一种眼底图像分析方法、装置及系统与流程

本申请涉及图像处理技术领域，特别涉及一种眼底图像分析方法、装置及系统。

背景技术：

视盘和黄斑区域是眼底图像中最为重要的组织和区域。视盘是视网膜血管聚集的区域，而黄斑区直接与精细视觉和色觉等视功能相关，两者同时是检测眼底其他异常的重要解剖学标志和参考，其形态变化经常可以作为某些疾病发生、发展的表现，因此，视盘和黄斑区的自动检测与定位成为诸多计算机辅助诊断眼底疾病(如糖尿病视网膜病变、青光眼、黄斑变性等)的一个重要预处理过程。

针对视盘区域的确定，目前的方法可大致分为如下三大类：(1)基于亮度的方法，优点是简单，缺点是当视盘的局部亮度偏低时分割效果不好；(2)模板匹配方法，该方法利用了视盘形状类似圆或椭圆的特性，缺点是如果视盘边界模糊不清楚时，分割效果不好；(3)血管形状分析方法，这个方法充分利用视盘位于视网膜血管分布的原点以及血管以伞状形态从原点向四周分布的特性。该方法的局限性是严重依赖视网膜血管的清晰显示，在血管尤其是血管分布原点处显示不清晰的情况下分割效果不好。

针对黄斑区的确定，目前的方法主要是确定中央凹，而确定中央凹的方法主要以来图像的亮度进行，对此一般通过图像增强方法来实现(如，top-hat变换)。与确定视盘面临的问题一样，目前的方法受图像的质量等各种因素影响，很难稳定并准确获取黄斑区域。

因此，如何研发一种眼底图像分析方法、装置及系统，可以适应各种图像质量以及光照环境等因素，准确、稳定地获取黄斑区和视盘区，便成为亟待解决的技术问题。

技术实现要素：

本申请解决的主要问题是提供一种眼底图像分析方法、装置及系统，以解决无法实现的适应各种图像质量以及光照环境等因素，准确、稳定地获取黄斑和视盘区域的技术问题。

为了解决上述技术问题，本发明公开了一种眼底图像分析方法，其特征在于，包括以下步骤：

步骤1：识别在眼底图像上的眼底血管；

步骤2：对眼底血管的全局形态结构进行表示；对眼底血管走向进行表示，得到血管方向图谱；

步骤3：根据步骤2中的眼底血管的全局形态结构，粗略定位视盘区；

步骤4：在步骤3中的粗略定位的视盘区内，确定局部高对比度或高亮度区域为视盘的像素集群；

步骤5：应用椭圆拟合方法在步骤4中的视盘的像素集群上确定视盘区边界，即得到视盘区；

步骤6：结合血管方向图谱确定黄斑区的基本范围，计算血管的距离场，在黄斑区的基本范围内寻找血管距离场的最大值位置，即黄斑区的中央凹位置。

进一步的，一种眼底图像分析方法，所述步骤2中的眼底血管的全局形态结构进行表示方法为：使用多层次的抛物线对眼底血管类似伞状的形态进行描述。

进一步的，一种眼底图像分析方法，所述步骤2中的对眼底血管走向进行表示方法为：把血管离散化为一系列直线段，利用直线段来表示血管的方向，通过统计这些方向确定血管的走向，即得到血管方向图谱。

进一步的一种眼底图像分析方法，所述步骤4中视盘的像素集群的确定采用多层策略。

进一步的，一种眼底图像分析方法，所述步骤5中的椭圆拟合方法为：对步骤3中的粗略定位的视盘区域潜在的圆形物体进行圆形检测，然后对检测区域进行椭圆拟合，拟合结果作为视盘区。

进一步的，一种眼底图像分析方法，所述圆形物体进行检测和所述椭圆拟合采用多尺度策略。

进一步的，一种眼底图像分析方法，所述多尺度策略为：逐步调整视盘的亮度和/或对比度，重复进行圆形检测和椭圆拟合。

本发明还公开了一种眼底图像分析装置，其特征在于，包括：

眼底血管识别模块用于识别在眼底图像上的眼底血管；

眼底血管分析模块用于对眼底血管的全局形态结构进行表示；对眼底血管走向进行表示，得到血管方向图谱；

视盘区粗定模块用于根据眼底血管的全局形态结构信息，粗略定位视盘区；

视盘像素集群模块用于在粗略定位的视盘区内，确定局部高对比度或高亮度区域为视盘的像素集群；

视盘区确定模块用于应用椭圆拟合方法在视盘的像素集群上确定视盘边界，即得到视盘区；

黄斑区确定模块用于结合血管方向图谱确定黄斑区的基本范围，计算血管的距离场，在黄斑区的基本范围内寻找血管距离场的最大值位置，即黄斑区的中央凹位置。

本发明还公开了一种眼底图像分析系统，其特征在于，包括眼底图像输入装置，所述眼底图像输入装置与权利要求8所述眼底图像分析装置，所述眼底图像分析装置与结果输出装置连接。

