基于眼底镜的动脉硬化无创检测系统的制作方法

1.本发明涉及医疗健康技术领域，具体涉及基于眼底镜的动脉硬化无创检测系统。


背景技术：

2.德国科学家赫尔曼
·
冯
·
亥姆霍兹在1851年发明的。在此之前，医生只能用放大镜检查眼睛。借助这种新器械，医生可以看清眼球后面视网膜上的血管以及视神经(在眼睛和大脑之间传送信息)，而且这是人体中唯一不需要切开而能够看到血管和神经的地方，眼底的视网膜血管作为人体中唯一可看见的血管，也是医生了解人体其他脏器血管情况的一个窗口，透过眼底图像，不仅可以预防与治疗各种眼病，还可以帮助诊断内科病和脑系科的疾病。但是通过眼底镜了解人体其他脏器血管的手段往往只能通过医生自身的医学理论和经验来进行预估，其准确率较低，且不具备很好的说明性和对比性，而基于以上的问题，现提出基于眼底镜的动脉硬化无创检测系统。


技术实现要素：

3.本发明的目的是提供基于眼底镜的动脉硬化无创检测系统，以解决技术中的上述不足之处。
4.为了实现上述目的，本发明提供如下技术方案：包括有如下的系统运行步骤：
5.s1：通过眼底镜扫描采集眼球中视网膜信息和眼球中血管分布信息，在眼底镜扫描眼球的过程中，眼底镜将眼球图片输入到成像单元上；
6.s2：步骤s1中的成像单元将眼球图片输入到医用电脑终端上，此时的医用终端将眼球图片排列；
7.s3：在步骤s2中图片排列后，医用终端截取正常眼球视网膜、眼球血管分布数据，如(s2中排列的眼球图片数量为8张，且眼球录入角度为多角度，此时正常眼球图片将截取相应或相似的数量和角度)，并通过对比单元和检测单元进行寻找两组图片差异处的作业；
8.s4：步骤s3中对比、检测出来的数据结果将通过医用终端屏幕显示，其中，显示结果中包含视网膜、眼底血管、视神经乳头、视神经纤维、视网膜上黄斑部及视网膜后的脉络膜信息。
9.作为上述基于眼底镜的动脉硬化无创检测系统，优选的方案，所述成像单元为ccd电荷耦合器件，其为矽晶半导体，透过光电效应，将眼球图像转化为存储电荷。
10.作为上述基于眼底镜的动脉硬化无创检测系统，优选的方案，所述对比单元是基于opencv和python的图像差异计算芯片，其内置于医用终端电脑中。
11.作为上述基于眼底镜的动脉硬化无创检测系统，优选的方案，所述检测单元是基于opencv系统衍生的计算芯片，而且内置于医用终端设备中。
12.作为上述基于眼底镜的动脉硬化无创检测系统，优选的方案，所述对比单元还有如下的对比流程：
13.步骤一：通过结构相似性指数(ssim)将两个图像与python进行比较，加载每个图
像并将其转换为灰度，计算两个灰度图像之间的结构相似性指数；
14.步骤二：使用阈值处理，使用opencv和python突出显示图像差异；
15.在用差异图像，差异图像和阈值图像显示比较图像；
16.步骤三：运行脚本并可视化一些图像差异。
17.在上述技术方案中，本发明提供的技术效果和优点：
18.本发明中利用眼底镜扫描眼球，再结合成像单元获得眼球中视网膜信息和眼球中血管分布信息，通过截取正常眼球视网膜、眼球血管分布数据与之对比，且通过结构相似性指数(ssim)将两个图像与python进行比较，突出显示图像差异，使用差异图像和阈值图像来显示比较图像，从而利用眼底数据来判断患者是否动脉硬化以及硬化程度，以此通过眼底镜观察来达到无创检测的效果。
附图说明
19.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
20.图1为本发明提出的基于眼底镜的动脉硬化无创检测系统的运行流程结构示意图。
具体实施方式
21.为了对本发明的技术方案和实现方式做出更清楚地解释和说明，以下介绍实现本发明技术方案的几个优选的具体实施例。
22.下文的描述本质上仅是示例性的而并非意图限制本公开、应用及用途。应当理解，在所有这些附图中，相同或相似的附图标记指示相同的或相似的零件及特征。各个附图仅示意性地表示了本公开的实施方式的构思和原理，并不一定示出了本公开各个实施方式的具体尺寸及其比例。在特定的附图中的特定部分可能采用夸张的方式来图示本公开的实施方式的相关细节或结构，本文所引用的各种出版物、专利和公开的专利说明书，其公开内容通过引用整体并入本文，下面将结合本发明实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例。
23.在本发明的描述中，除非另有明确的规定和限定，术语“第一”、“第二”仅用于描述的目的，而不能理解为指示或暗示相对重要性；除非另有规定或说明，术语“多个”是指两个或两个以上；术语“连接”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
