球的巩膜葡萄肿区域进行压缩,直至巩膜葡萄肿区域的高斯曲率满足要求,认为目标眼球的模拟无葡萄肿眼球的三维模型建立成功,根据模拟无葡萄肿眼球的三维模型得到模拟无葡萄肿眼球的表面积。其中,巩膜葡萄肿区域的高斯曲率是否满足要求可以通过巩膜区域的高斯曲率的离散率是否小于预设离散率进行判断,示例性地,当巩膜区域的高斯曲率的离散率小于预设离散率时,判断巩膜葡萄肿区域的高斯曲率满足要求;其中,巩膜区域的高斯曲率的离散率通过巩膜区域的高斯曲率的标准差进行表示。预设标准差的取值范围可以小于0.03,优选地取值可以为0.021,当巩膜区域的高斯曲率的标准差小于预设标准差时,可以认为巩膜区域的高斯曲率的离散率小于预设离散率,巩膜葡萄肿区域的高斯曲率满足要求。
S63、将目标眼球的表面积与模拟无葡萄肿眼球的表面积做差,得到巩膜葡萄肿区域扩张面积。
S64、根据巩膜葡萄肿区域边界得到巩膜葡萄肿的表面积。
具体的,图12是本发明实施例提供的一种巩膜葡萄肿的表面积的示意图,参见图12,根据眼球壁的三维模型的巩膜葡萄肿区域边界,将巩膜葡萄肿部分分割出来,根据分割出来的巩膜葡萄肿部分三维模型得到巩膜葡萄肿部分的表面积。
S65、将巩膜葡萄肿的表面积与巩膜葡萄肿区域扩张面积做差,得到巩膜葡萄肿区域未扩张面积。
S66、将巩膜葡萄肿区域扩张面积除以巩膜葡萄肿区域未扩张面积,得到巩膜葡萄肿的扩张程度。
S7、根据各三维坐标点的高斯曲率、平均曲率和巩膜葡萄肿的扩张程度得到目标眼球的眼球壁形变分析结果。
具体的,眼球壁形变分析结果可以包括眼球壁的形变程度和巩膜葡萄肿的扩张程度。其中,眼球壁的形变程度可以用高斯曲率、平均曲率、高斯曲率的离散率、平均曲率的离散率、高斯曲率和平均曲率的最大值和最小值等等进行描述。
示例性地,根据眼球壁的三维模型的高斯曲率计算高斯曲率离散率的功能,可以将传入参数specific_value设置为15,这样通过threshold = min_y + specific_value函数筛选出的坐标点就是y坐标距离角膜顶点大于15mm的所有的坐标点,以15mm后的巩膜区域作为绝对巩膜区域;其中,传入参数的设置值可以根据需要进行改变,不限于15。在一些实施例中,还可以采用眼轴倍数的相对阈值对巩膜区域进行定义,示例性地,可以通过threshold = min_y + (1 - ratio) * (max_y - min_y)函数定义相对巩膜区域,传入参数ratio是巩膜区域相对眼轴的比例,可以根据需要进行设置,若定义眼轴长度后80%的部分为相对巩膜区域,传入参数ratio就是0.8,若定义相对巩膜区域为眼轴长度的后40%的部分,传入参数ratio就是0.4。通过numpy.where()函数筛选出所有y坐标大于threshold的坐标点作为目标计算点,根据目标计算点通过numpy.mean()函数和numpy.std()函数计算巩膜区域的高斯曲率的均值和标准差。图13是本发明实施例提供的一种箱式图,参见图13,根据巩膜区域的高斯曲率的均值、标准差等数据,通过plotly.graph_objs.Box()函数绘制箱式图,通过plotly.graph_objs.Figure.write_html()函数将箱式图以html文件形式输出。通过numpy.argmax()函数查找巩膜区域的高斯曲率最大值所在点,从而确定巩膜葡萄肿的形变最大点。可选地,还可以绘制包含高斯曲率或平均曲率的平均值和标准差的条形图。
图14是本发明实施例提供的一种巩膜葡萄肿及周边眼球壁曲率的放射线分析图,参见图14,可以将这个形变最大点自动设置为眼球壁的三维模型的高斯曲率和平均曲率分析周边眼球壁曲率沿特定方向变化的特征的指定点15,也可以手动输入三维坐标设置指定点15。其中,依据眼球壁的三维模型的高斯曲率和平均曲率分析指定点周边眼球壁曲率沿特定方向变化的特征的功能可以通过筛选过指定点15平行于YOZ平面的垂直平面和平行于XOY的水平平面与眼球壁的三维模型相交位置小于判断阈值的点作为周边分析点16,判断阈值通常设定但不限于0.14。通过networkx.single_source_dijkstra_path_length()函数计算筛选出的分析点16沿着眼球表面与指定点15的距离,将小于预设距离的分析点16标记为黑色,预设距离通常设定但不限于15mm。将指定点15左侧、右侧、上方、下方四个方向的标记为黑色的分析点16按照不同方向进行分类,按照标记为黑色的分析点16沿眼球表面距离指定点15的距离从小到大排序,将每个分类的点坐标、曲率值、距离指定点距离以excel文件格式输出。通过plotly.graph_objs.Scatter3d()函数将分析点16和非分析点映射回三维空间,进行三维交互可视化处理,生成巩膜葡萄肿及周边眼球壁曲率的放射线分析图。