进一步的，所述眼底图像分析装置还包括视杯识别模块和分析结果标注模块，

所述视杯识别模块用于识别视杯；

所述结果标注模块用于在眼底图像上标注出分析结果以及量化结果；

所述分析结果包括眼底血管、视盘区和黄斑区；

所述量化结果包括眼底血管、视盘区和黄斑区形态特征量化结果；

所述形态特征包括位置、对比度或亮度、长度、面积和/或杯盘比。

与现有技术相比，本申请所述的一种眼底图像分析方法、装置及系统，达到了如下效果：

(1)本发明中的眼底图像分析方法、装置及系统，适应性好，可以针对不同相机以及不同质量的眼底图像(免散瞳图像和散瞳图像均可)准确确定视盘以及黄斑位置，即使视盘在图像中没有很好表现的时候也可以确定视盘位置。

(2)本发明中的眼底图像分析方法、装置及系统，分析效率高，针对一幅眼底图像，通过缩小图像大小，在普通计算机上，可以在30秒之内定位视盘以及黄斑区。

(3)本发明中的眼底图像分析方法延伸性强，本眼底图像分析方法可以用于检测任何图像中的圆形或者椭圆区域。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例一所述的眼底图像分析方法的流程图；

图2是本发明实施例二所述的眼底图像分析方法的眼底血管的抛物线形态图和眼底血管的方向图谱；

图3是本发明实施例二所述的眼底图像分析方法的眼底血管走向进行表示方法的过程图；

图4是本发明实施例二所述的眼底图像分析方法中不同亮度下的视盘；

图5是本发明实施例二所述的眼底图像分析方法中确定视盘区和黄斑区图与对应的血管距离场图；

图6是本发明实施例三所述的眼底图像分析装置的结构框图；

图7是本发明实施例四所述的眼底图像分析装置的结构框图；

图8是本发明实施例四所述的眼底图像分析系统的结构框图。

具体实施方式

如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。

以下结合附图对本申请作进一步详细说明，但不作为对本申请的限定。实施例一

如图1所示，为本发明实施例的眼底图像分析方法的流程图，该实施例的眼底图像分析方法包括以下步骤S100至步骤S600：

S100：识别在眼底图像上的眼底血管；

S200：对眼底血管的全局形态结构进行表示；对眼底血管走向进行表示，得到血管方向图谱；

S300：根据步骤S200中的眼底血管的全局形态结构，粗略定位视盘区；

S400：在步骤S300中的粗略定位的视盘区内，确定局部高对比度或高亮度区域为视盘的像素集群；

S500：用椭圆拟合方法在步骤S400中的得到的视盘的像素集群上确定视盘边界，即得到视盘区；

S600：结合步骤S200中的血管方向图谱确定黄斑区的基本范围，计算血管的距离场，在黄斑区的基本范围内寻找血管距离场的最大值位置，即黄斑区的中央凹位置。

实施例二

在实施例一的基础上，本实施例中，在步骤S200中的眼底血管的全局形态结构进行表示方法为：使用多层次的抛物线对眼底血管类似伞状的形态进行描述，如图2-A所示，为本实施例中的眼底图像的眼底血管的抛物线形态图。S300：根据步骤S200中的眼底血管的全局形态结构，粗略定位视盘区，如图2-A所示，其中抛物线顶点位置基本对应视盘区的位置；

本实施例中，在步骤S200中的对眼底血管走向进行表示方法为：把血管离散化为一系列直线段，利用直线段来表示血管的方向，通过统计这些方向确定血管的走向，即得到血管方向图谱；如图2-B所示，为本实施例中的眼底图像的眼底血管的方向图谱，图谱中的高亮区域分2视盘区和高亮区域分1为黄斑区；

优选的，在步骤S200中的对眼底血管走向进行表示方法为更为具体的一种操作方式：如图3所示，

首先给定图3-A所示的眼底图像，利用线条拟合方法(在实践中也可采用其他方法识别血管)自动识别视网膜血管如图3-B所示；

然后如图3-B所示用规则网格对血管进行分段(可采用其他方法对血管分段)，每个网格内血管段中轴线方向定义为两个最远点的连线方向；。

给定图像上一点P(x,y)，用如下公式

计算血管段的方位，其中Si为给定点P周围给定区域的血管段(Vi)的方位，Ti为点P周围血管段的中心及点P之间的连线。用该方法计算所有网格内血管段方位，得到如图3-C所示的方向图谱；

