一种用于糖尿病性视网膜病变筛查的系统的制作方法
【技术领域】
[0001] 本发明涉及医疗设备领域，具体涉及一种用于糖尿病性视网膜病变筛查的系统。
【背景技术】
[0002] 糖尿病性视网膜病变，简称糖网(DR)，是糖尿病患者最常见的慢性并发症之一。据 世界卫生组织(WHO)预测，到2030年，全球DR患者人数将增加到3.66亿，已成为四大致盲眼 病之一，糖网病防治将成为一个严重的世界性问题。
[0003] 研究表明，对DR患者进行早期诊断和治疗能有效防止视觉的损失以及失明，而防 治的关键则是通过眼底照相检查，定期随访发现病情的进展，及时进行激光干预治疗。但是 目前世界上超过50%糖尿病患者没有接受任何形式的眼部检查，基于眼底影像的糖尿病视 网膜病变的筛查工作基本还是依靠眼科医生的肉眼观察进行。
[0004] 但当面临大规模筛查时，需要医生分析和处理的数据量非常大，人工判读方法既 费时又费力，人工筛查无法实施。而且人工筛查主观性强，数据分析复杂并且难以量化，很 难做到定量随访。
[0005] 所以上述问题已成为实施大规模糖尿病视网膜病变筛查的主要障碍，临床上迫切 需要一种客观、准确、高效的方法，来辅助眼科医生对糖尿病患者眼底照相的结果进行快速 分析。
[0006] 近年来，随着计算机辅助诊断技术的发展，基于计算机视觉的相关技术已经在肝 脏疾病、呼吸系统疾病的影像诊断中得到开发和应用。
[0007] 但是，目前市场上还没有一种准确高效的筛查系统，能够用于对糖尿病性视网膜 病变进行快速筛查。
[0008] 虽然有人提出了利用计算机算法通过对患者图片进行特征提取来判断患者是否 患有糖尿病性视网膜病变，但是，目前还没有人制造出相应的设备并且，现有的算法经验证 后筛查的准确率偏低。
【发明内容】
[0009] 针对上述问题，本发明希望提供一种基于图像的糖尿病性视网膜病变筛查系统， 其能够实现糖网病的大规模自动筛查，进而大幅提高医生的诊断效率，让医生从繁重的阅 片工作中解脱出来，并且能去除人的主观性，避免因个人知识和经验差异引起诊断误差，更 加准确，客观、高效的完成眼科影像的糖网筛查工作，节省医疗成本。
[0010] 具体而言，本发明提供一种用于糖尿病性视网膜病变筛查的系统，其特征在于，所 述系统包括:眼底图像获取设备、图像处理及筛查设备以及报告输出设备，
[0011] 所述眼底图像获取设备用于采集或接收被检人员的眼底图像；
[0012] 所述图像处理及筛查设备用于对所述眼底图像进行处理并检测其中是否存在病 变，然后将检测结果输送给所述报告输出设备；
[0013] 所述报告输出设备基于所述检测结果输出相应检测报告。
[0014] 在一种优选实现方式中，所述眼底图像获取设备为彩色眼底相机，或者，所述眼底 图像获取设备为眼底图像接收设备。
[0015] 在一种优选实现方式中，所述图像处理及筛查设备包括：图像预处理模块、图像校 正模块、血管分割模块、视盘定位模块、红色病变检测模块、亮度病变检测模块以及分类模 块，所述分类模炔基于所述红色病变检测模块、亮度病变检测模块、血管分割模块和视盘定 位模块的输出来判定被检测图片所对应患者是否具有糖尿病性视网膜病变。
[0016] 在一种优选实现方式中，所述图像校正模块用于对图像进行颜色、亮度以及曝光 分布的归一化处理，归一化的具体过程包括:根据图像的曝光分布，拟合出一个二次曲面， 然后根据拟合的曲面对图像的亮度分布进行反补偿;然后，选定一幅质量较好的图像作为 参考图像，计算其颜色和亮度通道上的灰度直方图峰值，把被处理图像的色调、饱和度和亮 度信息的灰度直方图都归一化到参考图像的参考值上。
[0017] 在一种优选实现方式中，所述血管分割模块用于分割血管和视盘，分割视盘的过 程包括:基于所述眼底图像生成不同尺度的特征图；基于所述特征图建立相应的特征显著 性描述;对不同的特征显著性描述进行归一化，并相加获得显著性图；采用局部阈值分割算 法提取所得的显著性图，输出亮度值最大的区域作为视盘的位置。
[0018] 在一种优选实现方式中，所述血管分割模块在进行血管分割时，把图像的兴趣区 由直角坐标转为极坐标表示，并且采用亚像素精度提取方法，首先求取每个像素点处的灰 度值的梯度，利用Canny算子求得血管初始的轮廓。
[0019] 本发明通过计算机视觉的相关技术来辅助医生判别和精确提取影像的病变指标， 智能分析病人的疾病信息。本发明通过提取包括出血、渗出、微血管瘤等各类糖网病变特 征，再根据DR的临床诊断标准，对眼底影像进行自动分级诊断，从而实现了糖网病的大规模 自动筛查。
[0020] 由于计算机可以全面利用影像信息进行精确的定量计算，不仅可以大幅提高医生 的诊断效率，让医生从繁重的阅片工作中解脱出来，而且能去除人的主观性，避免因个人知 识和经验差异引起诊断误差，更加准确，客观、高效的完成眼科影像的糖网筛查工作，大大 节省了医疗成本，同时便于未来建立客观准确的大规模健康数据管理系统。对于建立客观 准确的临床诊断标准很有价值。
