专利名称：支持对眼睛照片的评定的制作方法
技术领域：
本发明涉及用于支持评定眼睛照片的方法和系统。
按照英国国家筛查委员会(NSC)的网站(http//www.diabetes-retinepathy.screening.nhs.uk)，已知大约2％的英国人口患有糖尿病，其中20万人患有I型糖尿病，100余万人患有II型糖尿病。这个数字预计还要增加。据估计在1997到2010年间英国II型糖尿病的流行还会加倍。
糖尿病的并发症是糖尿病视网膜病，它会影响视网膜的血管。新血管的生长，称为增生性视网膜病，可以通过出血和斑痕致盲。视网膜血管的恶化引起血管损失和渗漏到视网膜中，这种恶化称为黄斑病，会导致视力受损，并逐渐失明。
糖尿病视网膜病是在英国工作年龄的人口中登记失明的最大单个原因。更多的人由于糖尿病视网膜病的影响而视力受损和残废。失明会导致工作年龄的人口失去赚钱的能力，所需的社会支持很重大，可能会超过预防和治疗的费用。糖尿病视网膜病是可以治疗的，例如，严格的高血糖控制和严格的血压控制。这两种治疗都降低了I型和II型糖尿病中糖尿病视网膜病的发生和发展。为了进行治疗，糖尿病视网膜病必需尽可能早地诊断。
所以，需要筛查糖尿病视网膜病是无可争论的。为进行筛查，对诊断有糖尿病的一组人群的眼睛摄取图像并随后进行评定。图像可由分类员来进行评定，分类员可以是眼科医生、全科医生、或没有或基本没有任何医学背景的人。分类员通过搜索与糖尿病的特定并发症有关的典型图形来评定眼睛的图像。
本发明的一个目的是提供支持对患者眼睛的照片进行评定的方法。
本发明的另一个目的是提供支持对患者眼睛的照片进行评定的系统。
第一个目的是通过按照本发明的支持对患者眼睛的照片进行评定的方法来实现的，所述方法包括以下步骤在显示屏上显示患者的眼睛照片；在照片上确定一系列关注的区域；以及随后在照片上标注出每个关注的区域。所述关注区系列适合于从正在评定照片中的关注区系列的人群中选择的一个人。
按照本发明的方法，对患者的眼睛照片进行评定。可以在对诊断患有糖尿病的许多患者作筛查时摄制所述照片。尤其是摄制来自患者视网膜的照片。糖尿病患者易于发生与眼睛有关的异常，所谓的疾患，或导致失明的疾病。这些与眼睛有关的异常或疾病包括微动脉瘤、背景/非增生性(轻度/中度)视网膜病、治疗后静止期、黄斑病、有临床意义的黄斑区水肿、前期增生性视网膜病、增生性视网膜病以及进展性糖尿病眼睛疾病。为了诊断患者患有至少一种与眼睛和与糖尿病有关的眼睛疾病，医生或具有很少或没有医学背景的受训人员，所谓的分类员，评定患者的眼睛照片并搜索有关眼睛疾病的特定图形。例如，如果患者有背景/非增生性视网膜病，则患者的眼睛会有所谓的绒毛状渗出点、出血、和硬性渗出物加上它们的与每只眼睛颞弓有关的位置。为了诊断，一些分类员或医生随后可检查眼睛的某些区域，称为关注区。所以，按照本发明的方法，所述关注区系列适合于评定照片的人。
为了确定所述关注区系列，按照本发明的又一实施例，所述系列是在学习模式过程中确定的。
在本发明的又一实施例中，可以用方框将所述关注区系列中至少将一个关注区包围。
在本发明的优选实施例中，通过从多种图像处理算法中选择一种图像处理算法来确定至少一个有关的关注区，将选择的图像处理算法应用于照片上，并标记出检测的图形作为有关的关注区。选择的图像处理算法用来检测与所述至少一个关注区有关的图形。
按照本发明方法的一个实施例，可以将检测到的图形重点突出出来。
第一个目的还通过按照本发明的支持对患者眼睛的照片进行评定的方法来实现的，所述方法包括以下步骤显示患者的眼睛照片，并根据从许多有关糖尿病的诊断中选择的初步诊断从许多图像处理算法中选择一种图像处理算法，将选择的图像处理算法应用于照片上，并在照片上标记出选择的图像处理算法所检测的图形。许多图像处理算法中的每种图像处理算法与多种诊断中的一种诊断相关联，并用来搜索所述有关诊断所特有的图形。