24.本说明书的描述中，需要理解的是，本技术实施例所描述的“上”、“下”、“左”、“右”等方位词是以附图所示的角度来进行描述的，不应理解为对本技术实施例的限定。此外，在上下文中，还需要理解的是，当提到一个元件连接在另一个元件“上”或者“下”时，其不仅能够直接连接在另一个元件“上”或者“下”，也可以通过中间元件间接连接在另一个元件“上”或者“下”。
25.实施例一
26.参照说明书附图1，基于眼底镜的动脉硬化无创检测系统：
27.通过眼底镜扫描采集眼球中视网膜信息和眼球中血管分布信息，包含视网膜、眼底血管、视神经乳头、视神经纤维、视网膜上黄斑部及视网膜后的脉络膜信息，在眼底镜扫描眼球的过程中，眼底镜将眼球图片输入到成像单元上，透过光电效应，将眼球图像转化为存储电荷将眼球图片输入到医用电脑终端上。
28.医用终端将眼球图片排列，图片排列后，医用终端截取正常眼球视网膜、眼球血管分布数据，并通过对比单元和检测单元进行寻找两组图片差异处的作业；通过结构相似性指数(ssim)将两个图像与python进行比较，加载每个图像并将其转换为灰度，计算两个灰度图像之间的结构相似性指数；使用阈值处理，使用opencv和python突出显示图像差异；再用差异图像，差异图像和阈值图像显示比较图像，随后运行脚本并可视化一些图像差异。
29.实施例二
30.参照说明书附图1，基于眼底镜的动脉硬化无创检测系统：
31.通过眼底镜扫描采集眼球中视网膜信息和眼球中血管分布信息，包含视网膜、眼底血管、视神经乳头、视神经纤维、视网膜上黄斑部及视网膜后的脉络膜信息，在眼底镜扫描眼球的过程中，眼底镜将眼球图片输入到成像单元上，透过光电效应，将眼球图像转化为存储电荷将眼球图片输入到医用电脑终端上。
32.医用终端将眼球图片排列，图片排列后，医用终端截取正常眼球视网膜、眼球血管分布数据，并通过对比单元和检测单元进行寻找两组图片差异处的作业；利用beyond compare比对软件，创建“图片比较”会话，依次点击“会话”》“新建会话”》“图片比较，加载图片，点击文件夹图标，选择两个待比较的图片，图片加载后，比对结果会自动呈现，差异结果会直观的以灰度图形式在界面显示，通过调整图片位置、缩放比例，查看想获取的细节信息。
33.通过使用“容差”、“范围”的合理使用可以获得更好的差异比对效果，点击“容差”按钮后，点击“次要”按钮，忽略次要差异，对“容量”进行调整，在不匹配范围视图下，我们可以看到两个图片的异同之处，在重叠状态下，黑色部分表示相同点，黄色表示不同点，而且黄色越亮，差别越大，用户可以查看“图片比较信息”，以查询差异的具体数据，从该数据中可以评估两图片的相似度，并生成对比报告。
34.实施例三
35.参照说明书附图1，基于眼底镜的动脉硬化无创检测系统：
36.通过眼底镜扫描采集眼球中视网膜信息和眼球中血管分布信息，包含视网膜、眼底血管、视神经乳头、视神经纤维、视网膜上黄斑部及视网膜后的脉络膜信息，在眼底镜扫描眼球的过程中，眼底镜将眼球图片输入到成像单元上，透过光电效应，将眼球图像转化为存储电荷将眼球图片输入到医用电脑终端上。
37.医用终端将眼球图片排列，图片排列后，医用终端截取正常眼球视网膜、眼球血管分布数据，并通过对比单元和检测单元进行寻找两组图片差异处的作业；对比俩张图片差异，使用均方误差(mse)与结构相似性指数(ssim)函数，mse的值为0表示完全相似。大于1的值表示相似度较小，mse的值随着像素强度之间的平均差增加而将继续增长。ssim的值为1表示完全相似。值越小表示相似性越差。
[0038][0039]
实施例四
[0040]
参照说明书附图1，基于眼底镜的动脉硬化无创检测系统：
[0041]
通过眼底镜扫描采集眼球中视网膜信息和眼球中血管分布信息，包含视网膜、眼底血管、视神经乳头、视神经纤维、视网膜上黄斑部及视网膜后的脉络膜信息，在眼底镜扫描眼球的过程中，眼底镜将眼球图片输入到成像单元上，透过光电效应，将眼球图像转化为存储电荷将眼球图片输入到医用电脑终端上。
[0042]
医用终端将眼球图片排列，图片排列后，医用终端截取正常眼球视网膜、眼球血管分布数据，并通过对比单元和检测单元进行寻找两组图片差异处的作业。
[0043]
将需要处理的图片所放到指定尺寸，缩放后图片大小由图片的信息量和复杂度决定，譬如，一些简单的图标之类图像包含的信息量少，复杂度低，可以缩放小一点；通常对比图像相似度和颜色关系不是很大，所以处理为灰度图，减少后期计算的复杂度。如果有特殊需求则保留图像色彩，与传统的哈希算法不同：分别依次计算图像每行像素点的平均值，记录每行像素点的平均值。每一个平均值对应着一行的特征。
