一种眼底照片图像智能获取识别系统的制作方法
【专利说明】一种眼底照片图像智能获取识别系统
[0001]
技术领域
[0002]本发明涉及一种眼病的诊断设备，具体是一种眼底照片图像获取及识别系统。
【背景技术】
[0003]眼睛是人体最重要的器官之一，人从外界获取的信息有80%是通过眼睛来实现的。一旦发生眼疾，轻则影响视觉质量及外观，重则致盲致残。视力的缺损势必让患者的生活质量大打折扣。眼病治疗关键不仅在于及早就医治疗，更关键的是得到权威专家的准确诊断以及科学的治疗建议。
[0004]隐匿性眼病如青光眼、糖尿病视网膜病变等在早期无视力改变的症状，眼底照相是早期发现隐匿性眼病的有效方法，对指导眼底疾病的诊治、评估全身健康状况都有重要意义。眼底照相是近年来在临床采用得比较多的眼底检查，就是利用特殊的一起如数码相机，和眼底镜连接，将眼底的图像在计算机上显示，可以打印下来保存在病历，还可以再治疗前后做个对比。它能够客观的记录眼底后极部视网膜形态学变化，具有较好的客观性、重复性和可对比性。用眼底图像进行眼底筛查，由读片中心的眼科专家对眼底图片进行读片分级，可以使患者得到早期的治疗，延缓病情进展，实现从疾病治疗到疾病预防的转变。
[0005]但是，采用眼底照相技术的眼底筛查项目通常会产生大量需要读片员读片分级的眼底图像，其中，80%以上的眼底照片是正常视网膜，这种情况将导致大部分的分级工作时间消耗在没有任何眼部疾病征兆的正常眼底照片中。
【发明内容】
[0006]本发明的目的是克服现有技术中的不足，提供一种在保证准确率的前提下显著提高眼底疾病诊断速度的眼底照片图像智能获取识别系统。
[0007]为实现上述目的，本发明所采用的技术方案是:
一种眼底照片图像智能获取识别系统，包括眼底照相机、电脑以及安装在电脑中的人工智能处理程序；所述人工智能处理程序包括:
1)眼底照片图像的特征识别单元，该单元包括:
(1)视盘识别模块:用以在眼底照相机传送过来的眼底照片图像中查找视盘区域；
(2)视杯识别模块:用以在视盘识别模块查找到的视盘区域内查找视杯区域；
(3)黄斑识别模块:用以在视盘区域的附近查找黄斑区域；
(4)渗出识别模块:用以在眼底照片图像中查找是否有渗出物，如果发现眼底照片图像中存在边界清晰但不规则的黄白色小点或蜡黄色区域，则存在渗出物；
(5)血管识别模块:用以在眼底照片图像中查找血管的分布，在眼底照片图像中呈细长条状且颜色较深的图样则为血管；
(6)出血识别模块:用以在眼底照片图像中查找是否有出血现象，如在在眼底照片图像中呈现块状的暗红色区域或长条状的暗红色区域，则存在出血现象；
2)眼底照片图像的特征标记单元，该单元包括:
(1)视杯视盘扫描线标记模块:用以标记V⑶R扫描线和Rim扫描线；从左至右扫描视盘及视杯区域，对于每一条垂直扫描线，查找以下交点:扫描线与视盘上边缘的交点，记为A，扫描线与视杯上边缘的交点，记为B，扫描线与视杯下边缘的交点，记为C，扫描线与视盘下边缘的交点，记为D;当|BC|取得最大值时，当前扫描线记为V⑶R扫描线，并标记BC线段；当MIN( I AB I，I⑶I)取得最小值时，当前扫描线记为Rim扫描线，并标记AB或CD中较短的线段；
(2)动静脉标记模块:用以对动脉血管和静脉血管进行标记，血管识别模块查找到的血管中，较粗的血管为动脉血管，较细的血管为静脉血管，将动脉血管和静脉血管用不同的颜色进行标记；
3)眼底照片图像的特征测量单元，该单元包括:
(1)垂直杯盘比测量模块:利用V⑶R扫描线，计算BC/AD的比值，记为垂直杯盘比；
(2)盘缘厚度测量模块:利用Rim扫描线，计算MIN(AB，⑶)的值，记为盘缘厚度；
(3)动静脉比测量模块:动静脉比的计算为:
AVR (动静脉比)=多条动脉血管的宽度的均值/静脉血管的宽度的最大值，
其中:血管的宽度=血管图像的面积/血管的长度，所述血管图像是指以视盘中心为圆心，2.67至3倍半径所形成的环形区域内的血管区域；所述血管长度是指对血管图像进行骨架计算后的像素点数；
4)眼底照片图像的评定单元:根据垂直杯盘比、动静脉比、出血识别模块的识别结果以及渗出识别模块的识别结果来评定眼底照片图像中的视网膜是否正常，并对眼底照片图像进行分类。