进一步的,图15是本发明实施例提供的一种三维交互可视化文件的示意图,参见图15,所有三维交互可视化文件均可通过鼠标指针悬停于某一坐标上点时通过文本框展示当前悬停点的三维坐标、曲率值,其文本框的颜色与悬停点由曲率值产生的映射颜色或筛选标记颜色一致。其中,三维交互可视化文件包括但不限于三维高斯曲率图、三维平均曲率图、高亮颜色标记边缘区域图、巩膜葡萄肿及周边眼球壁曲率的放射线分析图。
图16是本发明实施例提供的一种静态综合报告示意图,参见图16,综合上述各部分结果,最终输出静态综合报告。静态综合报告内容可以包含:被检测人姓名、性别、出生年月、磁共振检查日期、报告日期、报告眼别、全眼球壁的三维电子模型的高斯曲率和平均曲率的最大值和最小值、巩膜区域眼球壁高斯曲率的均值和标准差、巩膜区域相对全眼轴占比、后部巩膜y坐标起点、巩膜区域最大高斯曲率、巩膜区域最小高斯曲率、高斯曲率中位数、高斯曲率四分位数、三维交互可视化曲率图的代表性截图,内容及截图角度可以根据需要进行选取,示例性地,可以包括眼球壁的三维模型的三维高斯曲率图的后视图、眼球壁的三维模型的三维平均曲率图的后视图、高亮颜色标记边缘区域图的侧视图、巩膜区域高斯曲率箱式图、巩膜葡萄肿及周边眼球壁曲率的放射线分析图等,可以采用单页A4或单页B5大小彩色打印。
可选地,当目标眼球为巩膜葡萄肿眼球时,还可以在静态报告中输出巩膜葡萄肿的扩张程度等数据。
本发明实施例中,通过可视化展示眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率,可以使眼球壁上各点的高斯曲率和平均曲率展示地更加直观,通过颜色映射还可以使眼球壁的形变特征展示地更加直观,便于对眼球壁的形变特征进行直观的了解;
通过结合三维平均曲率图、三维高斯曲率图和高斯曲率预设值可以综合判断目标眼球是否存在巩膜葡萄肿,以及准确界定巩膜葡萄肿的区域边界,能够对巩膜葡萄肿的筛查分析提供参考依据;
通过高斯曲率和平均曲率可以精确、定量地分析眼球壁的形变程度,通过巩膜葡萄肿的区域边界可以准确计算巩膜葡萄肿的扩张程度,从而得到眼球壁形变分析结果,为临床描述眼球壁形态学改变提供了准确的判断依据。
图17是本发明实施例提供的一种基于图像处理的眼球壁形变分析***的结构示意图,参见图17,本发明还提供了一种基于图像处理的眼球壁形变分析***,用于执行上述任一项所述的一种基于图像处理的眼球壁形变分析方法,一种基于图像处理的眼球壁形变分析***采用python语言编写,可以引用以下函数库:trimesh、numpy、plotly、os、networkx、pandas、stl、re、openpyxl等。该***包括:获取模块、三维曲率图生成模块、判断模块、标记模块、葡萄肿区域边界确定模块、计算模块和分析结果输出模块。
具体的,获取模块用于获取目标眼球的每一片层的图像,并根据目标眼球的每一片层的图像建立眼球壁的三维模型,其中,眼球壁包括角膜区域和巩膜区域。获取模块还可以读取眼球壁的三维模型文件,将眼球壁的三维模型三角网格化,示例性地,将眼球壁的三维模型三角网格化的功能可以通过trimesh.load_mesh()函数实现。
进一步的,获取模块包括影像获取模块和三维建模模块:影像获取模块用于通过核磁共振成像或电子计算机断层扫描获取目标眼球的每一片层的图像;三维建模模块用于根据目标眼球的每一片层的图像建立眼球壁的三维模型。