[0044]
对得到的所有平均值进行计算方差，得到的方差就是图像的特征值。方差可以很好的反应每行像素特征的波动，既记录了图片的主要信息，经过上面的计算之后，每张图都会生成一个特征值(方差)。到此，比较图像相似度就是比较图像生成方差的接近成程度。
[0045]
实施例五
[0046]
参照说明书附图1，基于眼底镜的动脉硬化无创检测系统：
[0047]
通过眼底镜扫描采集眼球中视网膜信息和眼球中血管分布信息，包含视网膜、眼底血管、视神经乳头、视神经纤维、视网膜上黄斑部及视网膜后的脉络膜信息，在眼底镜扫描眼球的过程中，眼底镜将眼球图片输入到成像单元上，透过光电效应，将眼球图像转化为存储电荷将眼球图片输入到医用电脑终端上。
[0048]
医用终端将眼球图片排列，图片排列后，医用终端截取正常眼球视网膜、眼球血管分布数据，并通过对比单元和检测单元进行寻找两组图片差异处的作业；对比俩张图片差异采用直方图比较，将所要比较的两幅图片的直方图数据，然后再将直方图数据归一化之后方便比较，最终得到一个相似指数，通过设定相似指数的边界，我们可以得到是否是同一张图片。
[0049]
实施例五
[0050]
参照说明书附图1，基于眼底镜的动脉硬化无创检测系统：
[0051]
通过眼底镜扫描采集眼球中视网膜信息和眼球中血管分布信息，包含视网膜、眼底血管、视神经乳头、视神经纤维、视网膜上黄斑部及视网膜后的脉络膜信息，在眼底镜扫描眼球的过程中，眼底镜将眼球图片输入到成像单元上，透过光电效应，将眼球图像转化为存储电荷将眼球图片输入到医用电脑终端上。
[0052]
医用终端将眼球图片排列，图片排列后，医用终端截取正常眼球视网膜、眼球血管分布数据，并通过对比单元和检测单元进行寻找两组图片差异处的作业；通过感知哈希算法，经过对比之后，最终决定采用phash算法来作为辅助相似性判别法。通过感知哈希算法
对每张图片生成一个“指纹”字符串，然后通过比较“指纹”字符串的距离(通常采用汉明距离，两个等长字符串之间的汉明距离，是两个字符串对应位置的不同字符的个数)，这个距离越小，代表两个图片越相似，在均值哈希基础上加入dct，两次dct将图像按照频度分开，取左上角高能低频信息做均值哈希。
[0053]
实施例六
[0054]
基于实施例五，参照说明书附图1，基于眼底镜的动脉硬化无创检测系统：
[0055]
通过眼底镜扫描采集眼球中视网膜信息和眼球中血管分布信息，包含视网膜、眼底血管、视神经乳头、视神经纤维、视网膜上黄斑部及视网膜后的脉络膜信息，在眼底镜扫描眼球的过程中，眼底镜将眼球图片输入到成像单元上，透过光电效应，将眼球图像转化为存储电荷将眼球图片输入到医用电脑终端上。
[0056]
医用终端将眼球图片排列，图片排列后，医用终端截取正常眼球视网膜、眼球血管分布数据，并通过对比单元和检测单元进行寻找两组图片差异处的作业；通过感知哈希算法，将图像缩小到8*8的尺寸，只保留结构/明暗等基本信息，摒弃不同尺寸/比例带来的图像差异，将缩小后的图像，转为64级灰度，即所有像素点总共只有64种颜色，计算所有64个像素的灰度平均值，将每个像素的灰度，与平均值进行比较，大于或等于平均值记为1，小于平均值记为0；计算哈希值：将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图像的指纹，得到指纹以后，就可以对比不同的图像，看看64位中有多少位是不一样的。在理论上，这等同于”汉明距离”，在信息论中，两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数)。如果不相同的数据位数不超过5，就说明两张图像很相似；如果大于10，就说明这是两张不同的图像。
[0057]
最后，还需要说明的是，本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本技术所能产生的功效及所能达成的目的下，均应仍落在本技术所揭示的技术内容得能涵盖的范围内。
[0058]
在本文中使用的术语"包括'、"包含"或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句"包括一个
…
"限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0059]
本发明并不局限于上述最佳实施方式，任何人应该得知在本发明的启示下做出的结构变化，凡是与本发明具有相同或相近的技术方案，均落入本发明的保护范围之内。