專利名稱：確定視杯邊界的位置的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于確定2D視網(wǎng)膜圖像中的視杯邊界的方法和系統(tǒng)。該方法和系統(tǒng)可以被用于確定CDR，而所述CDR可以反過來被用于確定患上青光眼的風(fēng)險。
背景技術(shù)：
青光眼是世界上導(dǎo)致失明的原因之一。根據(jù)2004年世界衛(wèi)生組織的報告[1]，青光眼是導(dǎo)致失明的第二大原因，全球12. 3%的視力障礙都是由于這種疾病。據(jù)估計7000 萬的青光眼病例中，超過一半的病例是在亞洲[2]。在新加坡，最新的基于社區(qū)的研究發(fā)現(xiàn)年齡超過40歲的華人受訪者中有3.2%的人被發(fā)現(xiàn)患有青光眼。此外，該疾病與年齡有密切的關(guān)系，并且根據(jù)青光眼研究基金會的報告[5]，年齡超過60歲的人患有青光眼的幾率是60歲以下的人的6倍。鑒于在世界的很多地方(包括新加坡)迅速的人口老齡化， 青光眼的患病率可能會增加。以神經(jīng)節(jié)神經(jīng)細(xì)胞的死亡為特征，青光眼的損害是不可逆的并且是永久的。而且， 視野顯著缺損通常只有在晚期的青光眼損害時才被意識到。但是，如果能夠盡早發(fā)現(xiàn)，青光眼的進(jìn)程能夠被極大地減緩或者甚至被中斷W]。這就需要進(jìn)行大量的篩查工作以在早期檢測青光眼。但是，當(dāng)前，由于篩查需要有經(jīng)驗(yàn)的專業(yè)人士對視網(wǎng)膜圖像進(jìn)行人工分級，因此青光眼的篩查耗費(fèi)人力。這個過程也是耗時的，并且需要經(jīng)過培訓(xùn)的外科醫(yī)生也加大了進(jìn)行普查的難度。此外，據(jù)報道，青光眼評定的準(zhǔn)確性受觀察者的經(jīng)驗(yàn)和訓(xùn)練程度的影響 [7]。由于目前的人工篩選的方法的限制，因此需要開發(fā)一種用于青光眼篩查的客觀的計算機(jī)篩查系統(tǒng)。圖1(a)是一只眼睛的二維QD)視網(wǎng)膜圖像，該圖像沒有顯示青光眼，圖1(d)是該眼睛后部的部分剖視圖的的相應(yīng)示意圖。視神經(jīng)將視覺信息從眼睛傳輸?shù)酱竽X，而視神經(jīng)乳頭，也稱為視盤是視網(wǎng)膜中視神經(jīng)的始端。視盤是神經(jīng)纖維通過其離開視網(wǎng)膜的結(jié)構(gòu)。 視盤內(nèi)的凹陷被稱作視杯。青光眼性視神經(jīng)病變的生理特征在于視杯凹陷的增大，導(dǎo)致了同視神經(jīng)盤相關(guān)視杯尺寸的增加。在含義分別對應(yīng)圖1(a)和圖1(d)的圖1(b)和圖1(e)中，說明了患有早期青光眼的眼睛的生理機(jī)能，而在含義分別再次對應(yīng)圖1(a)和圖1(d)的圖1(c)和圖1(f) 中，顯示了患有晚期青光眼的眼睛的生理機(jī)能。如這些附圖所示，當(dāng)患有青光眼時，神經(jīng)節(jié)細(xì)胞喪失并且神經(jīng)纖維變薄。此外，在青光眼的眼睛中也存在視杯凹陷的增大。當(dāng)前的方法所使用的用于患者青光眼風(fēng)險評估的標(biāo)準(zhǔn)特性是測量視杯和視盤之間的比率，比較通俗的稱為杯盤比(CDR)。使用CDR可以提供相對應(yīng)的杯盤尺寸的定量測量。典型地，如果CDR高，其代表患有青光眼的風(fēng)險高，可以建議進(jìn)行進(jìn)一步的檢查。為了獲得⑶R，有必要把視盤和視杯彼此分開，并且將視盤和視杯與視網(wǎng)膜圖像的其余部分分開。以前，已經(jīng)報道了很多的方法用于視盤的檢測，但是已經(jīng)提及的用于視杯檢測的方法就少得多了。由于在視盤中的視杯的清晰度降低以及穿過視杯邊界的血管結(jié)構(gòu)的密度增高，因此視杯的檢測是非常有挑戰(zhàn)性的。