KR101566618B1 - 충혈도 산출 방법 및 장치 - Google Patents
충혈도 산출 방법 및 장치 Download PDFInfo
- Publication number
- KR101566618B1 KR101566618B1 KR1020140060591A KR20140060591A KR101566618B1 KR 101566618 B1 KR101566618 B1 KR 101566618B1 KR 1020140060591 A KR1020140060591 A KR 1020140060591A KR 20140060591 A KR20140060591 A KR 20140060591A KR 101566618 B1 KR101566618 B1 KR 101566618B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- channel
- acquiring
- algorithm
- degree
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 206010020565 Hyperaemia Diseases 0.000 title abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 65
- 210000001508 eye Anatomy 0.000 claims abstract description 35
- 230000003044 adaptive effect Effects 0.000 claims abstract description 15
- 210000005252 bulbus oculi Anatomy 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 52
- 210000003743 erythrocyte Anatomy 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004820 blood count Methods 0.000 claims description 3
- 210000003786 sclera Anatomy 0.000 abstract description 12
- 238000007796 conventional method Methods 0.000 description 11
- 238000004088 simulation Methods 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 7
- 239000008280 blood Substances 0.000 description 7
- 210000004204 blood vessel Anatomy 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 241000282465 Canis Species 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 210000000795 conjunctiva Anatomy 0.000 description 1
- 210000004087 cornea Anatomy 0.000 description 1
- 210000000695 crystalline len Anatomy 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
본 발명은 충혈도 산출 방법 및 그 방법을 적용한 장치에 관한 것이다. 구체적으로, 본 발명은 안구의 공막(sclera, 안구의 대부분을 싸고 있는 흰색의 막으로 눈의 흰자위에 해당하는 부분) 영역의 영상 정보에 대해 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘을 적용하여 안구의 충혈도 정도를 산출하는 방법 및 장치에 관한 것이다.
Description
본 발명은 충혈도 산출 방법 및 그 방법을 적용한 장치에 관한 것이다. 구체적으로, 본 발명은 안구의 공막(sclera, 안구의 대부분을 싸고 있는 흰색의 막으로 눈의 흰자위에 해당하는 부분) 영역의 영상 정보에 대해 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘을 적용하여 안구의 충혈도 정도를 산출하는 방법 및 장치에 관한 것이다.
전안부 영상에서의 영상처리 연구는 다양한 분야에서 적용되고 있다. 특히, 질병진단과 관련하여 충혈을 측정하기 위해 공막(sclera)을 분할하여 미세혈관이 있는 부분을 계산하여 정량화하여 정량화된 분석법에 따른 충혈 연구가 증가하고 있다.
이를 위해, 안구 내 공막 영역 중 충혈된 혈관 영역을 정확히 추출해야 하는데, 충혈된 혈관에는 잡음 성분이 많이 포함되어 있기 때문에 혈관의 정확한 경계값을 검출하기 위해 다양한 알고리즘이 제시되어 왔다. 뿐만 아니라, 전체 안구 대비 충혈된 정도를 정확히 파악하기 위하여 획득된 영상 정보에서 눈의 윤곽선을 정확하게 추출하기 위한 다양한 알고리즘 또한 제시되어 왔다.
그러나, 종래의 알고리즘을 적용하여 산출되는 충혈도 등급 정도는 임상적인 충혈도 정도와의 일치율이 낮아 실제 환자의 안구 충혈도 정도를 판단하기 위해 활용하기에는 신뢰도가 매우 낮다는 문제점이 있었다.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, 종래 대비 신뢰도가 높게 안구의 충혈도 정도를 측정할 수 있는 충혈도 산출 방법 및 장치를 제공하고자 한다.
본 발명의 일 측면에 따른 충혈도 산출 방법은 안구 영상을 획득하는 안구 영상 획득 단계; 획득된 영상 정보를 XYZ 채널 영상으로 변환하는 영상 채널 변환 단계; 채널 변환된 영상 중 Y 채널 영상에 CLAHE 알고리즘을 적용하여 Y채널 영상의 콘트라스트를 조정하는 CLAHE 영상 처리 단계; 채널 변환된 영상 중 Z 채널 영상과 CLAHE 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 차분 영상 획득 단계; 및 상기 차분 영상 획득 단계를 통해 획득된 차분 영상을 이용하여 안구의 충혈도를 산출하는 충혈도 산출 단계;를 포함한다.
상기 안구 영상 획득 단계는, 전안부 영상을 획득하는 전안부 영상 획득 단계; 및 상기 전안부 영상 중 공막 영역만으로 구성된 안구 영상을 획득하는 공막 영상 획득 단계;를 포함할 수 있다.
채널 변환된 영상 중 Z 채널 영상의 잡음을 제거하는 Z 채널 영상 처리 단계;를 더 포함하고, 상기 차분 영상 획득 단계는, 영상 처리된 Z 채널 영상과 CLAHE 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득할 수 있다.