三维曲率图生成模块用于根据眼球壁的三维模型得到眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率,并通过可视化处理得到眼球壁的三维模型的三维高斯曲率图和三维平均曲率图;其中,可视化处理包括空间还原和颜色映射。示例性地,根据三角网格化后的眼球壁的三维模型计算眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率的功能可以通过trimesh.curvature.discrete_gaussian_curvature_measure()函数和curvature.discrete_mean_curvature_measure()函数实现,其中,所需的传入参数radius可自行调整,用于确定计算范围,通常将传入参数radius取值为2。其中高斯曲率和平均曲率的最大值和最小值可以通过numpy.max()、numpy.min()函数获取。示例性地,可以通过plotly.graph_objs.Scatter3d()函数将眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率通过颜色映射还原到三维空间,进行三维交互可视化处理,并通过plotly.graph_objs.Figure.write_html()函数将可视化结果以html文件形式输出。
标记模块,用于根据三维高斯曲率图和眼球壁的三维模型的高斯曲率预设阈值,通过高亮颜色标记边缘区域。示例性地,可以通过plotly.graph_objs.Scatter3d()函数将高亮颜色标记后的三维坐标点映射回三维空间,进行所述眼球壁显著形变的边缘区域的三维交互可视化处理。
标记模块还用于在边缘区域为不闭合边缘时,在边缘区域靠近角膜一侧的各三维坐标点中选取离散点,通过连接各离散点得到闭合的边缘区域。
判断模块,用于根据边缘区域判断眼球壁是否存在巩膜葡萄肿形变。
葡萄肿区域边界确定模块,用于根据边缘区域靠近角膜区域的一侧的各三维坐标点的三维坐标确定眼球壁的巩膜葡萄肿区域边界。
计算模块,用于根据巩膜葡萄肿区域边界得到巩膜葡萄肿区域扩张面积和巩膜葡萄肿区域未扩张面积,进而计算得到巩膜葡萄肿的扩张程度。
进一步的,计算模块还包括无葡萄肿眼球模拟模块,无葡萄肿眼球模拟模块用于根据巩膜葡萄肿区域边界,对目标眼球的巩膜葡萄肿区域进行压缩,直至巩膜葡萄肿区域的高斯曲率满足要求,得到模拟无葡萄肿眼球的三维模型。
分析结果输出模块,用于根据各三维坐标点的高斯曲率、平均曲率和巩膜葡萄肿的扩张程度得到目标眼球的眼球壁形变分析结果。
本发明实施例中,通过基于图像处理的眼球壁形变分析***可以使眼球壁的高斯曲率和平均曲率可视化展示,能够精确、定量地分析眼球壁的形变程度,准确界定巩膜葡萄肿的区域边界,从而对巩膜葡萄肿的筛查分析提供参考依据,为临床描述眼球壁形态学改变提供了准确的判断依据。
需要说明的是,本发明所用术语仅为了描述特定实施例,而非限制本申请范围。如本发明说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (10)
1.一种基于图像处理的眼球壁形变分析方法,其特征在于,包括如下步骤:
S1、获取目标眼球的每一片层的图像,并根据所述目标眼球的每一片层的图像建立眼球壁的三维模型;其中,所述眼球壁包括角膜区域和巩膜区域;
S2、根据所述眼球壁的三维模型得到所述眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率,并通过可视化处理得到所述眼球壁的三维模型的三维高斯曲率图和三维平均曲率图;其中,所述可视化处理包括空间还原和颜色映射;
S3、根据所述三维高斯曲率图和所述眼球壁的三维模型的高斯曲率预设阈值,通过高亮颜色标记边缘区域;
S4、根据所述边缘区域判断所述眼球壁是否存在巩膜葡萄肿形变;若所述边缘区域呈环绕状分布,且以所述边缘区域环绕的区域内侧为中心,所述边缘区域至少存在于三个象限中,则判断所述眼球壁存在巩膜葡萄肿形变;
S5、若所述眼球壁存在巩膜葡萄肿形变,则根据所述边缘区域靠近角膜区域的一侧的各三维坐标点的三维坐标确定所述眼球壁的巩膜葡萄肿区域边界;
S6、根据所述巩膜葡萄肿区域边界得到巩膜葡萄肿区域扩张面积和巩膜葡萄肿区域未扩张面积,进而计算得到所述巩膜葡萄肿的扩张程度;
S7、根据各三维坐标点的高斯曲率、平均曲率和巩膜葡萄肿的扩张程度得到目标眼球的眼球壁形变分析结果;所述眼球壁形变分析结果包括眼球壁的形变程度和巩膜葡萄肿的扩张程度。