为了得到相对稳定的视盘区，以像素方位值为单位的原方向图谱(图3-C)被转换成以像素点周围最大方位值为单位的新方向图谱。平滑后的新方向图谱如图3-D所示；

从方向图谱中可看出黄斑区及视盘区具有相对较高的方位值，通过计算黄斑区和视盘区的血管数量来区分这两个区域，血管数量多的区域31视为视盘区，32为黄斑区。

优选的，就步骤S400中对于视盘的像素集群的确定的具体操作如下：首先，从RGB格式的彩色视网膜眼底图像中提取绿色通道。其次，给定眼底图像像素P(x,y)，使用滑动窗口滤波器((也可采用其他方法计算相对像素亮度))计算每个像素的相对像素亮度(像素亮度值与窗口平均亮度值之差)。对眼底图像应用该滤波器得到一灰度对比度图像。尽管从这个对比度图像中可直观辨别视盘边界，但由于视盘边界的不连续行导致仍然很难知道识别视盘边界，因此我们逐步改变灰度对比度图像的对比度阈值来获得精确的代表视盘的像素集群。

优选的，就步骤S500中对于视盘区边界的确定的具体操作如下：针对S400中得到的视盘的像素集群，采用霍夫变换(也可采用其他方法)获得圆形视盘，在圆形区域的基础上，确定该圆形区域周边邻近的像素集群，然后使用椭圆拟合的方法确定视盘边界，最后将邻近椭圆边界的像素也归类为视盘区域，最终获取的边界为视盘区域。考虑到不同图像中视盘的亮度以及对比度差异较大，我们采用多尺度的策略，如图4所示为不同亮度下的视盘，其中Threshold为亮度的阈值；逐步调整视盘的亮度，然后重复整个圆形检测和椭圆拟合，对每个椭圆进行评分，评分的标准是综合考虑椭圆的长短轴之比以及椭圆的平均亮度，评分最高的即为视盘区。利用同样的方法，在所确定的视盘区可以定位视杯。

优选的，就步骤S600中对于黄斑区的确定的具体操作如下：在视盘区域确定之后，根据血管的方向图谱大致定位黄斑区域，具体方法是寻找方向图谱中除视盘区的最大图谱值。之后，计算血管的距离场，在黄斑大致区域中寻找最大的距离场值所在位置，这个位置即为黄斑区的中央凹所在位置；

更具体的：对于眼底血管的特征，血管末梢一般都指向黄斑区所在位置，但是与视盘相比，黄斑区的血管比较细，而且黄斑区的图像亮度比较低。为了准确定位黄斑的中心区域，即中央凹，我们利用血管距离场，如图5所示，其中图5-A为划分出的视盘区52和黄斑区51，图5-B为与图5-A对应的眼底图像的眼底血管的距离场，圆圈标注的54为眼底血管距离场的最大值，即为黄斑区中的中央凹所在位置。

上述的视盘区的自动识别方法同样适用于视杯的自动识别，如图5-A中，在视盘区52包含视杯53(视盘包含视杯：视盘也叫视乳头，视杯也叫视乳头凹陷)。

本实施中的眼底图像分析方法，眼底血管的形态体系(如：血管总体形态以及血管的走势)、视盘/黄斑区的图像和解剖学等特点(如：两者都位于血管汇集的区域)有机结合起来，利用椭圆拟合的方法首先确定视盘区以及视杯区域，在确定视盘区域的基础上，结合视盘与黄斑在图像上的亮度差异和距离场分析方法，最终确定黄斑区。该方法充分利用了眼底多种组织的形态以及图像特征，并将这些特点结合起来，利用了这些形态之间的互补关系，从而确保该方法不依赖于某种形态或者特征，最终可以适应各种图像质量以及光照环境等因素，确保准确、稳定地获取黄斑和视盘区域。

实施例三

本实施例是在实施例一的基础上得到一种眼底图像分析装置，如图6所示，该装置包括眼底血管识别模块10、眼底血管分析模块20、视盘区粗定模块30、视盘像素集群模块40、视盘区确定模块50和黄斑区确定模块60；其中眼底血管识别模块10与眼底血管分析模块20连接，眼底血管分析模块20分别与视盘区粗定模块30和黄斑区确定模块60连接，视盘区粗定模块30与视盘像素集群模块40连接，视盘像素集群模块40连接与视盘区确定模块50连接；其中，