[0021] 将本发明的系统筛查的结果与经专家验证过的筛查结果进行对比表明，本发明的 系统能准确、高效地完成通过眼底图像的糖网筛查工作，大大节省了医疗成本，同时便于未 来建立客观准确的大规模健康数据管理系统，展现出很好的临床应用前景。
【附图说明】
[0022] 图1示出了本发明一个实施例中的筛查系统的结构示意图；
[0023]图2示出了一个实施例中所采用的图像获取设备；
[0024]图3示出了一个实施例中所采用的输出设备；
[0025]图4示出了本发明的系统在工作时，对图像的具体处理过程；
[0026]图5示出了对眼底图像进行处理过程中，处理前及处理各个阶段的眼底图像，其 中，a为Messidor数据的原图，b为图像预处理后的图像，c增强后的图像，d为血管分割的输 出结果，e为视盘定位的输出结果，f为两种病变的提取结果；
[0027]图6示出了一个检测结果的示例；
[0028]图7为按照视觉注意理论生成的眼底图像各特征的显著性图，其中，（a)为亮度显 著性图，（b)为颜色显著性图，（c)为方向显著性图；
[0029]图8为利用显著性图定位视盘的结果，其中，（a)为原始图像，（b)为显著图性图， (c)为F0A提取图，（d)为定位视盘图；
[0030] 图9为血管抹除效果对比图，其中，（a)为绿色通道原图，（b)为抹除血管后图；
[0031] 图10为图像极坐标转换前后的对比图，其中，（a)为极坐标转换前，（b)为极坐标转 换后；
[0032] 图11为边缘提取过程的示意图，其中，（a)为亚像素边缘提取，（b)为连接边缘视 盘。
【具体实施方式】
[0033] 实施例1
[0034]如图1所示，在本实施例中，筛查系统包括一台彩色眼底相机、图像处理及筛查设 备(其可以通过安装有糖网智能分析软件的计算机实现，也可以通过专用的处理器实现）以 及诊断报告打印机。其他医院或基层筛查单位所采集的图像也可以传输给图像处理及筛查 设备。
[0035]图2示出了本实施例中所采用的彩色眼底相机的结构示意图；图3示出了本实施例 中所采用的诊断报告打印机的结构示意图。彩色眼底相机用于获取患者的彩色眼底图像， 由专业的医生操作获取并把图像传输到计算机的固定路径下。
[0036]所采集的图像要直接或间接传输给图像处理及筛查设备，图像处理及筛查设备基 于所采集的图像进行图像处理并最终输出检测结果给诊断报告打印机，后者根据检测结果 打印相应报告。
[0037]本发明的核心在于图像处理及筛查设备，下面主要对本实施例的图像处理及筛查 设备进行更详细的描述。
[0038]图像处理及筛查设备包括：图像预处理模块、图像校正模块、血管分割模块、视盘 定位模块、红色病变检测模块、亮度病变检测模块以及分类模块。
[0039]图像预处理模块用于对眼底图像进行预处理。在检测眼底图像中的解剖结构和病 变之前，眼底图像的视场(R0I)需要通过自适应阈值分割和模板匹配的方法预先找到，使图 像的黑色背景得以去除，图像预处理模块就是用于实现该功能。
[0040] 图像校正模块用于对不同图像进行补偿。为了从千差万别的眼底图像中获得稳定 的信息，对图像进行颜色、亮度以及曝光分布的归一化处理十分必要。图像校正模块先根据 图像的曝光分布拟合出一个图像亮度二次曲面，然后根据拟合的曲面对图像的亮度分布进 行反补偿，使亮的减弱，同时暗的区域增强，从而保证曝光的均匀，然后从国际Messidor标 准眼底图库选定一幅质量较好的图像作为参考图像，计算参考图像颜色和亮度通道上的灰 度直方图峰值，把被处理图像的色调、饱和度和亮度信息的灰度直方图都归一化到参考图 像的参考值上，从而保证了被处理图像的稳定性。
[0041] 血管分割模块用于从图像中分割出图像中的血管。血管系统是视网膜中最重要的 解剖结构之一。血管的准确分割对于从红色病变中区分毛细血管以及其他解剖结构，比如 视盘的检测都非常关键。本实施例中，血管分割模块通过亮度阈值分割以及基于颜色特征 的监督分类方法有效地分割出血管边界。
[0042] 视盘定位模块用于对图像中视盘进行定位。视盘是眼底另一个很重要的解剖结 构。视盘的正确定位对于后期减少亮度病变的错判非常有用。视盘是通过其亮度、形状以及 血管的方向等特征进行定位的。
[0043] 红色病变检测模块用于对红色病变进行检测。红色病变，包括微血管瘤、出血和增 殖血管，是DR的重要特征，因此，他们的正确检测对DR筛查系统而言非常重要。小的红色病 灶的定位基于数学形态学来获得候选区域，大的红色病灶的定位则通过基于颜色特征的监 督分类来完成。使用有监督的分类器和一组描述候选区域形状、结构、颜色和对比度的特 征，可计算出所检测出的候选区域是一个真正红色病变的概率。
[0044] 亮度病变检测模块用于检测出图像中的亮度病变。亮度病变，如渗出、棉絮斑或玻 璃膜疣，经常出现在DR人群筛查中。只有前两种病变与DR相关