상기 차분 영상 획득 단계는, 채널 변환된 영상 중 Z 채널 영상과 CLAHE 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 제1 차분 영상 획득 단계; 및 상기 제1 차분 영상 획득 단계를 통해 획득된 차분 영상에 1 회 이상 CLAHE 알고리즘을 적용하여 콘트라스트가 조정된 영상을 획득하는 제2 차분 영상 획득 단계;를 포함할 수 있다.
상기 차분 영상 획득 단계를 통해 획득된 차분 영상에 FCM 알고리즘을 적용하여 보정된 영상을 획득하는 FCM 알고리즘 적용 단계;를 더 포함하고, 상기 충혈도 산출 단계는, 상기 FCM 알고리즘을 적용하여 획득된 영상 정보를 이용하여 안구의 충혈도를 산출할 수 있다.
상기 충혈도 산출 단계는, 상기 차분 영상 획득 단계를 통해 획득된 차분 영상의 전체 픽셀 개수 대비 픽셀 값이 문턱값 이상인 픽셀 개수의 비율을 산출하여 충혈도를 산출할 수 있다.
본 발명의 다른 측면에 따른 충혈도 산출 장치는 안구 영상을 획득하는 안구 영상 획득부; 상기 안구 영상 획득부를 통해 획득된 영상 정보를 XYZ 채널 영상 정보로 변환하는 영상 채널 변환부; 채널 변환된 영상 중 Y 채널 영상에 CLAHE 알고리즘을 적용하고, 채널 변환된 영상 중 Z 채널 영상과 상기 CLAHE 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 영상 처리부; 상기 영상 처리부를 통해 획득된 차분 영상을 이용하여 안구의 충혈도를 산출하는 충혈도 산출부;를 포함한다.
상기 안구 영상 획득부는, 전안부 영상을 획득하는 전안부 영상 획득부; 및 상기 전안부 영상 중 공막 영역만으로 구성된 안구 영상을 획득하는 공막 영상 획득부;를 포함할 수 있다.
상기 영상 처리부는, XYZ 채널 변환된 영상 중 Y 채널 영상에 CLAHE 알고리즘을 적용하여 콘트라스트를 조정하는 Y 채널 영상 처리부; XYZ 채널 변환된 영상 중 Z 채널 영상의 잡음을 제거하는 Z 채널 영상 처리부; 및 영상 처리된 Z 채널 영상과 CLAHE 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 차분 영상 획득부;를 포함할 수 있다.
상기 영상 처리부는, Z 채널 영상과 CLAHE 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 차분 영상 획득부; 및 상기 차분 영상 획득부를 통해 획득된 차분 영상에 대해 1 회 이상 CLAHE 알고리즘을 적용한 영상을 획득하는 CLAHE 적용 차분 영상 획득부;를 포함할 수 있다.
상기 영상 처리부를 통해 획득된 차분 영상에 FCM 알고리즘을 적용하여 영상 정보를 보정하는 FCM 알고리즘 처리부;를 더 포함하고, 상기 충혈도 산출부는, 상기 FCM 알고리즘을 적용하여 획득된 영상 정보를 이용하여 안구의 충혈도를 산출할 수 있다.
상기 충혈도 산출부는, 상기 영상 처리부를 통해 획득된 차분 영상의 전체 픽셀 개수 대비 픽셀 값이 문턱값 이상인 픽셀 개수의 비율을 산출하여 충혈도를 산출할 수 있다.
본 발명의 바람직한 실시예에 따른 충혈도 산출 방법 및 장치는 XYZ 채널 영상으로 변환된 채널 영상 정보에 대해 CLAHE 알고리즘을 적용함으로써 종래 기술 대비 산출되는 안구 영상의 충혈도 정도의 신뢰도를 높일 수 있다는 효과가 있다.
도 1은 본 발명의 일 예에 따른 충혈도 산출 방법을 나타낸 흐름도,
도 2는 본 발명의 다른 예에 따른 충혈도 산출 장치를 나타낸 도면,
도 3은 종래기술 및 본 발명에 따른 충혈도 산출 방법을 비교하기 위해 활용된 등급별 기준 안구 영상을 나타낸 도면,
도 4는 종래기술 및 본 발명에 따른 충혈도 산출 방법의 제1 시뮬레이션 결과를 나타낸 그래프,
도 5는 종래기술 및 본 발명에 따른 충혈도 산출 방법의 제2 시뮬레이션 결과를 나타낸 그래프,
도 6은 종래기술 및 본 발명에 따른 충혈도 산출 방법의 제2 시뮬레이션 결과에 따른 각 등급별 충혈도 차이 및 표준오차를 나타낸 표, 및
도 7은 종래기술 및 본 발명에 따른 충혈도 산출 방법의 ROC 곡선을 나타낸 도면이다.