一些医生或分类员宁愿先作出初步诊断，然后在照片中搜索有关的疾患来验证其初步诊断。每种疾患都有其特定的图形。于是，如果医生或分类员找到与有关疾患关联的图形，则初步诊断就得到了验证。如果初步诊断例如是背景/非增生性视网膜病，则照片包括棉絮状渗出点、出血和/或硬性渗出物加上它们的与每只眼睛颞弓有关的位置。
如果初步诊断例如是背景/非增生性视网膜病，则选择的图像处理算法用来检测棉絮状渗出点、出血和/或硬性渗出物加上它们的与每只眼睛颞弓有关的位置等的典型图形。适用的图像处理算法，例如，在G.Zahlmann等人的”Hybrid Fuzzy Image Processing forSituation Assessment”，IEEE Engineering in Medicine and Biology，January/February 2000，pp.76-83一文中已公开。
按照本发明方法的一个实施例，可以将检测到的图形突出出来或用方框将其包围起来。
第二个目的是在按照本发明的系统中实现的，所述系统包括数据库、显示屏和与显示屏和数据库工作连接的数据处理单元。数据库包括诊断为糖尿病的许多患者的许多眼睛照片。数据处理单元配置成从数据库检索许多照片中的所选照片，在显示屏上显示所检索的照片，在检索的照片中确定关注区系列，随后在照片中标注出所述关注区系列中的一个关注区。所述关注区系列适合于从对许多照片进行评定的人群中选择的一个人。
第二个目的还在按照本发明的如下的系统中实现，所述系统包括数据库、显示屏和与显示屏和数据库工作连接的数据处理单元。数据库包括诊断为糖尿病的许多患者的许多眼睛照片。数据处理单元配置成从数据库检索许多照片中的所选照片，在显示屏上显示所检索的照片，从许多图像处理算法中选择一种图像处理算法，将图像处理算法应用于照片，并在检索的照片中标注出检测图形。选择的图像处理算法用来检测与多种诊断中选择的初步诊断有关的图形。
现通过附图以实例来说明本发明的方法和系统。
图1示出本发明的场景。
图2示出患者的眼睛照片。
图3到图5示出其显示适合于不同人的照片。
图1示出本发明系统的实例。所述系统包括计算机1到3，它们工作时经由信息网络5连接到数据库4。数据库4具有从一组患者10的眼睛(视网膜)摄取的照片9。所述一组患者10中的每个患者都被诊断为糖尿病。
在本实施例中，分类员6到8利用计算机1到3评定照片9。如果分类员6到8之一想要评定照片9之一，他/她登录到计算机1到3之一，并用其计算机从数据库4检索出照片9之一。当有关照片被检索出来之后，就被显示在连接到有关计算机的显示屏上。为了从数据库4检索照片，相应地对数据库4和计算机1到3进行配置。这种配置是本领域中众所周知的因而不再详述。
图2示出照片4之一的实例，它从数据库4中被检索出来并显示在显示屏1a到3a之一上。检索的照片具有参考标记24。为了记录对所显示照片的评定，在本实例中在相关显示屏上，除了照片24外还显示了包括若干下拉菜单20a到20n的列表20和包括若干单选按钮21a到211的列表21。列表20中的每个下拉菜单20a到20n与眼睛中会出现的特定疾患有关。在本实施例中，有关的分类员用下拉菜单20a记录微动脉瘤(MA)，用下拉菜单20b记录出血(HAEM)，用下拉菜单20c记录硬性渗出物(HE)，用下拉菜单20d记录棉絮状渗出点(CWS)，用下拉菜单20e记录视网膜内微血管异常(IRMA)，用下拉菜单20f记录静脉异常，用下拉菜单20g记录视神经乳头上的新生血管形成(NVD)，用下拉菜单20h记录其它地方的新生血管形成(NVE)，用下拉菜单20i记录视神经乳头上的纤维组织(FTD)，用下拉菜单20j记录其它地方的纤维组织(FTE)，用下拉菜单20k记录前期视网膜出血(PRH)，用下拉菜单201记录玻璃体出血(VH)，用下拉菜单20m记录视网膜(肌肉)牵引，以及用下拉菜单20n记录视网膜脱落。
