确定视杯边界的位置的方法和系统的制作方法

专利名称：确定视杯边界的位置的方法和系统的制作方法
技术领域：
本发明涉及一种用于确定2D视网膜图像中的视杯边界的方法和系统。该方法和系统可以被用于确定CDR，而所述CDR可以反过来被用于确定患上青光眼的风险。
背景技术：
青光眼是世界上导致失明的原因之一。根据2004年世界卫生组织的报告[1]，青光眼是导致失明的第二大原因，全球12. 3%的视力障碍都是由于这种疾病。据估计7000 万的青光眼病例中，超过一半的病例是在亚洲[2]。在新加坡，最新的基于社区的研究发现年龄超过40岁的华人受访者中有3.2%的人被发现患有青光眼。此外，该疾病与年龄有密切的关系，并且根据青光眼研究基金会的报告[5]，年龄超过60岁的人患有青光眼的几率是60岁以下的人的6倍。鉴于在世界的很多地方(包括新加坡)迅速的人口老龄化， 青光眼的患病率可能会增加。以神经节神经细胞的死亡为特征，青光眼的损害是不可逆的并且是永久的。而且， 视野显著缺损通常只有在晚期的青光眼损害时才被意识到。但是，如果能够尽早发现，青光眼的进程能够被极大地减缓或者甚至被中断W]。这就需要进行大量的筛查工作以在早期检测青光眼。但是，当前，由于筛查需要有经验的专业人士对视网膜图像进行人工分级，因此青光眼的筛查耗费人力。这个过程也是耗时的，并且需要经过培训的外科医生也加大了进行普查的难度。此外，据报道，青光眼评定的准确性受观察者的经验和训练程度的影响 [7]。由于目前的人工筛选的方法的限制，因此需要开发一种用于青光眼筛查的客观的计算机筛查系统。图1(a)是一只眼睛的二维QD)视网膜图像，该图像没有显示青光眼，图1(d)是该眼睛后部的部分剖视图的的相应示意图。视神经将视觉信息从眼睛传输到大脑，而视神经乳头，也称为视盘是视网膜中视神经的始端。视盘是神经纤维通过其离开视网膜的结构。 视盘内的凹陷被称作视杯。青光眼性视神经病变的生理特征在于视杯凹陷的增大，导致了同视神经盘相关视杯尺寸的增加。在含义分别对应图1(a)和图1(d)的图1(b)和图1(e)中，说明了患有早期青光眼的眼睛的生理机能，而在含义分别再次对应图1(a)和图1(d)的图1(c)和图1(f) 中，显示了患有晚期青光眼的眼睛的生理机能。如这些附图所示，当患有青光眼时，神经节细胞丧失并且神经纤维变薄。此外，在青光眼的眼睛中也存在视杯凹陷的增大。当前的方法所使用的用于患者青光眼风险评估的标准特性是测量视杯和视盘之间的比率，比较通俗的称为杯盘比(CDR)。使用CDR可以提供相对应的杯盘尺寸的定量测量。典型地，如果CDR高，其代表患有青光眼的风险高，可以建议进行进一步的检查。为了获得⑶R，有必要把视盘和视杯彼此分开，并且将视盘和视杯与视网膜图像的其余部分分开。以前，已经报道了很多的方法用于视盘的检测，但是已经提及的用于视杯检测的方法就少得多了。由于在视盘中的视杯的清晰度降低以及穿过视杯边界的血管结构的密度增高，因此视杯的检测是非常有挑战性的。一个用于视杯检测的最早报道的方法是基于色彩强度的差异分析[8]。随后发展了用于视杯检测的更进一步的方法。例如，基于从立体的彩色的视网膜图像生成的像素特征对视网膜图像中的像素进行分类[9]。从先前的立体(三维)重建中获得的坡度、形状和深度的参数被用于推算视杯的势能函数[10]，并且基于像素强度的变分水平集方法被用于全局优化所获得的视杯轮廓[11]。像素色彩强度或苍白以及相关的梯度形成了先前描述的视杯分割方法的基础。当视杯苍白被用于确定视杯的尺寸时，则存在没有充分估计视杯尺寸的潜在风险。这造成了所谓的苍白/视杯差异的结果，此处苍白区域滞后于实际的视杯尺寸[12]。此外，当视杯和视盘之间的苍白差别不是特别明显时，特别是在视杯较浅的早期青光眼性萎缩的情况下， 单独使用苍白来准确确定视杯尺寸具有挑战性。另外，许多方法[9，10]进一步依靠立体图像的处理来获得视杯边界。因此，需要一种能够克服上述问题的用于确定视杯边界的方法和系统。