一個用于視杯檢測的最早報道的方法是基于色彩強(qiáng)度的差異分析[8]。隨后發(fā)展了用于視杯檢測的更進(jìn)一步的方法。例如，基于從立體的彩色的視網(wǎng)膜圖像生成的像素特征對視網(wǎng)膜圖像中的像素進(jìn)行分類[9]。從先前的立體(三維)重建中獲得的坡度、形狀和深度的參數(shù)被用于推算視杯的勢能函數(shù)[10]，并且基于像素強(qiáng)度的變分水平集方法被用于全局優(yōu)化所獲得的視杯輪廓[11]。像素色彩強(qiáng)度或蒼白以及相關(guān)的梯度形成了先前描述的視杯分割方法的基礎(chǔ)。當(dāng)視杯蒼白被用于確定視杯的尺寸時，則存在沒有充分估計視杯尺寸的潛在風(fēng)險。這造成了所謂的蒼白/視杯差異的結(jié)果，此處蒼白區(qū)域滯后于實(shí)際的視杯尺寸[12]。此外，當(dāng)視杯和視盤之間的蒼白差別不是特別明顯時，特別是在視杯較淺的早期青光眼性萎縮的情況下， 單獨(dú)使用蒼白來準(zhǔn)確確定視杯尺寸具有挑戰(zhàn)性。另外，許多方法[9，10]進(jìn)一步依靠立體圖像的處理來獲得視杯邊界。因此，需要一種能夠克服上述問題的用于確定視杯邊界的方法和系統(tǒng)。

發(fā)明內(nèi)容
本發(fā)明的目的是提供新的、用于確定視杯的有用的計算機(jī)控制系統(tǒng)。概括來講，本發(fā)明提出在臨近視杯和視盤之間邊界的血管中的扭結(jié)被用于確定視杯邊緣。因此，本發(fā)明的某些實(shí)施例使得用計算機(jī)控制系統(tǒng)確定2D視網(wǎng)膜圖像中的視杯成為可能，其并不依賴于如現(xiàn)有技術(shù)的系統(tǒng)中所述的顏色差異。由于在參考文件[13]中只是非常簡單的提及，因此并不是完全不知道可以使用血管中的扭結(jié)作為一種輔助手段來觀察視杯。但是，由于檢測視盤中小血管的難度，使用這種方法是有挑戰(zhàn)性的。此外，參考文件[13]中披露的是在手動檢測立體圖像的情況下，而其并沒有披露在2D圖像中使用這種技術(shù)(甚至是使用這種技術(shù)的可能性)。對于在沒有人類干涉的情況下可以操作該技術(shù)沒有任何暗示。也沒有任何暗示可以通過包括血管邊緣的計算機(jī)識別的方法來進(jìn)行操作。特別地，本發(fā)明的第一方面是涉及一種確定2D視網(wǎng)膜圖像中的視杯邊界的方法， 該方法包括以下步驟(a)對圖像上視杯邊界的位置進(jìn)行初步估測；(b)確定視杯邊界的初步估測位置的鄰域中血管的邊緣；(c)在確定的血管邊緣中檢測扭結(jié)；以及(d)基于被檢測到的扭結(jié)確定2D視網(wǎng)膜圖像中的視杯邊界。此處，“鄰域”可以是多個小片(patches)的總和，所述小片被定義為疊蓋了視杯邊界初步估測的位置。本發(fā)明可以被選擇性的表示為用于實(shí)施該方法的計算機(jī)系統(tǒng)。該計算機(jī)系統(tǒng)可以與捕獲2D視網(wǎng)膜眼底圖像的設(shè)備整合在一起。本發(fā)明也可以被表示為計算機(jī)程序產(chǎn)品，例如被記錄在有形的計算機(jī)媒介上，包含由計算機(jī)系統(tǒng)操作來執(zhí)行所述方法的步驟的程序指令的一種計算機(jī)程序產(chǎn)品。


現(xiàn)在，通過實(shí)例以及參考下面的附圖將舉例說明本發(fā)明的實(shí)施例，其中圖1由圖(a)-(f)組成，其描述了沒有青光眼的視網(wǎng)膜以及患有青光眼的視網(wǎng)膜的生理機(jī)能；圖2描述了本發(fā)明的一個實(shí)施例中的確定視杯邊界的方法的流程圖3(a)-圖3(c)描述了最初的圖像和圖2中步驟202到步驟204的結(jié)果；圖4 (a)-圖4 (d)描述了圖2中步驟206到步驟216的結(jié)果；圖5描述了圖2的方法的結(jié)果；圖6描述了從圖2的方法以及從現(xiàn)有技術(shù)的方法中獲得的誤差的圖示；和圖7描述了從圖2的方法的結(jié)果構(gòu)建的以及從現(xiàn)有技術(shù)的方法構(gòu)建的ROC曲線。