도 2는 본 발명의 다른 예에 따른 충혈도 산출 장치를 나타낸 도면,
도 3은 종래기술 및 본 발명에 따른 충혈도 산출 방법을 비교하기 위해 활용된 등급별 기준 안구 영상을 나타낸 도면,
도 4는 종래기술 및 본 발명에 따른 충혈도 산출 방법의 제1 시뮬레이션 결과를 나타낸 그래프,
도 5는 종래기술 및 본 발명에 따른 충혈도 산출 방법의 제2 시뮬레이션 결과를 나타낸 그래프,
도 6은 종래기술 및 본 발명에 따른 충혈도 산출 방법의 제2 시뮬레이션 결과에 따른 각 등급별 충혈도 차이 및 표준오차를 나타낸 표, 및
도 7은 종래기술 및 본 발명에 따른 충혈도 산출 방법의 ROC 곡선을 나타낸 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 본 발명의 실시예를 첨부한 도면들을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 예에 따른 충혈도 산출 방법을 나타낸 흐름도이며, 도 2는 본 발명의 다른 예에 따른 충혈도 산출 장치를 나타낸 도면이다.
도 2에 도시된 바와 같이, 본 발명에 적용가능한 바람직한 실시예에 따른 충혈도 산출 장치는 안구 영상 획득부, 영상 채널 변환부, 영상 처리부, 충혈도 산출부를 포함한다. 이때, 안구 영상 획득부는 전안부 영상 획득부 및 공막 영상 획득부;를 포함할 수 있으며, 영상 처리부는 차분 영상 획득부, CLAHE 영상 처리부 및 FCM 영상 처리부를 포함할 수 있다.
이하, 본 발명에 따른 충혈도 산출 장치의 충혈도 산출 방법에 대하여 도 1 및 도 2를 통해 상세히 설명한다.
안구 영상 획득부(100)는 환자의 안구 영상을 획득한다. 이때, 안구 영상 획득부로는 환자의 안구 영상을 획득할 수 있는 모든 이미지 센서가 적용될 수 있다. 예를 들어, CIS(CMOS Image Sensor), CCD(Charged-Coupled Device) 등의 광학 소자나, 이들을 포함하는 다양한 해상도의 카메라 모듈 등이 적용될 수 있다.
본 발명에 적용가능한 실시예에서 상기 안구 영상 획득부(100)는 전안부 영상 획득부(110) 및 공막 영상 획득부(120)를 포함할 수 있다.
전안부 영상 획득부(110)는 환자의 전안부에 대한 영상을 획득한다(S110). 전안부(前眼部, anterior segment)라 함은, 겉으로 보이는 눈의 앞부분으로 각막-검은자, 결막, 공막 및 수정체를 의미한다. 즉, 전안부 영상 획득부(110)는 상기 S110 단계를 통해 환자의 안구 중 앞부분에 대한 영상을 획득할 수 있다.
이어, 공막 영상 획득부(120)는 상기 S110 단계를 통해 획득된 전안부 영상 중 공막 영역만으로 구성된 안구 영상을 획득한다(S120). 공막(鞏膜, sclera)은 안구의 대부분을 싸고 있는 흰색의 막으로 눈의 흰자위에 해당하는 부분을 의미한다. 따라서 공막 영상 획득부(120)는 S120 단계를 통해 전안부 영상 중 공막에 해당되는 영역만을 추출할 수 있다. 이때, 상기 공막 영상 획득부(120)가 공막에 해당되는 영역을 추출하는 방법으로는 다양한 방법이 적용될 수 있다. 예를 들어, Daugman의 원형 검출기를 이용한 방법, 화소값 정보를 이용한 방법, 동공에 대한 경계선(edge) 정보를 추출하는 방법 등을 활용하여 전안부 영상 중 공막에 해당되는 영역만을 추출할 수 있다. 상기 예는 일 실시예에 불과하며, 본 발명의 공막 영상을 획득하는 방법은 상기 실시예로 한정되지 않는다.
영상 채널 변환부(200)는 상기 안구 영상 획득부(100)를 통해 획득된 영상 정보를 XYZ 채널 영상 정보로 변환한다(S130). 바람직한 실시예로, 상기 영상 채널 변환부(200)는 공막 영상 획득부(120)를 통해 획득된 공막 영역에 대한 영상 정보를 XYZ 채널 영상 정보로 변환할 수 있다.
XYZ 색 공간(또는, CIE 1931 색 공간)은 인간의 색채 인지에 대한 연구를 바탕으로 수학적으로 정의된 색 공간 가운데 하나로, X,Y,Z는 각각 빨강, 초록, 파랑과 비슷한 색깔이다. 그러나, 단일 파장의 색과 일치되는 RGB 삼원색의 혼합량에 대한 실험 결과를 살펴보면, 일부 구간(일부 단일 파장 구간)에서 R 이 음의 자극치를 나타내고 있어 현실적으로 구현이 불가능하다는 문제점이 있었다. 이에 RGB 삼원색과 다른 가상의 삼원색(Imaginay Primaries)을 정하고 이들의 혼합을 통해 모든 파장의 색을 표시할 수 있는 XYZ 색 공간을 정의하였다.