2.根据权利要求1所述的一种基于图像处理的眼球壁形变分析方法,其特征在于,所述S2中,所述根据所述眼球壁的三维模型得到所述眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率,并通过可视化处理得到所述眼球壁的三维模型的三维高斯曲率图和三维平均曲率图包括:
S21、根据所述眼球壁的三维模型得到所述眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率;
S22、根据各三维坐标点的高斯曲率和平均曲率,通过空间还原将三维模型上各三维坐标点还原至三维空间中,并将各三维坐标点对应的高斯曲率和平均曲率分别映射至该坐标点上,分别得到所述眼球壁的三维高斯曲率点云图和三维平均曲率点云图;
S23、根据所述三维高斯曲率点云图上各三维坐标点的高斯曲率值确定所述眼球壁的高斯曲率最大值和高斯曲率最小值,将所述高斯曲率最大值作为默认颜色区域的第一颜色,将所述高斯曲率最小值作为默认颜色区域的第二颜色,将所述高斯曲率最大值到高斯曲率最小值之间的范围与所述默认颜色区域进行关系映射,得到所述眼球壁的三维模型的三维高斯曲率图;
S24、根据所述三维平均曲率点云图上各三维坐标点的平均曲率值确定所述眼球壁的平均曲率最大值和平均曲率最小值,将所述平均曲率最大值作为默认颜色区域的第一颜色,将所述平均曲率最小值作为默认颜色区域的第二颜色,将所述平均曲率最大值到平均曲率最小值之间的范围与所述默认颜色区域进行关系映射,得到所述眼球壁的三维模型的三维平均曲率图。
3.根据权利要求2所述的一种基于图像处理的眼球壁形变分析方法,其特征在于,所述S3,所述根据所述三维高斯曲率图和所述眼球壁的三维模型的高斯曲率预设阈值,通过高亮颜色标记边缘区域包括:
S31、判断所述三维高斯曲率图上各三维坐标点的高斯曲率值是否小于等于所述高斯曲率预设阈值;
S32、若所述三维高斯曲率图上所述三维坐标点的高斯曲率值小于等于所述高斯曲率预设阈值,则将所述三维坐标点标记为第一高亮颜色;
S33、若所述三维高斯曲率图上所述三维坐标点的高斯曲率值大于所述高斯曲率预设阈值,则将该三维坐标点标记为第二高亮颜色;
S34、将标记为第一高亮颜色的坐标点定义为所述边缘区域。
4.根据权利要求1所述的一种基于图像处理的眼球壁形变分析方法,其特征在于,在所述S4之后,还包括:
判断所述边缘区域是否闭合,若所述边缘区域为闭合边缘,进入S5;
若所述边缘区域为不闭合边缘,则通过连接各离散点得到闭合的边缘区域,并进入S5。
5.根据权利要求1所述的一种基于图像处理的眼球壁形变分析方法,其特征在于,所述S6,所述根据所述巩膜葡萄肿区域边界得到巩膜葡萄肿区域扩张面积和巩膜葡萄肿区域未扩张面积,进而计算得到所述巩膜葡萄肿的扩张程度,从而得到眼球壁的形变程度包括:
S61、根据所述眼球壁的三维模型得到目标眼球的表面积;
S62、根据所述巩膜葡萄肿区域边界,得到所述目标眼球的模拟无葡萄肿眼球的表面积;
S63、将所述目标眼球的表面积与所述模拟无葡萄肿眼球的表面积做差,得到巩膜葡萄肿区域扩张面积;
S64、根据所述巩膜葡萄肿区域边界得到所述巩膜葡萄肿的表面积;
S65、将所述巩膜葡萄肿的表面积与所述巩膜葡萄肿区域扩张面积做差,得到巩膜葡萄肿区域未扩张面积;
S66、将所述巩膜葡萄肿区域扩张面积除以所述巩膜葡萄肿区域未扩张面积,得到所述巩膜葡萄肿的扩张程度。
6.根据权利要求5所述的一种基于图像处理的眼球壁形变分析方法,其特征在于,所述S62,所述根据所述巩膜葡萄肿区域边界,得到所述目标眼球的模拟无葡萄肿眼球的表面积包括:
根据所述巩膜葡萄肿区域边界,对所述目标眼球的巩膜葡萄肿区域进行压缩,直至巩膜葡萄肿区域的高斯曲率满足要求,认为所述目标眼球的模拟无葡萄肿眼球的三维模型建立成功,根据所述模拟无葡萄肿眼球的三维模型得到模拟无葡萄肿眼球的表面积。
7.根据权利要求6所述的一种基于图像处理的眼球壁形变分析方法,其特征在于,所述直至巩膜葡萄肿区域的高斯曲率满足要求包括:
当所述巩膜区域的高斯曲率的离散率小于预设离散率时,判断巩膜葡萄肿区域的高斯曲率满足要求;其中,巩膜区域的高斯曲率的离散率通过巩膜区域的高斯曲率的标准差进行表示。
8.一种基于图像处理的眼球壁形变分析***,用于执行如权利要求1-7任一项所述的一种基于图像处理的眼球壁形变分析方法,其特征在于,***包括:
获取模块,用于获取目标眼球的每一片层的图像,并根据所述目标眼球的每一片层的图像建立眼球壁的三维模型;其中,所述眼球壁包括角膜区域和巩膜区域;
三维曲率图生成模块,与所述获取模块连接,用于根据所述眼球壁的三维模型得到所述眼球壁的三维模型上各三维坐标点的高斯曲率和平均曲率,并通过可视化处理得到所述眼球壁的三维模型的三维高斯曲率图和三维平均曲率图;其中,所述可视化处理包括空间还原和颜色映射;
标记模块,与所述三维曲率图生成模块连接,用于根据所述三维高斯曲率图和所述眼球壁的三维模型的高斯曲率预设阈值,通过高亮颜色标记边缘区域;
判断模块,与所述标记模块连接,用于根据所述边缘区域判断所述眼球壁是否存在巩膜葡萄肿形变;
葡萄肿区域边界确定模块,与所述判断模块连接,用于根据所述边缘区域靠近角膜区域的一侧的各三维坐标点的三维坐标确定所述眼球壁的巩膜葡萄肿区域边界;
计算模块,与所述葡萄肿区域边界确定模块连接,用于根据所述巩膜葡萄肿区域边界得到巩膜葡萄肿区域扩张面积和巩膜葡萄肿区域未扩张面积,进而计算得到所述巩膜葡萄肿的扩张程度;
分析结果输出模块,与所述计算模块连接,用于根据各三维坐标点的高斯曲率、平均曲率和巩膜葡萄肿的扩张程度得到目标眼球的眼球壁形变分析结果。
9.根据权利要求8所述的一种基于图像处理的眼球壁形变分析***,其特征在于,所述获取模块包括影像获取模块和三维建模模块;
所述影像获取模块用于通过核磁共振成像或电子计算机断层扫描获取所述目标眼球的每一片层的图像;
所述三维建模模块用于根据所述目标眼球的每一片层的图像建立眼球壁的三维模型。
10.根据权利要求8所述的一种基于图像处理的眼球壁形变分析***,其特征在于,所述计算模块还包括无葡萄肿眼球模拟模块;
所述无葡萄肿眼球模拟模块用于根据所述巩膜葡萄肿区域边界,对所述目标眼球的巩膜葡萄肿区域进行压缩,直至巩膜葡萄肿区域的高斯曲率满足要求,得到模拟无葡萄肿眼球的三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410086805.6A CN117611585B (zh) | 2024-01-22 | 2024-01-22 | 一种基于图像处理的眼球壁形变分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410086805.6A CN117611585B (zh) | 2024-01-22 | 2024-01-22 | 一种基于图像处理的眼球壁形变分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117611585A true CN117611585A (zh) | 2024-02-27 |
CN117611585B CN117611585B (zh) | 2024-06-18 |
Family
ID=89960147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410086805.6A Active CN117611585B (zh) | 2024-01-22 | 2024-01-22 | 一种基于图像处理的眼球壁形变分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117611585B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070291228A1 (en) * | 2006-05-01 | 2007-12-20 | University Of Southern California | Gaussian fitting on mean curvature maps of parameterization of corneal ectatic diseases |
CN103955941A (zh) * | 2014-05-21 | 2014-07-30 | 重庆理工大学 | 一种角膜内皮细胞分析仪及分析方法 |
CN105066901A (zh) * | 2015-07-16 | 2015-11-18 | 复旦大学附属金山医院 | 一种离体测量计算实验动物眼球形态及眼轴和曲率的方法 |