一些分类员愿意根据初步诊断来评定照片。有关分类员可能对显示的照片很快看一下，作出初步诊断，或者是在检索有关照片之前由别人作出初步诊断。评定时，分类员通过在相关照片中搜索有关的疾患来试图验证此初步诊断。为了支持这些分类员，在本实例中显示了列表21。利用单选按钮21a到211，分类员就可从一组初步诊断中作出选择的初步诊断。或者，在从数据库4检索相关照片之前，初步诊断已经作出。激活单选按钮21a和单选按钮21c到21之一，就可选择初步诊断。在本实例中，初步诊断组包括微动脉瘤(MA)、背景/非增生性(轻度/中度)视网膜病(BR)、治疗后静止期(PQ)、黄斑病(MC)、有临床意义的黄斑区水肿(CSMO)、前期增生性视网膜病(PRE)、增生性视网膜病(PRO)和进展性糖尿病眼睛疾病(AED)。于是，激活单选按钮21c就选择初步诊断为微动脉瘤(MA)，激活单选按钮21d就选择初步诊断为背景/非增生性(轻度/中度)视网膜病(BR)，激活单选按钮21e就选择初步诊断为治疗后静止期(PQ)，激活单选按钮21f就选择初步诊断为黄斑病(MC)，激活单选按钮21g就选择初步诊断为有临床意义的黄斑区水肿(CSMO)，激活单选按钮2 1h就选择初步诊断为前期增生性视网膜病(PRE)，激活单选按钮21i就选择初步诊断为增生性视网膜病(PRO)，激活单选按钮21j就选择初步诊断为进展性糖尿病眼睛疾病(AED)。如果分类员不想根据初步诊断来评定照片，他/她可以激活单选按钮21b撤销列表21。可以用连接到计算机1的鼠标1b，连接到计算机2的鼠标2b和连接到计算机3的鼠标3b来激活单选按钮。
一些分类员宁愿意通过依次搜索眼睛不同区域中的疾患来评定所显示的照片。例如，一些分类员宁愿先评定黄斑，再评定眼睛视神经乳头的外周。有关的分类员可标记出所显示眼睛的相关区域，例如用连接到相关计算机的鼠标将所述区域包围起来，然后缩放标记的区域。
为了符合每个分类员6到8的个人偏好，计算机1到3配置成利用他/她的个人评定来支持每个分类员。在本实例中，计算机1到3配置成在学习模式过程中学习分类员6到8的个人习惯。
在本实例中，分类员6宁愿根据初步诊断来评定所显示的照片。于是，如果在学习模式他/她登录到计算机1到3之一并用他/她登录的计算机从数据库4检索照片9中之一，则他/她激活列表21的单选按钮21a并选择初步诊断之一。由于分类员6通常激活初步诊断组列表21，计算机1到3在学习模式就学习了这个习惯。结果，在工作模式时当分类员6从数据库4检索照片时，初步诊断列表21就已激活。
在本实施例中，分类员7宁愿“撤销”初步诊断列表21，而通过先评定黄斑，再评定所显示眼睛的外周视神经乳头，来评定所检索的照片。在学习模式，他/她就依次”撤销”初步诊断列表21，用方框围住相关区域来标记显示照片的黄斑，缩放标记区域，评定黄斑，移出标记区域，并标记所显示眼睛的外周视神经乳头。计算机1到3在学习模式就学习了这个习惯。在工作模式，当分类员7从数据库4检索照片9之一时，相关计算机自动”撤销”初步诊断列表21，标记所显示眼睛的黄斑，并缩放所标记的黄斑。当分类员7移出所标记的黄斑时，相关计算机就标记所显示眼睛的外周视神经乳头。
在本示范实施例中，分类员8偏好根据初步诊断来评定照片并依次搜索眼睛不同区域中的疾患。计算机1到3在学习模式就学习了分类员8的习惯。在工作模式，只要分类员8从数据库4检索照片9之一时，相关计算机就自动激活初步诊断列表21，并按照分类员8的偏好，标记所显示眼睛的区域。
在本实例中，在工作模式分类员6登录到计算机1。如果他/她从数据库4检索照片24，则照片24就显示在显示屏1a上，且初步诊断列表21的单选按钮21a就自动激活，如图3所示。然后，分类员6作出初步诊断为背景/非增生性(轻度/中度)视网膜病(BR)，并激活单选按钮21d。