眼底血管识别模块10用于识别在眼底图像上的眼底血管；

眼底血管分析模块20用于对眼底血管的全局形态结构进行表示；对眼底血管走向进行表示，得到血管方向图谱；

视盘区粗定模块30用于根据眼底血管的全局形态结构信息，粗略定位视盘区；

视盘像素集群模块40用于在粗略定位的视盘区内，确定局部高对比度或高亮度区域为视盘的像素集群；

视盘区确定模块50用于应用椭圆拟合方法在视盘的像素集群上确定视盘边界，即得到视盘区；

黄斑区确定模块60用于结合血管方向图谱确定黄斑区的基本范围，计算血管的距离场，在黄斑区的基本范围内寻找血管距离场的最大值位置，即黄斑区的中央凹位置。

实施例四

在实施例三的基础上，本实施例中的眼底分析装置，在实施例三的基础上增加一些其他的模块，如图7所示，在图6的基础上增加了视杯识别模块70和分析结果标注模块80，其中视杯识别模块70与眼底血管识别模块10连接，分析结果标注模块80分别与视盘区确定模块50、黄斑区确定模块60以及视杯识别模块70连接；其中

视杯识别模块70用于识别视杯；

分析结果标注模块80用于在眼底图像上标注出分析结果以及量化结果；其中分析结果包括眼底血管、视盘区和黄斑区；其中量化结果包括眼底血管、视盘区和黄斑区形态特征量化结果；所述形态特征包括但不限于位置、对比度或亮度、长度、面积和/或杯盘比等。

具体的在眼底图像上明显的颜色标注出视盘/视杯边界或颜色填充视盘/视杯区，以颜色标识黄斑区位置，采用不同的颜色标注不同的区域，便于区分；对于视盘区和黄斑区形态特征量化结果，可以采用图表方式生成可直观查看的结果，或者直接标注在对应区域所对应的位置上。

实施例五

本实施例是在实施例三或实施例四的上得到的，本实施例为一种眼底图像分析系统，如图8所示，包括眼底图像输入装置1，眼底图像输入装置1与眼底图像分析装置2连接，眼底图像分析装置2与结果输出装置3连接；

本实施例中的眼底图像输入装置1用于获取眼底图像，具体的眼底图像输入装置1可以为眼底照相机、PACS(Picture Archiving and Communication Systems的缩写，为影像归档和通信系统)或影像存储系统等；眼底图像输入装置1获取图像后，将图像传输给眼底图像分析装置2，其中眼底图像输入装置1通过DICOM或TCP/IP接口与眼底图像分析装置2连接，图像可以采用自动或手动上传的方式进行上传，用户也可通过互联网浏览器以HTTP方式上传眼底图像；

眼底图像分析装置2根据本申请中实施例一至实施例二中的眼底图像分析方法，对眼底图像输入装置1传输来的眼底图像进行分析，并将分析结果传输给结果输出装置3，结果输出装置3将分析结果进行输出，具体的分析结果以图像和/或统计图表等形式，通过DICOM浏览器和/或网页的形式输出。

本实施例中的眼底图像分析系统，除了可以应用本申请中的眼底图像分析装置外，还可以与其他的眼底图像分析装置相连接，结果输出的方式可以采用一种也可以同时采用多种，从而可以满足不同的需求。

与现有技术相比，本发明所述的一种眼底图像分析方法、装置及系统，达到了如下效果：

(1)本发明中的眼底图像分析方法、装置及系统，适应性好，可以针对不同相机以及不同质量的眼底图像(免散瞳图像和散瞳图像均可)准确确定视盘以及黄斑位置，即使视盘在图像中没有很好表现的时候也可以确定视盘位置。

(2)本发明中的眼底图像分析方法、装置及系统，分析效率高，针对一幅眼底图像，通过缩小图像大小，在普通计算机上，可以在30秒之内定位视盘以及黄斑区。

(3)本发明中的眼底图像分析方法延伸性强，本眼底图像分析方法可以用于检测任何图像中的圆形或者椭圆区域，从而可以适用于其他图像中的圆形或者椭圆区域的分析。

由于方法部分已经对本申请实施例进行了详细描述，这里对实施例中涉及的系统与方法对应部分的展开描述省略，不再赘述。对于系统中具体内容的描述可参考方法实施例的内容，这里不再具体限定。

上述说明示出并描述了本申请的若干优选实施例，但如前所述，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述申请构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求的保护范围内。