具體實(shí)施例方式參考圖2，該步驟描述了一種方法，該方法是本發(fā)明的一個實(shí)施例，并且該方法利用計算機(jī)操作的扭結(jié)的檢測來確定杯盤比用以評估青光眼。輸入到實(shí)施例的是一個單獨(dú)的視網(wǎng)膜圖像。在視網(wǎng)膜圖像上最先進(jìn)行涉及步驟 202和步驟204的預(yù)處理以估算圖像上的視盤邊界，并且初步估測圖像上的視杯邊界的位置。接著，在初步估測的視杯邊界的位置上進(jìn)行局部小片的采集(步驟206)，這些小片一起限定了離所初步估測的視杯邊界的位置最近的一個區(qū)域。隨后是涉及步驟208、步驟 210 (在該步驟中確定小片上的顯著特征)以及步驟212 (在該步驟中確定哪些特征與血管邊緣有關(guān))的“特征生成和血管識別”過程。矢量化血管邊緣(步驟214)，并且確定扭結(jié) (步驟216)，之后，在步驟218中使用扭結(jié)來劃分視杯邊界以獲得視杯尺寸。接著，將視杯尺寸與步驟202輸出的結(jié)果相比較得到杯盤比。下面將更詳細(xì)地描述這些步驟。預(yù)處理(步驟202和步驟204)在步驟202中，進(jìn)行視盤分割。在視網(wǎng)膜圖像中，視盤占據(jù)整個視網(wǎng)膜圖像中的一小部分區(qū)域。首先以估測的視盤位置為中心選取一個區(qū)域。在一個實(shí)施例中，這個區(qū)域的直徑是典型的視盤直徑的兩倍。通過閾值化視網(wǎng)膜圖像的紅色通道來確定所估測的視盤中心，在所述的視網(wǎng)膜圖像的紅色通道處視盤是最清楚的。接著，將變分水平集方法[14]應(yīng)用到所述區(qū)域以獲得視盤。隨后，用橢圓擬合來平滑獲得的視盤邊界。在步驟204中，進(jìn)行視杯邊界的估測。為了隨后使用變分水平集方法，閾值化被應(yīng)用于所選取的視盤的綠色通道以獲得一個初始輪廓。在運(yùn)用了變分水平集方法后所獲得的結(jié)果隨后被橢圓擬合以提供一個基于蒼白的視杯邊界的初步估測的位置。局部采集小片(步驟206)在步驟206中，進(jìn)行局部采集小片，以確定位于視盤內(nèi)的扭結(jié)。使用初步估測的視杯邊界的位置作導(dǎo)向，形成多個正方形的小片。在示例性的實(shí)施例中，這樣來設(shè)計小片之間的空間以確保在小片之間存在某種交搭，來進(jìn)行冗余測量。此外，在示例性的實(shí)施例中，正方形小片的尺寸是像素，并且具有足夠的小片，以使全部的整套小片包括初步估測的視杯邊界的全部位置。通過應(yīng)用已定位的目標(biāo)小片，能夠避免對于僅僅檢測大血管的后續(xù)邊緣檢測方法的偏移。圖3(a)描述的是一個最初的視網(wǎng)膜圖像300，而圖3(b)描述了已選取的視盤邊界 302和在進(jìn)行了步驟202和步驟204后初步估測的視杯邊界304。圖3 (c)中示出了進(jìn)行步驟206后生成的一些小片306。實(shí)際上，小片的數(shù)量足以一起覆蓋整個線304。包括步驟208、步驟210和步驟212的特征產(chǎn)生由于同大血管相比它們的可視性降低，因此在扭結(jié)檢測中的關(guān)鍵性挑戰(zhàn)之一在于選取小血管。為了檢測扭結(jié)，重要的是檢測血管的彎曲而不是血管本身。因此，也可以從血管邊緣獲得所需的扭結(jié)信息。在本發(fā)明的一個實(shí)施例中，該實(shí)施例通過使用兩個獨(dú)立的方法檢測盤內(nèi)血管邊緣來檢測扭結(jié)以產(chǎn)生特征。