상기 영상 채널 변환부(200)는 획득된 공막 영상 정보를 상기와 같은 XYZ 채널 영상 정보로 변환한다. 다시 말해, RGB 등의 색 공간으로 구성된 공막 영상 정보가 X채널, Y 채널 및 Z 채널 영상 정보의 합으로 구현될 수 있도록 상기 공막 영상 정보를 XYZ 채널 영상 정보로 변환한다.
이어, 영상 처리부(300)는 상기 영상 채널 변환부(200)에 의해 채널 변환된 영상 중 Y 채널 및 Z 채널 각각에 대하여 영상 처리를 수행하고, 영상 처리된 각각의 채널 영상에 대한 차분 영상을 획득한다. 이를 위해, 본 발명에 적용가능한 실시예에서 상기 영상 처리부(300)는 Y 채널 영상 처리부(310), Z 채널 영상 처리부(320) 및 차분 영상 획득부(330)를 포함할 수 있다.
먼저, Y 채널 영상 처리부(310)는 상기 영상 채널 변환부(200)에 의해 XYZ 채널 영상으로 변환된 영상 중 Y 채널 영상에 CLAHE 알고리즘을 적용하여 Y 채널 영상의 콘트라스트를 조정한다(S140). 바람직한 실시예에서, 상기 Y 채널 영상 처리부(310)는 상기 S120 단계를 통해 획득된 공막 영상 정보 중 Y 채널 영상에 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘을 적용한다. CLAHE 알고리즘이란, 영상의 밝기에 대한 히스토그램 분포레벨을 고르게 평탄화하여 결과적으로 영상의 콘트라스트를 높여주는 알고리즘으로써 콘트라스트가 낮은 영상 정보에 대해서는 보다 쉽게 판별할 수 있도록 하는 효과가 있다.
따라서, 상기 Y 채널 영상 처리부(310)는 획득된 공막 영상에 대한 Y 채널 영상 정보에 CLAHE 알고리즘을 적용함으로써 상기 Y 채널 영상 정보의 콘트라스트를 높여주어 영상 내에서 혈관 등의 정보를 보다 용이하게 판별할 수 있도록 한다.
본 발명에 적용가능한 실시예에서 Z 채널 영상 처리부(320)는 상기 영상 채널 변환부(200)에 의해 XYZ 채널 영상으로 변환된 영상 중 Z 채널 영상의 잡음을 제거할 수 있다(S150). 즉, 본 발명에 따른 충혈도 산출 방법에 있어, 상기 S150 단계는 선택적으로 적용될 수 있다.
이를 위해, 상기 Z 채널 영상 처리부(320)는 상기 Z 채널 영상에 미디언(median) 필터를 적용할 수 있다. 일반적으로 미디언 필터란, 어느 점의 값을 그 점을 중심으로 하는 윈도우 내의 중앙값으로 대치하는 필터를 의미하며, 영상이나 이미지 내 무작위 잡음을 제거하는데 활용된다.
다만, 상기 실시예에서 상기 Z 채널 영상 처리부(320)가 Z 채널 영상의 잡음을 제거하기 위한 방법으로 미디언 필터를 적용하는 방법을 제시하였으나, 이는 일 실시예에 불과할 뿐 다양한 실시예가 적용될 수 있다. 예를 들어, 가중 평균값 필터(weighted mean filter), 알파-트림드 평균값 필터(alpha-trimmed mean filter), 가우시안 필터(gaussian filter), MMSE 최소 평균 제곱 오차 필터(Minimum mean-squared error filter) 및 비등방성 확산 필터(anisotropic diffusion filter) 등이 적용될 수 있다.
차분 영상 획득부(330)는 상기 Y 채널 영상 처리부(310) 및 Z 채널 영상 처리부(320)에 의해 각각 영상 처리된 Y 채널 영상 및 Z 채널 영상의 차분 영상을 획득한다(S160). 바람직한 실시예에서, 상기 차분 영상 획득부(330)는 CLAHE 알고리즘이 적용되어 콘트라스트가 조정된 Y 채널 영상과 미디언 필터가 적용되어 잡음이 제거된 Z 채널 영상 간 차분 영상을 획득한다.
다만, 이는 바람직한 실시예로, 상기 차분 영상 획득부(330)는 CLAHE 알고리즘이 적용되어 콘트라스트가 조정된 Y 채널 영상과 영상 처리되지 않은 Z 채널 영상 간 차분 영상을 획득할 수도 있다. 다시 말해, 본 발명에 따른 충혈도 산출 방법에 있어 S150 단계는 선택적으로 적용될 수 있으므로, 상기 S160 단계에서는 상기 S140 단계를 통해 획득된 Y 채널 영상과 상기 S130 단계를 통해 획득된(상기 S150 단계가 적용되지 않은) Z 채널 영상 간 차분 영상을 획득할 수 있다.