发明内容
本发明的目的是提供新的、用于确定视杯的有用的计算机控制系统。概括来讲，本发明提出在临近视杯和视盘之间边界的血管中的扭结被用于确定视杯边缘。因此，本发明的某些实施例使得用计算机控制系统确定2D视网膜图像中的视杯成为可能，其并不依赖于如现有技术的系统中所述的颜色差异。由于在参考文件[13]中只是非常简单的提及，因此并不是完全不知道可以使用血管中的扭结作为一种辅助手段来观察视杯。但是，由于检测视盘中小血管的难度，使用这种方法是有挑战性的。此外，参考文件[13]中披露的是在手动检测立体图像的情况下，而其并没有披露在2D图像中使用这种技术(甚至是使用这种技术的可能性)。对于在没有人类干涉的情况下可以操作该技术没有任何暗示。也没有任何暗示可以通过包括血管边缘的计算机识别的方法来进行操作。特别地，本发明的第一方面是涉及一种确定2D视网膜图像中的视杯边界的方法， 该方法包括以下步骤(a)对图像上视杯边界的位置进行初步估测；(b)确定视杯边界的初步估测位置的邻域中血管的边缘；(c)在确定的血管边缘中检测扭结；以及(d)基于被检测到的扭结确定2D视网膜图像中的视杯边界。此处，“邻域”可以是多个小片(patches)的总和，所述小片被定义为叠盖了视杯边界初步估测的位置。本发明可以被选择性的表示为用于实施该方法的计算机系统。该计算机系统可以与捕获2D视网膜眼底图像的设备整合在一起。本发明也可以被表示为计算机程序产品，例如被记录在有形的计算机媒介上，包含由计算机系统操作来执行所述方法的步骤的程序指令的一种计算机程序产品。


现在，通过实例以及参考下面的附图将举例说明本发明的实施例，其中图1由图(a)-(f)组成，其描述了没有青光眼的视网膜以及患有青光眼的视网膜的生理机能；图2描述了本发明的一个实施例中的确定视杯边界的方法的流程图3(a)-图3(c)描述了最初的图像和图2中步骤202到步骤204的结果；图4 (a)-图4 (d)描述了图2中步骤206到步骤216的结果；图5描述了图2的方法的结果；图6描述了从图2的方法以及从现有技术的方法中获得的误差的图示；和图7描述了从图2的方法的结果构建的以及从现有技术的方法构建的ROC曲线。
具体实施例方式参考图2，该步骤描述了一种方法，该方法是本发明的一个实施例，并且该方法利用计算机操作的扭结的检测来确定杯盘比用以评估青光眼。输入到实施例的是一个单独的视网膜图像。在视网膜图像上最先进行涉及步骤 202和步骤204的预处理以估算图像上的视盘边界，并且初步估测图像上的视杯边界的位置。接着，在初步估测的视杯边界的位置上进行局部小片的采集(步骤206)，这些小片一起限定了离所初步估测的视杯边界的位置最近的一个区域。随后是涉及步骤208、步骤 210 (在该步骤中确定小片上的显著特征)以及步骤212 (在该步骤中确定哪些特征与血管边缘有关)的“特征生成和血管识别”过程。矢量化血管边缘(步骤214)，并且确定扭结 (步骤216)，之后，在步骤218中使用扭结来划分视杯边界以获得视杯尺寸。接着，将视杯尺寸与步骤202输出的结果相比较得到杯盘比。下面将更详细地描述这些步骤。预处理(步骤202和步骤204)在步骤202中，进行视盘分割。在视网膜图像中，视盘占据整个视网膜图像中的一小部分区域。首先以估测的视盘位置为中心选取一个区域。在一个实施例中，这个区域的直径是典型的视盘直径的两倍。通过阈值化视网膜图像的红色通道来确定所估测的视盘中心，在所述的视网膜图像的红色通道处视盘是最清楚的。接着，将变分水平集方法[14]应用到所述区域以获得视盘。