CN109685770A (zh) * | 2018-12-05 | 2019-04-26 | 合肥奥比斯科技有限公司 | 视网膜血管弯曲度确定方法 |
CN115120178A (zh) * | 2022-07-03 | 2022-09-30 | 灵动翘睫(深圳)科技有限公司 | 一种获取眼球前表面曲率的方法 |
CN116491893A (zh) * | 2023-06-28 | 2023-07-28 | 依未科技(北京)有限公司 | 高度近视眼底改变评估方法及装置、电子设备及存储介质 |
CN116682564A (zh) * | 2023-07-27 | 2023-09-01 | 首都医科大学附属北京友谊医院 | 基于机器学习的近视牵引性黄斑病变风险预测方法及装置 |
-
2024
- 2024-01-22 CN CN202410086805.6A patent/CN117611585B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070291228A1 (en) * | 2006-05-01 | 2007-12-20 | University Of Southern California | Gaussian fitting on mean curvature maps of parameterization of corneal ectatic diseases |
CN103955941A (zh) * | 2014-05-21 | 2014-07-30 | 重庆理工大学 | 一种角膜内皮细胞分析仪及分析方法 |
CN105066901A (zh) * | 2015-07-16 | 2015-11-18 | 复旦大学附属金山医院 | 一种离体测量计算实验动物眼球形态及眼轴和曲率的方法 |
CN109685770A (zh) * | 2018-12-05 | 2019-04-26 | 合肥奥比斯科技有限公司 | 视网膜血管弯曲度确定方法 |
CN115120178A (zh) * | 2022-07-03 | 2022-09-30 | 灵动翘睫(深圳)科技有限公司 | 一种获取眼球前表面曲率的方法 |
CN116491893A (zh) * | 2023-06-28 | 2023-07-28 | 依未科技(北京)有限公司 | 高度近视眼底改变评估方法及装置、电子设备及存储介质 |
CN116682564A (zh) * | 2023-07-27 | 2023-09-01 | 首都医科大学附属北京友谊医院 | 基于机器学习的近视牵引性黄斑病变风险预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
LIN LIU ET AL.: "Analysis of morphological and quantitative changes in pathological myopia and perioperative changes in posterior scleral reinforcement using three-dimensional magnet resonance imaging", FRONTIERS IN BIOENGINEERING AND BIOTECHNOLOGY, 15 December 2023 (2023-12-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117611585B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106157297B (zh) | 图像处理装置和图像处理方法 | |
US20210390696A1 (en) | Medical image processing apparatus, medical image processing method and computer-readable storage medium | |
US8081808B2 (en) | Retinal thickness measurement by combined fundus image and three-dimensional optical coherence tomography | |