본 발명에 적용가능한 실시예에서 상기 영상 처리부(300)는 상기 S160 단계를 통해 획득된 차분 영상에 대해 1회 이상 CLAHE 알고리즘을 적용한 영상을 획득하는 CLAHE 적용 차분 영상 획득부(340)를 추가적으로 포함할 수 있다(S170). 구체적으로, 상기 CLAHE 적용 차분 영상 획득부(340)는 상기 S160 단계를 통해 획득된 차분 영상에 대해 CLAHE 알고리즘을 적용함으로써 획득된 차분 영상의 콘트라스트를 조정할 수 있다.
이때, 상기 CLAHE 적용 차분 영상 획득부(340)에서 상기 차분 영상에 대해 CLAHE 알고리즘을 적용하는 횟수(i)로는 1회 이상이 적용될 수 있다. 예를 들어, 본 발명에 적용가능한 바람직한 실시예에 따른 충혈도 산출 방법에서는 상기 차분 영상에 대해 Th 회 만큼 CLAHE 알고리즘을 적용하도록 설정되었다면(S180), 상기 CLAHE 적용 차분 영상 획득부(340)는 상기 차분 영상에 대해 Th 회 만큼 CLAHE 알고리즘을 적용할 수 있다.
본 발명에 적용가능한 실시예에서는, 상기와 같이 영상 처리부(300)를 통해 획득된 차분 영상에 FCM(Fuzzy C-Mean) 알고리즘을 적용하여 영상 정보를 보정하는 FCM 알고리즘 처리부(400)를 더 포함할 수 있다. 다시 말해, 본 발명에 적용가능한 실시예에 따른 충혈도 산출 방법에서는 S160 단계 또는 S180 단계를 통해 획득된 차분 영상에 대해 선택적으로 FCM 알고리즘을 적용할 수 있다(S190).
FCM 알고리즘이란, 하나의 클러스터에 속해져 있는 각각의 데이터 점을 소속 정도에 의해서 클러스터에 대한 데이터의 소속 정도를 일일이 열거한 데이터 분류 알고리즘으로써, 패턴 인식, 영상 처리 및 데이터 마이닝 분야 등에 많이 활용된다. 상기 FCM 알고리즘 처리부(400)는 상기와 같은 특징을 갖는 FCM 알고리즘을 차분 영상에 적용함으로써 차분 영상 내 존재하는 혈관 정보를 비혈관 정보와 보다 명확하게 구분할 수 있다.
본 발명에서는 상기 S190 단계에 적용되는 알고리즘으로 FCM 알고리즘을 제시하였으나, 이는 일 예에 불과하며 이와 같은 성격을 갖는 군집화 알고리즘은 모두 적용될 수 있다. 즉, 다양한 퍼지 알고리즘, 캐노피(Cannopy) 등의 알고리즘이 적용될 수 있음은 물론이다.
충혈도 산출부(500)는 상기 S190 단계(또는 S160, S180 중 어느 하나)를 통해 획득되는 차분 영상을 이용하여 안구의 충혈도를 산출한다(S200). 보다 구체적으로 상기 충혈도 산출부(500)는 상기 영상 처리부(300)(또는, FCM 알고리즘 처리부(400))를 통해 획득된 차분 영상의 전체 픽셀 개수 대비 픽셀 값이 문턱값 이상인 픽셀 개수의 비율을 산출하여 충혈도를 산출할 수 있다.
예를 들어, 상기 영상 처리부(300)(또는, FCM 알고리즘 처리부(400))를 통해 획득된 차분 영상의 전체 픽셀 개수는 M 개이고, 각 픽셀 값이 기준 문턱값 이상인 픽셀 개수는 N 개일 경우, 상기 충혈도 산출부(500)는 상기 안구 영상의 충혈도는 아래의 수학식 1과 같이 산출할 수 있다.
상기와 같은 방법을 통해 획득된 충혈도 정보는 영상 촬영된 환자의 안구에 대한 충혈도를 가늠하는 지표로 활용될 수 있으며, 활용예에 따라서는 충혈도 정도를 등급화하기 위한 수치로도 활용될 수 있다.
이아, 도 3 내지 도 6을 통해 종래기술과 본 발명에 따른 충혈도 산출 방법을 비교하며 본 발명의 기술적 특징에 대하여 구체적으로 살펴본다.
도 3은 종래기술 및 본 발명에 따른 충혈도 산출 방법을 비교하기 위해 활용된 등급별 기준 안구 영상을 나타낸 도면이다.
도 3에서는 다양한 환자의 안구 영상에 대해 충혈도 정도에 따라 등급별로 구분한 기준 안구 영상을 제시하고 있다. 상기 기준 안구 영상은 전문가인 안과 의사에 의해 구분되어 분류된 영상들로, 총 10개의 등급(또는 4개의 등급, *표)으로 구분되어 있다.
종래기술 및 본 발명에 따른 충혈도 산출 방법을 비교하기 위하여, 전체 환자에 대한 안구 영상은 상기와 같은 기준에 의해 미리 등급별로 구분되어 분류되고, 각 등급에 포함되는 영상들에 대해 산출된 충혈도의 분포 상태를 살펴보았다.