随后，用椭圆拟合来平滑获得的视盘边界。在步骤204中，进行视杯边界的估测。为了随后使用变分水平集方法，阈值化被应用于所选取的视盘的绿色通道以获得一个初始轮廓。在运用了变分水平集方法后所获得的结果随后被椭圆拟合以提供一个基于苍白的视杯边界的初步估测的位置。局部采集小片(步骤206)在步骤206中，进行局部采集小片，以确定位于视盘内的扭结。使用初步估测的视杯边界的位置作导向，形成多个正方形的小片。在示例性的实施例中，这样来设计小片之间的空间以确保在小片之间存在某种交搭，来进行冗余测量。此外，在示例性的实施例中，正方形小片的尺寸是像素，并且具有足够的小片，以使全部的整套小片包括初步估测的视杯边界的全部位置。通过应用已定位的目标小片，能够避免对于仅仅检测大血管的后续边缘检测方法的偏移。图3(a)描述的是一个最初的视网膜图像300，而图3(b)描述了已选取的视盘边界 302和在进行了步骤202和步骤204后初步估测的视杯边界304。图3 (c)中示出了进行步骤206后生成的一些小片306。实际上，小片的数量足以一起覆盖整个线304。包括步骤208、步骤210和步骤212的特征产生由于同大血管相比它们的可视性降低，因此在扭结检测中的关键性挑战之一在于选取小血管。为了检测扭结，重要的是检测血管的弯曲而不是血管本身。因此，也可以从血管边缘获得所需的扭结信息。在本发明的一个实施例中，该实施例通过使用两个独立的方法检测盘内血管边缘来检测扭结以产生特征。在步骤208中，在步骤206中选取的每个小片上进行边缘图像的生成。在所述小片的绿色通道中进行边缘检测以获得所述小片内的所有可能血管边缘的位置。在一个实施例中，使用Carmy边缘转换法。但是，也可以使用其它的边缘检测方法，例如SobeKPrewitt 或Roberts边缘检测法。等式(1)中定义了所获得的转换图像G ( χ )，其中η是被检测的边缘数目，Ln是指第η个被检测到的边缘，以及m是所使用的边缘的全部数目。
权利要求
1.一种确定2D视网膜图像中视杯边界的方法，该方法包括以下步骤(a)对所述图像上视杯边界的位置进行初步估测；(b)在初步估测的视杯边界的位置的邻域中确定血管的边缘；(c)在被确定的血管边缘处检测扭结；以及(d)基于被检测到的扭结确定2D视网膜图像中的视杯边界。
2.根据权利要求1所述的方法，其特征在于，所述步骤(b)包括以下的子步骤 (i)在贴近所述的初步估测的视杯边界的位置处生成小片；和( )在每个生成的小片中确定血管边缘。
3.根据权利要求2所述的方法，其特征在于，所述的生成的小片彼此交搭。
4.根据权利要求2或3所述的方法，其特征在于，所述步骤(c)包括(i)将每个生成的小片中的每个被确定的血管边缘表示为一系列由矢量连接的节点； ( )计算所述矢量中连续的矢量的延伸方向之间的角度差；以及 (iii)如果所计算的角度差大于一个特定的阈值，则确定扭结存在。
5.根据权利要求4所述的方法，其特征在于，所述的将被确定的血管边缘表示为一系列由矢量连接的节点的步骤还包括(i)使每个被确定的血管边缘符合一个η阶多项式以平滑每个被确定的血管边缘，其中η是一个整数；以及( )将每个已平滑的血管边缘细分成线段，每个所述的线段对应各自的一个所述矢量。
6.根据权利要求2-5中任一项所述的方法，其特征在于，所述在每个已生成的小片上确定血管边缘的步骤还包括以下步骤(a)在每个已生成的小片上进行边缘检测以产生边缘图像；(b)在每个已生成的小片上进行小波变换以产生小波变换图像；(c)将所述的边缘图像和所述的小波变换图像组合在一起以产生每个生成的小片的置信度图像，其中，在所述置信度图像中每个像素表示所述像素属于血管边缘的概率；以及(d)通过确定所述置信度图像中的具有对应于血管边缘的相对高的概率的像素来确定血管边缘。
7.根据权利要求6所述的方法，其特征在于，使用Carmy边缘检测、Sobel边缘检测、 Prewitt边缘检测或Roberts边缘检测来进行边缘检测。
8.根据权利要求6或7所述的方法，其特征在于，使用2DGabor小波变换来进行所述的小波变换。
9.根据权利要求6-8中任一项所述的方法，其特征在于，使用贝叶斯准则或支持向量机器分级而将所述边缘图像和所述小波变换图像组合在一起。
10.根据权利要求6-9中任一项所述的方法，其特征在于，在将所述边缘图像和所述小波变换图像组合在一起的步骤之前，将所述小波变换图像进行归一化。
11.根据前述任一项权利要求所述的方法，其特征在于，所述的步骤(a)通过以下步骤来进行(i)在所述图像上获得视盘边界的预估位置；以及( )从所述的视盘边界的预估位置获得所述的初步估测的视杯边界的位置。
12.根据权利要求11所述的方法，其特征在于，所述的获得视盘边界的预估位置的步骤通过以下步骤来进行(i)阈值化所述视网膜图像的红色通道；( )根据阈值化的所述视网膜图像的红色通道确定所述视盘的中心；(iii)选取集中在所述视盘的所述中心的视盘区域；(iv)将变分水平集方法应用到所述已选取的视盘区域以获得一个最初估计的视盘边界；以及(ν)用椭圆拟合来平滑所述最初估计的视盘边界以获得所述的视盘边界的预估位置。
13.根据权利要求12所述的方法，其特征在于，所述视盘区域的直径至少是典型视盘直径的1.5倍。
14.根据权利要求12或13所述的方法，其特征在于，从所述的视盘边界的预估位置获得所述的初步估测的视杯边界的位置的步骤包括(i)阈值化所述的视盘边界的预估位置区域内的绿色通道以获得第一轮廓；( )将变分水平集方法应用到所述第一轮廓以获得第二轮廓；以及(iii)将椭圆拟合应用到所述第二轮廓以获得所述的初步估测的视杯边界的位置。
15.根据前述任一项权利要求所述的方法，其特征在于，所述步骤(d)包括对所述被检测到的扭结进行椭圆拟合运算。
16.根据权利要求1-14中任一项所述的方法，其特征在于，所述步骤(d)包括以下步骤(i)确定所述初步估测的视杯边界的位置上的点；( )对所述被检测到的扭结和所述被确定的点进行椭圆拟合运算。
17.一种确定⑶R的方法，该方法包括以下步骤(a)根据权利要求1-16中任一项所述的方法确定视盘边界和视杯边界；(b)从所述视盘边界确定视盘尺寸；(c)从所述视杯边界确定视杯尺寸；以及(d)通过计算所述视杯尺寸和所述视盘尺寸的比值确定所述CDR。
18.一种确定患有青光眼的风险的方法，该方法包括以下步骤(a)根据权利要求17所述的方法确定CDR；以及(b)如果⑶R大于0.6，则确定患有青光眼的风险高。
19.一种计算机系统，其特征在于，所述计算机系统具有一个用于执行权利要求1-18 中任一项所述的方法的处理器。
20.一种计算机程序产品，其特征在于，所述计算机程序产品是计算机可读的，并且包含由计算机系统的处理器可操作的指令，以使所述处理器执行权利要求1-18中任一项所述的方法。
全文摘要
本发明涉及一种确定2D视网膜图像中视杯边界的位置的方法。该方法包括在视杯和视盘的预估边界检测血管中的扭结，以及基于被检测到的扭结确定2D视网膜图像中视杯边界的位置。已被确定的视杯边界可以用于测算CDR，而所述CDR反过来可以用于确定患上青光眼的风险。
文档编号A61B3/12GK102316789SQ200880132846
公开日2012年1月11日 申请日期2008年12月15日 优先权日2008年12月15日
发明者刘江, 李慧琦, 林如晖, 陈彦鸣, 黄天荫, 黄永基·戴蒙 申请人:新加坡保健服务集团有限公司, 新加坡国立大学, 新加坡科技研究局