在步驟208中，在步驟206中選取的每個小片上進(jìn)行邊緣圖像的生成。在所述小片的綠色通道中進(jìn)行邊緣檢測以獲得所述小片內(nèi)的所有可能血管邊緣的位置。在一個實(shí)施例中，使用Carmy邊緣轉(zhuǎn)換法。但是，也可以使用其它的邊緣檢測方法，例如SobeKPrewitt 或Roberts邊緣檢測法。等式(1)中定義了所獲得的轉(zhuǎn)換圖像G ( χ )，其中η是被檢測的邊緣數(shù)目，Ln是指第η個被檢測到的邊緣，以及m是所使用的邊緣的全部數(shù)目。
權(quán)利要求
1.一種確定2D視網(wǎng)膜圖像中視杯邊界的方法，該方法包括以下步驟(a)對所述圖像上視杯邊界的位置進(jìn)行初步估測；(b)在初步估測的視杯邊界的位置的鄰域中確定血管的邊緣；(c)在被確定的血管邊緣處檢測扭結(jié)；以及(d)基于被檢測到的扭結(jié)確定2D視網(wǎng)膜圖像中的視杯邊界。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟(b)包括以下的子步驟 (i)在貼近所述的初步估測的視杯邊界的位置處生成小片；和( )在每個生成的小片中確定血管邊緣。
3.根據(jù)權(quán)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.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，所述步驟(c)包括(i)將每個生成的小片中的每個被確定的血管邊緣表示為一系列由矢量連接的節(jié)點(diǎn)； ( )計算所述矢量中連續(xù)的矢量的延伸方向之間的角度差；以及 (iii)如果所計算的角度差大于一個特定的閾值，則確定扭結(jié)存在。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述的將被確定的血管邊緣表示為一系列由矢量連接的節(jié)點(diǎn)的步驟還包括(i)使每個被確定的血管邊緣符合一個η階多項(xiàng)式以平滑每個被確定的血管邊緣，其中η是一個整數(shù)；以及( )將每個已平滑的血管邊緣細(xì)分成線段，每個所述的線段對應(yīng)各自的一個所述矢量。
6.根據(jù)權(quán)利要求2-5中任一項(xiàng)所述的方法，其特征在于，所述在每個已生成的小片上確定血管邊緣的步驟還包括以下步驟(a)在每個已生成的小片上進(jìn)行邊緣檢測以產(chǎn)生邊緣圖像；(b)在每個已生成的小片上進(jìn)行小波變換以產(chǎn)生小波變換圖像；(c)將所述的邊緣圖像和所述的小波變換圖像組合在一起以產(chǎn)生每個生成的小片的置信度圖像，其中，在所述置信度圖像中每個像素表示所述像素屬于血管邊緣的概率；以及(d)通過確定所述置信度圖像中的具有對應(yīng)于血管邊緣的相對高的概率的像素來確定血管邊緣。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，使用Carmy邊緣檢測、Sobel邊緣檢測、 Prewitt邊緣檢測或Roberts邊緣檢測來進(jìn)行邊緣檢測。
8.根據(jù)權(quán)利要求6或7所述的方法，其特征在于，使用2DGabor小波變換來進(jìn)行所述的小波變換。
9.根據(jù)權(quán)利要求6-8中任一項(xiàng)所述的方法，其特征在于，使用貝葉斯準(zhǔn)則或支持向量機(jī)器分級而將所述邊緣圖像和所述小波變換圖像組合在一起。
10.根據(jù)權(quán)利要求6-9中任一項(xiàng)所述的方法，其特征在于，在將所述邊緣圖像和所述小波變換圖像組合在一起的步驟之前，將所述小波變換圖像進(jìn)行歸一化。