종래기술로는 RGB 방법을 활용(A), LAB 색채 모델에 K-means 클러스터링 알고리즘을 활용(B), 캐니 에지 검출(Canny edge detection)을 활용(D)하는 총 3개의 충혈도 산출 방법이 적용되었으며, 각각의 충혈도 산출 방법과 본 발명에 따른 충혈도 산출 방법(C)에 따른 비교 결과에 대해서 도 4 및 도 5를 통해 상세히 설명한다.
도 4는 종래기술 및 본 발명에 따른 충혈도 산출 방법의 제1 시뮬레이션 결과를 나타낸 그래프이다.
본 명세서에서 제1 시뮬레이션 결과라 함은, 전체 환자의 안구 영상을 10개의 등급별로 구분하고, 각 등급별 영상에 대해 다양한 충혈도 산출 방법을 적용하여 산출된 충혈도의 분포 상태에 대한 결과를 의미한다.
도 4를 보면, 캐니 에지 검출(D) 방법을 제외한 3 개의 방법들은 등급별로 산출된 충혈도의 평균값이 등급이 올라갈수록 상승하는 양상을 보이고 있는 것을 확인할 수 있다.
특히, 본 발명에 따른 충혈도 산출 방법(C)에 따라 산출된 등급별 충혈도의 분포 상태를 살펴보면, 종래기술들과 달리 등급별 충혈도의 평균값이 선형에 가깝게 분포하고 있음을 확인할 수 있다. 즉, 본 발명에 따른 충혈도 산출 방법(C)이 다른 종래기술들에 따른 충혈도 산출 방법보다 결과의 신뢰도가 높음을 알 수 있다.
도 5는 종래기술 및 본 발명에 따른 충혈도 산출 방법의 제2 시뮬레이션 결과를 나타낸 그래프이다.
본 명세서에서 제2 시뮬레이션 결과라 함은, 전체 환자의 안구 영상을 4개의 등급별로 구분하고, 각 등급별 영상에 대해 다양한 충혈도 산출 방법을 적용하여 산출된 충혈도의 분포 상태에 대한 결과를 의미한다.
도 5를 보면, 도 4와 유사하게 캐니 에지 검출(D) 방법을 제외한 3 개의 방법들은 등급별로 산출된 충혈도의 평균값이 등급이 올라갈수록 상승하는 양상을 보이고 있는 것을 확인할 수 있다.
이때, 다른 3개의 방법들에 따라 각 등급별로 산출된 충혈도 값을 비교한 결과는 하기의 도 6과 같다.
도 6은 종래기술 및 본 발명에 따른 충혈도 산출 방법의 제2 시뮬레이션 결과에 따른 각 등급별 충혈도 차이 및 표준오차를 나타낸 표이다.
도 6을 보면, 종래기술들에 비해 본 발명에 따른 충혈도 산출 방법의 각 등급별 표준오차가 매우 낮음을 알 수 있으며, 이를 통해 본 발명에 따른 충혈도 산출 방법(C)이 다른 종래기술들에 따른 충혈도 산출 방법보다 결과의 신뢰도가 높음을 알 수 있다.
도 7은 종래기술 및 본 발명에 따른 충혈도 산출 방법의 ROC 곡선을 나타낸 도면이다.
도 7에 도시된 바와 같이, 본 발명에 따른 충혈도 산출 방법은 종래 기술보다 높은 AUC(Area under the ROC curve, ROC 곡선 아래의 면적)를 나타내며, 특히 본 발명에 따른 충혈도 산출 방법만이 모든 등급에 대해 0.9 이상의 AUC를 나타내는 것을 확인할 수 있다.
도 7를 참조하면, 본 발명에 따른 충혈도 산출 방법은 grade 2(cutoff 0.09), grade 3(cutoff 0.13), grade 4(cutoff 0.16) 각각에 대해 90.7%, 92.9% 및 92.9%의 sensitivity를 갖는 것을 알 수 있으며, 각각 86.7%, 78.0% 및 80.5%의 specificity를 갖는 것을 알 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100: 안구 영상 획득부
110: 전안부 영상 획득부 120: 공막 영상 획득부
200: 영상 채널 변환부
300: 영상 처리부
310: Y 채널 영상 처리부 320: Z 채널 영상 처리부
330: 차분 영상 획득부 340: CLAHE 적용 차분 영상 획득부
400: FCM 알고리즘 처리부 500: 충혈도 산출부
110: 전안부 영상 획득부 120: 공막 영상 획득부
200: 영상 채널 변환부
300: 영상 처리부
310: Y 채널 영상 처리부 320: Z 채널 영상 처리부
330: 차분 영상 획득부 340: CLAHE 적용 차분 영상 획득부
400: FCM 알고리즘 처리부 500: 충혈도 산출부
Claims (12)
- 충혈도 산출 장치의 충혈도 산출 방법에 있어서,
안구 영상을 획득하는 안구 영상 획득 단계;
획득된 영상 정보를 XYZ 채널 영상으로 변환하는 영상 채널 변환 단계;
채널 변환된 영상 중 Y 채널 영상에 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘을 적용하여 Y채널 영상의 콘트라스트를 조정하는 CLAHE(Contrast Limited Adaptive Histogram Equalization) 영상 처리 단계;
채널 변환된 영상 중 Z 채널 영상과 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 차분 영상 획득 단계; 및
상기 차분 영상 획득 단계를 통해 획득된 차분 영상을 이용하여 안구의 충혈도를 산출하는 충혈도 산출 단계;를 포함하고,
상기 충혈도 산출 단계는,
상기 차분 영상 획득 단계를 통해 획득된 차분 영상의 전체 픽셀 개수 대비 픽셀 값이 문턱값 이상인 픽셀 개수의 비율을 산출하여 충혈도를 산출하는 충혈도 산출 방법.