GB2589250A (en) | Medical image processing device, medical image processing method and program | |
US8401246B2 (en) | Mapping of retinal parameters from combined fundus image and three-dimensional optical coherence tomography | |
JP6469387B2 (ja) | 眼底解析装置 | |
KR20210041046A (ko) | 의료용 화상 처리 장치, 의료용 화상 처리 방법, 컴퓨터 판독가능 매체, 및 학습 완료 모델 | |
US11922601B2 (en) | Medical image processing apparatus, medical image processing method and computer-readable medium | |
CN102469937B (zh) | 断层图像摄像设备及其控制方法 | |
JP6526145B2 (ja) | 画像処理システム、処理方法及びプログラム | |
CN113557714A (zh) | 医学图像处理装置、医学图像处理方法和程序 | |
JP7260884B2 (ja) | 三次元(3d)超音波画像の処理 | |
US9299148B2 (en) | Method and system for automatically determining a localizer in a scout image | |
US11049255B2 (en) | Image processing device and method thereof | |
EP4029432A1 (en) | Slit lamp microscope, ophthalmic information processing device, ophthalmic system, method for controlling slit lamp microscope, program, and recording medium | |
US20140081130A1 (en) | Automated analysis of the optic nerve head: measurements, methods and representations | |
JP6038438B2 (ja) | 眼底画像解析装置、眼底画像解析方法及びプログラム | |
Ikram et al. | Comparing ophthalmoscopy, slide viewing, and semiautomated systems in optic disc morphometry | |
JP6192496B2 (ja) | 眼科疾患判定用の画像解析装置および眼科用の画像解析方法 | |
CN117611585B (zh) | 一种基于图像处理的眼球壁形变分析方法及*** | |
Garcia-Marin et al. | Patch-based CNN for corneal segmentation of AS-OCT images: Effect of the number of classes and image quality upon performance | |
EP3861524B1 (en) | Method for automatic shape quantification of an optic nerve head | |
CN113558564B (zh) | 一种基于单纯高度近视数据库构建的数据处理*** | |
Farinella et al. | Unambiguous Analysis of Woman Breast Shape for Plastic Surgery Outcome Evaluation. | |
JP6481432B2 (ja) | 眼底画像処理装置 |
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 |