11.根據(jù)前述任一項(xiàng)權(quán)利要求所述的方法，其特征在于，所述的步驟(a)通過以下步驟來進(jìn)行(i)在所述圖像上獲得視盤邊界的預(yù)估位置；以及( )從所述的視盤邊界的預(yù)估位置獲得所述的初步估測的視杯邊界的位置。
12.根據(jù)權(quán)利要求11所述的方法，其特征在于，所述的獲得視盤邊界的預(yù)估位置的步驟通過以下步驟來進(jìn)行(i)閾值化所述視網(wǎng)膜圖像的紅色通道；( )根據(jù)閾值化的所述視網(wǎng)膜圖像的紅色通道確定所述視盤的中心；(iii)選取集中在所述視盤的所述中心的視盤區(qū)域；(iv)將變分水平集方法應(yīng)用到所述已選取的視盤區(qū)域以獲得一個最初估計的視盤邊界；以及(ν)用橢圓擬合來平滑所述最初估計的視盤邊界以獲得所述的視盤邊界的預(yù)估位置。
13.根據(jù)權(quán)利要求12所述的方法，其特征在于，所述視盤區(qū)域的直徑至少是典型視盤直徑的1.5倍。
14.根據(jù)權(quán)利要求12或13所述的方法，其特征在于，從所述的視盤邊界的預(yù)估位置獲得所述的初步估測的視杯邊界的位置的步驟包括(i)閾值化所述的視盤邊界的預(yù)估位置區(qū)域內(nèi)的綠色通道以獲得第一輪廓；( )將變分水平集方法應(yīng)用到所述第一輪廓以獲得第二輪廓；以及(iii)將橢圓擬合應(yīng)用到所述第二輪廓以獲得所述的初步估測的視杯邊界的位置。
15.根據(jù)前述任一項(xiàng)權(quán)利要求所述的方法，其特征在于，所述步驟(d)包括對所述被檢測到的扭結(jié)進(jìn)行橢圓擬合運(yùn)算。
16.根據(jù)權(quán)利要求1-14中任一項(xiàng)所述的方法，其特征在于，所述步驟(d)包括以下步驟(i)確定所述初步估測的視杯邊界的位置上的點(diǎn)；( )對所述被檢測到的扭結(jié)和所述被確定的點(diǎn)進(jìn)行橢圓擬合運(yùn)算。
17.一種確定⑶R的方法，該方法包括以下步驟(a)根據(jù)權(quán)利要求1-16中任一項(xiàng)所述的方法確定視盤邊界和視杯邊界；(b)從所述視盤邊界確定視盤尺寸；(c)從所述視杯邊界確定視杯尺寸；以及(d)通過計算所述視杯尺寸和所述視盤尺寸的比值確定所述CDR。
18.一種確定患有青光眼的風(fēng)險的方法，該方法包括以下步驟(a)根據(jù)權(quán)利要求17所述的方法確定CDR；以及(b)如果⑶R大于0.6，則確定患有青光眼的風(fēng)險高。
19.一種計算機(jī)系統(tǒng)，其特征在于，所述計算機(jī)系統(tǒng)具有一個用于執(zhí)行權(quán)利要求1-18 中任一項(xiàng)所述的方法的處理器。
20.一種計算機(jī)程序產(chǎn)品，其特征在于，所述計算機(jī)程序產(chǎn)品是計算機(jī)可讀的，并且包含由計算機(jī)系統(tǒng)的處理器可操作的指令，以使所述處理器執(zhí)行權(quán)利要求1-18中任一項(xiàng)所述的方法。
全文摘要
本發(fā)明涉及一種確定2D視網(wǎng)膜圖像中視杯邊界的位置的方法。該方法包括在視杯和視盤的預(yù)估邊界檢測血管中的扭結(jié)，以及基于被檢測到的扭結(jié)確定2D視網(wǎng)膜圖像中視杯邊界的位置。已被確定的視杯邊界可以用于測算CDR，而所述CDR反過來可以用于確定患上青光眼的風(fēng)險。
文檔編號A61B3/12GK102316789SQ200880132846
公開日2012年1月11日 申請日期2008年12月15日 優(yōu)先權(quán)日2008年12月15日
發(fā)明者劉江, 李慧琦, 林如暉, 陳彥鳴, 黃天蔭, 黃永基·戴蒙 申請人:新加坡保健服務(wù)集團(tuán)有限公司, 新加坡國立大學(xué), 新加坡科技研究局