- 제 1항에 있어서,
상기 안구 영상 획득 단계는,
전안부 영상을 획득하는 전안부 영상 획득 단계; 및
상기 전안부 영상 중 공막 영역만으로 구성된 안구 영상을 획득하는 공막 영상 획득 단계;를 포함하는 것을 특징으로 하는 충혈도 산출 방법.
- 제 1항에 있어서,
채널 변환된 영상 중 Z 채널 영상의 잡음을 제거하는 Z 채널 영상 처리 단계;를 더 포함하고,
상기 차분 영상 획득 단계는,
영상 처리된 Z 채널 영상과 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 것을 특징으로 하는 충혈도 산출 방법.
- 제 1항에 있어서,
상기 차분 영상 획득 단계는,
채널 변환된 영상 중 Z 채널 영상과 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 제1 차분 영상 획득 단계; 및
상기 제1 차분 영상 획득 단계를 통해 획득된 차분 영상에 대해 설정된 횟수만큼 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘을 적용하여 콘트라스트가 조정된 영상을 획득하는 제2 차분 영상 획득 단계;를 포함하는 것을 특징으로 하는 충혈도 산출 방법.
- 제 1항에 있어서,
상기 차분 영상 획득 단계를 통해 획득된 차분 영상에 FCM(Fuzzy C-Mean) 알고리즘을 적용하여 보정된 영상을 획득하는 FCM(Fuzzy C-Mean) 알고리즘 적용 단계;를 더 포함하고,
상기 충혈도 산출 단계는,
상기 FCM(Fuzzy C-Mean) 알고리즘을 적용하여 획득된 영상 정보를 이용하여 안구의 충혈도를 산출하는 것을 특징으로 하는 충혈도 산출 방법.
- 삭제
- 안구 영상을 획득하는 안구 영상 획득부;
상기 안구 영상 획득부를 통해 획득된 영상 정보를 XYZ 채널 영상 정보로 변환하는 영상 채널 변환부;
채널 변환된 영상 중 Y 채널 영상에 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘을 적용하고, 채널 변환된 영상 중 Z 채널 영상과 상기 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 영상 처리부;
상기 영상 처리부를 통해 획득된 차분 영상을 이용하여 안구의 충혈도를 산출하는 충혈도 산출부;를 포함하고,
상기 충혈도 산출부는,
상기 영상 처리부를 통해 획득된 차분 영상의 전체 픽셀 개수 대비 픽셀 값이 문턱값 이상인 픽셀 개수의 비율을 산출하여 충혈도를 산출하는 충혈도 산출 장치.
- 제 7항에 있어서,
상기 안구 영상 획득부는,
전안부 영상을 획득하는 전안부 영상 획득부; 및
상기 전안부 영상 중 공막 영역만으로 구성된 안구 영상을 획득하는 공막 영상 획득부;를 포함하는 것을 특징으로 하는 충혈도 산출 장치.
- 제 7항에 있어서,
상기 영상 처리부는,
XYZ 채널 변환된 영상 중 Y 채널 영상에 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘을 적용하여 콘트라스트를 조정하는 Y 채널 영상 처리부;
XYZ 채널 변환된 영상 중 Z 채널 영상의 잡음을 제거하는 Z 채널 영상 처리부; 및
영상 처리된 Z 채널 영상과 CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 차분 영상 획득부;를 포함하는 것을 특징으로 하는 충혈도 산출 장치.
- 제 7항에 있어서,
상기 영상 처리부는,
Z 채널 영상과 CLAHE 알고리즘이 적용된 Y 채널 영상의 차분 영상을 획득하는 차분 영상 획득부; 및
상기 차분 영상 획득부를 통해 획득된 차분 영상에 대해 설정된 횟수만큼CLAHE(Contrast Limited Adaptive Histogram Equalization) 알고리즘을 적용한 영상을 획득하는 CLAHE(Contrast Limited Adaptive Histogram Equalization) 적용 차분 영상 획득부;를 포함하는 것을 특징으로 하는 충혈도 산출 장치.