[0008]进一步地，所述人工智能处理程序还包括平面拼接单元，当眼底照片图像不完整时，平面拼接单元用以将多幅指向不同方位拍摄的眼底照片图像拼接为一幅图像，以得到完整的包含各区域的眼底照片。
[0009]进一步地，还包括云平台，所述电脑将眼底照片图像的评定单元评出的非正常的眼底照片图像通过互联网传送给云平台。
[0010]进一步地，所述云平台中安装有所述的人工智能处理程序。
[0011]进一步地，所述视盘识别模块所采用的识别方法如下:A、初步确定视盘所在的候选区域；B、对候选区域进行模糊化处理，与此同时对候选区域进行均一化处理；C、对模糊化处理的候选区域采用内扩算法寻找到模糊化处理的视盘，对均一化处理的候选区域采用外伸算法寻找到均一化处理的视盘；D、寻找模糊化处理的视盘和均一化处理的视盘的重叠区域；E、在重叠区域，通过血管找到视盘的中心，从而最终确定视盘的区域。
[0012]本发明的有益效果:
提供一种眼底照片图像智能获取识别系统，在拍摄完成眼底照片后，自动通过其内置的眼底图片人工智能处理程序对于超常量的眼底照片直接给出正常分级报告，而仅将疑似病灶的病例发送到其人工智能处理云平台，通过更大的样本库、更强的计算能力提供云端的自动评定，同时允许眼科专家通过云计算平台进行手动分级，是一种在保证准确率的前提下显著提高眼底疾病诊断速度的有效解决方案。
【附图说明】
[0013]下面结合附图和【具体实施方式】对本发明作进一步详细说明:
图1为本发明的结构示意框图；
图2为底照片图像人工智能处理程序模块化的结构框图；
图3为视盘识别模块所采用的识别方法的流程图；
图4为视杯识别模块的具体算法的流程图；
图5为视盘区域和视杯区域扫描线的示意图；
图6为眼底照片图像的评定单元的具体算法的流程图；
图7为拼接后的完整的包含各区域的眼底照片图像；
图8为视盘识别前后的一组眼底照片图像的对比图；
图9为视杯识别前后的一组眼底照片图像的对比图；
图10为黄斑识别前后的一组眼底照片图像的对比图；
图11为渗出识别前后的一组眼底照片图像的对比图；
图12为出血识别前后的一组眼底照片图像的对比图；
图13为动静脉标记前后的一组眼底照片图像的对比图。
【具体实施方式】
[0014]如图1所示，一种眼底照片图像智能获取识别系统，包括眼底照相机、电脑、云平台以及安装在电脑中的人工智能处理程序。所述电脑将眼底照片图像的评定单元评出的非正常的眼底照片图像通过互联网传送给云平台，所述云平台中安装有所述的人工智能处理程序。
[0015]如图2所示，所述人工智能处理程序包括:
1)平面拼接单元:为了呈现更多的局部细节，拍照人员通常以几个重要的眼底方位为中心利用眼底照相机对眼底区域进行拍照，每张图片只覆盖部分眼底区域，平面拼接单元用以将多幅指向不同方位拍摄的眼底照片图像拼接为一幅图像，以得到完整的包含各区域的眼底照片，拼接后的图像如图7所示。如果拍照人员已经拍摄了包含完整区域的眼底照片则跳过此步骤。
[0016]2)眼底照片图像的特征识别单元，该单元包括:
(1)视盘识别模块:用以在眼底照相机传送过来的眼底照片图像中查找视盘区域。
[0017]视盘全称视神经盘或视神经乳头，视网膜由黄斑向鼻侧约3mm处有一直径约
1.5_，境界清楚的淡红色圆盘状结构。
[0018]视盘的特征:1、通常表现为近似圆形的黄色或白色区域；2、血管从视盘中心延伸出来。
[0019]如图3所示，所述视盘识别模块所采用的识别方法如下:A、初步确定视盘所在的候选区域；B、对候选区域进行模糊化处理，与此同时对候选区域进行均一化处理；C、对模糊化处理的候选区域采用内扩算法寻找到模糊化处理的视盘，对均一化处理的候选区域采用外伸算法寻找到均一化处理的视盘；D、寻找模糊化处理的视盘和均一化处理的视盘的重叠区域；E、在重叠区域，通过血管找到视盘的中心，从而最终确定视盘的区域。眼底照片图像如图8所示，图中的左图为需要识别的眼底照片图像，图中的右图为眼底照片图像中红色区域为识别到的视盘区域。
[0020] (2)视杯识别模块:用以在视盘识别模块查找到的视盘区域内查找视杯区域。
[0021 ] 视杯是视盘中心的白色杯状区域。视杯大小与视盘大小的比值是诊断青光眼的重要依据。
[0022]视杯的特征:1、位于视盘内部；2、亮度通常比视盘平均亮度高；3、在边缘处血管发生转折。视盘识别模块主要根据视杯的特征来对视杯进行查找的。视杯识别模块的具体算法的流程图如图4所示，眼