为了验证选择的初步诊断背景/非增生性(轻度/中度)视网膜病(BR)，显示照片24的眼睛必需包括以下疾患中的至少一项出血(HAEM)、硬性渗出物(HE)和绒毛状渗出点(CWS)。为了进一步支持分类员6到8，在本实例中计算机1到3各配置有一组图像处理算法。每种图像处理算法设计成检测与眼睛中会出现的疾患有关的图形。这种图形的实例是表示棉絮状渗出点的眼睛中的绒毛状白斑以及表示表面视网膜内出血的包括暗斑的暗线条。适用的图像处理算法是图形识别算法，业界已众所周知。这种图像处理算法的一个实例公开在G.Zahlmann等人的文章”Hybrid Fuzzy Image Processing forSituation Assessment”，IEEE Engineering in Medicine and Biology，January/February 2000，pp.76-83中。
在本示范实施例中，在分类员6通过激活单选按钮21选择初步诊断为背景/非增生性(轻度/中度)视网膜病(BR)后，计算机1自动激活设计成检测出血(HAEM)、硬性渗出物(HE)和绒毛状渗出点(CWS)等特定图形的那些图像处理算法，并将图像处理算法应用于所显示的照片24上。在本示范实例中，图像处理算法在照片24中检测到绒毛状白斑以及包括暗斑的暗线条。在本实施例中，绒毛状白斑自动由矩形31所包围，包括暗斑的暗线条自动由箭头32标注。检测的图形也可以例如是彩色的。
在本实例中，在工作模式期间，分类员7登录到计算机2。如果他/她从数据库4检索照片24，则照片24就显示在显示屏2a上，且初步诊断列表21的单选按钮21b自动激活，以”撤销”列表21，如图4所示。由于分类员7偏好先评定所显示眼睛的黄斑，计算机2启动存储在各计算机1到3上的又一图像处理算法。所述图像处理算法设计成通过搜索所显示黄斑的特定图形来检测所显示眼睛的黄斑。图像处理算法在显示照片24中检测到黄斑后，计算机2自动用矩形41将照片中的相关区域包围起来并缩放所标记的区域。分类员7评定了黄斑并利用列表20的下拉菜单20a到20n对他/她的评定作了记录后，所标记的黄斑区域自动回缩并从照片24中移出。随后，计算机2启动又一图像处理算法，所述算法搜索与眼睛视网膜乳头有关的图形。检测到所述图形后，计算机2自动标记相关区域42。
在本实例中，在工作模式期间，分类员8登录到计算机3。如果他/她从数据库4检索照片24，则照片24就显示在显示屏3a上，且初步诊断列表21的单选按钮21a就自动激活，如图5所示。然后，分类员8作出初步诊断为背景/非增生性(轻度/中度)视网膜病(BR)，并激活单选按钮21d。
由于分类员8偏好先评定所显示的眼睛的黄斑，计算机3就启动检测所显示的眼睛的黄斑的图像处理算法。当图像处理算法在照片24中检测到黄斑后，计算机3自动用矩形51将照片24中的相关区域包围起来并缩放所述标记区域。然后，计算机3启动那些用来检测出血(HAEM)、硬性渗出物(HE)和棉絮状渗出点(CWS)等特定图形的图像处理算法，并将这些图像处理算法应用于所显示的照片的缩放区域。在本实例中，图像处理算法检测到表示出血(MAEM)的暗斑。在本实例中检测图形是彩色的。
在对黄斑作出评定之后，包括黄斑的区域被回缩并从照片24中去除。随后，将用来检测出血(HAEM)、硬性渗出物(HE)和棉絮状渗出点(CWS)等特定图形的图像处理算法应用于其余的照片24，并将所检测到的图形增亮。
虽然本专业的技术人员可以提出各种修改和变化，但是，本发明人的意图是合理和恰当地包括在它们对本领域的贡献范围之内的所有修改和变化都体现在用专利权保护的本文中。
权利要求
1.一种用于支持评定眼睛照片的方法，它包括以下步骤在显示屏上显示患者眼睛的照片；在所述照片中确定关注区系列；所述关注区系列适合于从对所述照片进行评定的许多人中选择的一个人；以及随后在所述显示屏上标记所述显示屏上的所述照片中所述关注区系列中的每个关注区。
2.如权利要求1所述的方法，其中包括执行计算机化的学习模式以便确定所述关注区系列。
3.如权利要求1或2所述的方法，其中包括用方框将所述关注区系列中的至少一个关注区包围起来。
4.如权利要求1到3中的任一项所述的方法，其中为了确定所述关注区系列中的至少一个关注区，所述方法还包括以下步骤从多种图像处理算法中选择一种图像处理算法，所述图像处理算法设计成在所述照片中检测与所述至少一个关注区有关的图形；将所述选择的图像处理算法应用于所述照片；以及在所述显示屏上标记检测的图形，作为所述至少一个关注区。
5.如权利要求4所述的方法，其中包括在所述显示屏上突出所述检测的图形。
6.一种用于支持评定眼睛照片的方法，它包括以下步骤在显示屏上显示患者眼睛的照片；根据从与糖尿病有关的多种诊断中选择的初步诊断而从多种图像处理算法中选择一种图像处理算法；所述多种图像处理算法中的每种图像处理算法与所述多种诊断中的一种诊断相关联并设计成搜索各诊断特定的图形；将所述选择的图像处理算法应用于所述照片；在所述显示屏上标记出利用所述选择的图像处理算法在所述显示屏的所述照片中检测到的图形。
7.如权利要求6所述的方法，其中包括在所述显示屏上突出所述检测的图形。
8.如权利要求6或7所述的方法，其中包括在所述显示屏上用方框将所述检测的图形包围起来。
9.一种系统，它包括数据库，它包括多个糖尿病患者的多个眼睛照片；显示屏；以及数据处理单元，它工作连接到所述显示屏和所述数据库，并配置成从所述数据库中所述多幅照片中检索选择的照片，在所述显示屏上显示所述检索的照片，在所述检索照片中确定关注区系列；所述关注区系列适合于从对所述照片进行评定的许多人中选择的一个人；以及随后在所述显示屏上标记所述显示屏上的所述照片中所述关注区系列中的每个关注区。
10.如权利要求9所述的系统，其中数据处理单元在计算机学习模式期间确定所述关注区系列。
11.如权利要求9或10所述的系统，其中所述数据处理单元在所述显示屏上用方框包围所述关注区系列中至少一个关注区。
12.如权利要求9到11中任一项所述的系统，其中所述数据处理单元还配置成从多种图像处理算法中选择一种图像处理算法，所述选择的图像处理算法设计成检测与所述关注区系列中的至少一个关注区有关的图形，将所述选择的图像处理算法应用于所述照片；以及在所述显示屏上标记检测的图形，作为所述至少一个关注区。
13.如权利要求12所述的系统，其中所述数据处理单元在所述显示屏上突出所述检测的图形。
14.一种系统，它包括数据库，它包括多个糖尿病患者的多幅眼睛照片；显示屏；以及数据处理单元，它工作连接到所述显示屏和所述数据库，并配置成从所述数据库的所述多幅照片中检索选择的照片，在所述显示屏上显示所述检索的照片，从多种图像处理算法中选择一种图像处理算法，所述选择的图像处理算法设计成检测与从多种初步诊断中选择的一种初步诊断有关的图形，将所述选择的图像处理算法应用于所述照片，并在所述显示屏上标记出所述显示屏上所述检索的照片中的检测的图形。
15.如权利要求14所述的系统，其中所述数据处理单元突出所述检测的图形。
16.如权利要求14或15所述的系统，其中所述数据处理单元在所述显示屏上用方框包围所述检测的图形。
全文摘要
在用于支持评定患者眼睛照片的方法和系统中，将照片显示在显示屏上。根据从与糖尿病有关的多种诊断中选择的初步诊断，从多种图像处理算法中选择一种图像处理算法。每种图像处理算法与多种诊断中的一种诊断相关联并设计成搜索相应的诊断的特定图形。然后将选择的图像处理算法应用于所述照片，并在显示屏上的照片中标记出利用选择的图像处理算法所检测的图形。
文档编号A61B5/00GK1717678SQ200380104496
公开日2006年1月4日 申请日期2003年10月30日 优先权日2002年11月26日
发明者V·施密德特, S·施奈德, G·查尔曼 申请人:西门子公司