- 제 7항에 있어서,
상기 영상 처리부를 통해 획득된 차분 영상에 FCM(Fuzzy C-Mean) 알고리즘을 적용하여 영상 정보를 보정하는 FCM(Fuzzy C-Mean) 알고리즘 처리부;를 더 포함하고,
상기 충혈도 산출부는,
상기 FCM(Fuzzy C-Mean) 알고리즘을 적용하여 획득된 영상 정보를 이용하여 안구의 충혈도를 산출하는 것을 특징으로 하는 충혈도 산출 장치. - 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140060591A KR101566618B1 (ko) | 2014-05-20 | 2014-05-20 | 충혈도 산출 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140060591A KR101566618B1 (ko) | 2014-05-20 | 2014-05-20 | 충혈도 산출 방법 및 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101566618B1 true KR101566618B1 (ko) | 2015-11-06 |
Family
ID=54601274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140060591A KR101566618B1 (ko) | 2014-05-20 | 2014-05-20 | 충혈도 산출 방법 및 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101566618B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200079071A (ko) * | 2018-12-24 | 2020-07-02 | 인하대학교 산학협력단 | 혈관영상촬영을 이용한 결막 질환 진단 방법 및 시스템 |
US11612314B2 (en) | 2017-10-31 | 2023-03-28 | Samsung Electronics Co., Ltd. | Electronic device and method for determining degree of conjunctival hyperemia by using same |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011072446A (ja) | 2009-09-30 | 2011-04-14 | Nidek Co Ltd | 充血度算出プログラム及び充血度算出方法、並びに充血度算出装置 |
-
2014
- 2014-05-20 KR KR1020140060591A patent/KR101566618B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011072446A (ja) | 2009-09-30 | 2011-04-14 | Nidek Co Ltd | 充血度算出プログラム及び充血度算出方法、並びに充血度算出装置 |
Non-Patent Citations (2)
Title |
---|
R. Derakhshani et al.,"Computational methods for objective assessment of conjunctival vascularity," Annual International Conference on Engineering in Medicine and Biology Society(EMBS), 28 Aug. 2012* |
배장표 외 4인, "결막 충혈도 측정을 위한 공막 영상 분할," 멀티미디어학회논문지 제13권 제8호, pp.1142-1153, Aug. 2010* |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11612314B2 (en) | 2017-10-31 | 2023-03-28 | Samsung Electronics Co., Ltd. | Electronic device and method for determining degree of conjunctival hyperemia by using same |
KR20200079071A (ko) * | 2018-12-24 | 2020-07-02 | 인하대학교 산학협력단 | 혈관영상촬영을 이용한 결막 질환 진단 방법 및 시스템 |
KR102162282B1 (ko) | 2018-12-24 | 2020-10-06 | 인하대학교 산학협력단 | 혈관영상촬영을 이용한 결막 질환 진단 시스템 및 그 시스템에 의한 결막 질환 진단 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9684959B2 (en) | Methods and systems for automatic location of optic structures in an image of an eye, and for automatic retina cup-to-disc ratio computation | |
Dutta et al. | Glaucoma detection by segmenting the super pixels from fundus colour retinal images | |
Medhi et al. | An effective fovea detection and automatic assessment of diabetic maculopathy in color fundus images | |
Tariq et al. | An automated system for colored retinal image background and noise segmentation | |
Cheng et al. | Superpixel classification based optic cup segmentation | |
CN109242792B (zh) | 一种基于白色物体的白平衡校对方法 | |
Diaz et al. | Glaucoma diagnosis by means of optic cup feature analysis in color fundus images | |
Youssif et al. | A comparative evaluation of preprocessing methods for automatic detection of retinal anatomy | |
Naz et al. | Glaucoma detection in color fundus images using cup to disc ratio | |
Sagar et al. | A novel integrated approach using dynamic thresholding and edge detection (idted) for automatic detection of exudates in digital fundus retinal images | |
KR101566618B1 (ko) | 충혈도 산출 방법 및 장치 | |
Nugroho et al. | Automated segmentation of optic disc area using mathematical morphology and active contour | |
Chakour et al. | Blood vessel segmentation of retinal fundus images using dynamic preprocessing and mathematical morphology | |
Hashim et al. | Preprocessing of color retinal fundus images | |
Kumar et al. | Automatic optic disc segmentation using maximum intensity variation | |
Patil et al. | Development of primary glaucoma classification technique using optic cup & disc ratio | |
Lu et al. | Automatic parapapillary atrophy shape detection and quantification in colour fundus images | |
Akhade et al. | Automatic optic disc detection in digital fundus images using image processing techniques | |
Pinão et al. | Fovea and optic disc detection in retinal images with visible lesions | |
Yu et al. | Automated retinal vessel type classification in color fundus images | |
EP3048580A1 (en) | Method of extracting the optic disc of a retinal image | |
Tamilarasi et al. | Template matching algorithm for exudates detection from retinal fundus images | |
Patil et al. | Design new algorithm for early detection of primary open angle glaucoma using retinal Optic Cup to Disc Ratio | |
WO2015103953A1 (zh) | 不均匀光照条件下的虹膜提取方法及设备 | |
Sengar et al. | Fast localization of the optic disc in fundus images using region-based segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |