【技术实现步骤摘要】
一种眼底照视网膜血管管径的计算方法、系统和设备
[0001]本专利技术涉及视网膜眼底图像分析领域,更具体地,涉及一种眼底照视网膜血管管径的计算方法
、
设备
、
系统
、
计算机可读存储介质及其应用
。
技术介绍
[0002]在眼底图像分析中,准确的黄斑中心定位对于糖尿病性视网膜病变的计算机辅助诊断系统具有重要的意义
。
此外,视网膜血管形态变化对心血管疾病和全身疾病的提示具有重要的临床意义,例如,小静脉口径的增加与糖尿病性视网膜病变和中风的风险相关,高血压性视网膜病变可导致动脉狭窄和动脉
‑
静脉比降低,动脉粥样硬化会导致动脉狭窄
。
[0003]鉴于不同区域的血管对不同的疾病预示意义不同,目前临床医生对于不同区域动静脉血管形态的变化全凭经验,现有的技术只是对血管平均管径的计算,还未能自动划分区域同时计算各个区域
(
例如:鼻上侧
、
鼻下侧
)
内的血管参数
。
近年来,深度学习在视觉中的应用,已有大量的工作致力于利用深度学习模型开发图像分割方法且取得不错的成效
。
因此,利用深度学习的方法,自动定位并分割出目标区域,同时结合计算机视觉技术对目标区域内的各血管管径进行计算,具有重要意义和潜在应用价值
。
技术实现思路
[0004]本专利技术方法基于自动分割算法提取眼底照的树形结构和各分支血管,然后按树形结构遍 ...
【技术保护点】
【技术特征摘要】
1.
一种眼底照视网膜血管管径的计算方法,包括:获取待处理眼底照;对所述待处理眼底照进行分割,得到具有树形结构和单分支血管的眼底照;对所述具有树形结构和单分支血管的眼底照按树形结构遍历单分支血管计算分支的法向量,再通过插值运算和平滑处理,得到各个血管的平均
、
最大
、
最小管径
。2.
根据权利要求1所述的一种眼底照视网膜血管管径的计算方法,其特征在于,所述分割包括自动定位至黄斑中心凹并通过形态学细化过程自动检测待处理眼底照中的血管像素并移除,得到具有血管中心线的眼底照,然后通过分割算法分割所述具有血管中心线的眼底照,计算分割所得骨架线交叉点和血管端点,去除所述骨架线交叉点后将各血管段写入树形结构内,得到具有树形结构和单分支血管的眼底照
。3.
根据权利要求2所述的一种眼底照视网膜血管管径的计算方法,其特征在于,所述骨架线分叉点通过对所述具有血管中心线的血管树中的每一个像素点及其周围像素点利用交叉点算子计算,对计算得到的值和设定的交叉点阈值进行判断得到;优选的,所述交叉点算子的计算公式如下:其中,
j1
‑
j5
是用于提取交叉点特征的不同的卷积核,
j1
‑
j5
分别提取不同形状的交叉点特征,当提取到的特征值大于所述设定的交叉点阈值时,将其标记为交叉点;优选的,所述设定的交叉点阈值是
4。4.
根据权利要求2所述的一种眼底照视网膜血管管径的计算方法,其特征在于,所述血管端点通过对各血管段的边缘像素点进行端点计算,对计算得到的特征值和设定的端点算子阈值进行判断得到;优选的,所述端点算子的计算公式如下:优选的,所述端点算子的计算公式如下:其中,
k1
‑
k8
是用于提取端点特征的不同的卷积核,
k1
‑
k8
分别提取不同形状的端点特征,当计算得到的特征值大于所述设定的端点算子阈值时,将其标记为端点;优选的,所述设定的端点算子阈值是
255。5.
根据权利要求2所述的一种眼底照视网膜血管管径的计算方法,其特征在于,所述分割算法采用下列算法中的任一一种或几种:
FCN、U
‑
Net、Unet++、Unet+++、DeepLab v3+、SegNet、RefineNet、CSF
‑
Net
;可选的,所述分割算法包括
Unet+++、DeepLab v3+
或
CSF
‑
Net。6.
根据权利要求1所述的一种眼底照视网膜血管管径的计算方法,其特征在于,所述分支的法向量计算方法如下步骤:
(1)
计算延单分支血管方向的
x
轴的向量
V
x
和
y
轴的向量
V
y
,如下式所示:
V
x
=
A
x+3
‑
A
x
‑3V
y
=
A
y+3
‑
A
y
‑3其中,
A
x
、A
y
为需要计算的法向量坐标原点,
A
x+3
为
A
x
沿着血管方向后第三个坐标...
【专利技术属性】
技术研发人员:邢世来,孔亨特,姚英豪,代伟,苏建忠,
申请(专利权)人:温州医科大学附属眼视光医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。