眼底图像

摘要： 目的分析慢性肾脏病(chronic kidney disease,CKD)患者中医证素与黄斑中心凹下脉络膜厚度(subfoveal choroidal thickness,SFCT)的相关性。方法通过横断面调查、现场问卷的方式,统一、规范收集CKD患者的一般情况资料、中医四诊资料和光学相干断层成像图片,运用“WF文锋-Ⅲ中医(辅助)诊疗系统”规范提取证素,利用SPSS 26.0统计软件分析CKD患者中医证素与SFCT的相关性。结果病性证素“湿”与SFCT具有相关性,差异有统计学意义(P0.05)。结论SFCT对病性证素“湿”较为敏感,SFCT的大小对病性证素“湿”的判定有一定的贡献度。

摘要： 青光眼是世界第一大不可逆致盲性眼病,早期诊断和及时治疗是预防青光眼致盲的有效措施。眼底图像中的杯盘比是青光眼早期筛查与临床诊断的重要指标。因此,精确的视杯视盘分割是准确计算杯盘比并提高青光眼计算机辅助诊断技术的关键。针对这一问题,在对眼底图像进行极坐标变换的基础上,提出一种融合感受野模块的卷积神经网络Seg-RFNet,以实现视杯视盘联合分割。Seg-RFNet以SegNet框架为基础,使用ResNet50作为编码层,增强图像的特征提取能力,并对编码层进行分支处理,进一步获得更多的深层语义信息;同时在编码层和解码层之间加入感受野模块,模拟人类视觉系统,在增大感受野的同时增强了有用特征的响应。使用MICCAI 2018公开数据集REFUGE中的800张眼底图像对所提出方法与其他方法进行性能验证和比较。结果表明,Seg-RFNet分割视杯和视盘的Jaccard相似度分别0.951 5和0.872 0,F分数达到了0.974 9和0.930 1,与常用的U-Net、SegNet网络相比,Seg-RFNet具有更好的视杯视盘联合分割精度,为计算杯盘比提供了精确分割基础。

摘要： 近年来,眼科人工智能(artificial intelligence,AI)迅猛发展,眼底影像因易获取及其丰富的生物信息成为研究热点,眼底影像的AI分析在眼底影像分析中的应用不断深入、拓展。目前,关于糖尿病性视网膜病变(diabetic retinopathy,DR)、年龄相关性黄斑变性(age-related macular degeneration,AMD)、青光眼等常见眼底疾病的临床筛查、诊断和预测已有较多AI研究,相关成果已逐步应用于临床实践。除眼科疾病以外,探究眼底特征与全身各种疾病之间的关系并据此研发AI诊断系统已经成为当下的又一热门研究领域。AI应用于眼底影像分析将改善医疗资源紧缺、诊断效率低下的情况,为多种疾病的筛查和诊断开辟“新赛道”。未来眼底影像AI分析的研究应着眼于多种眼底疾病的智能性、全面性诊断,对复杂性疾病进行综合性的辅助诊断;注重整合标准化、高质量的数据资源,提高算法性能、设计贴合临床的研究方案。

摘要： 为解决现有眼底图像分割方法对于细微血管存在低分割精度和低准确率的问题,提出一种基于编解码结构的U-Net改进网络模型。首先对数据进行预处理与扩充,提取绿色通道图像,并将其通过对比度限制直方图均衡化和伽马变换以增强对比度;其次训练集被输入到用于分割的神经网络中,在编码过程加入残差模块,用短跳跃连接将高、低特征信息融合,并利用空洞卷积增加感受野,解码模块加入注意力机制增加对细微血管分割精度;最后利用训练完成的分割模型进行预测得出视网膜血管分割结果。在DRIVE和CHASE-DB1眼底图像数据集上进行对比实验,模型算法的平均准确率、特异性和灵敏度分别达到96.77%和97.22%、98.74%和98.40%、80.93%和81.12%。实验结果表明该算法能够改善微细血管分割准确率及效率不高的问题,对视网膜血管可以进行更准确的分割。

摘要： 目的提出一种基于灰度检测和形态学重构的出血点(hemorrhages,HA)自动检测算法,以提高糖尿病视网膜病变(diabetic retinopathy,DR)眼底图像的质量和灵敏度。方法对预处理后的图像进行灰度阈值分割,保留并提取出HA和血管特征,再利用形态学方法去除血管并消除图像边缘假阳性区域,形成新算法。用新算法测试公开数据库DIARETED1中的50幅图像(45幅HA病变图像,5幅正常图像),与专家人工判断结果进行比对验证。结果该算法的灵敏度(sensitivity,SE)和特异性(specificity,SP)分别为93.33%和80.00%。结论该算法可提升眼底图像质量和灵敏度,在不借助医生经验的条件下完成快速判定,很大程度提高了筛查的效率。

摘要： 针对视网膜病变导致图像血管分割出现细小血管断裂和分割精度不高的问题,为提高眼底图像视网膜血管自动分割的准确率,提出一种基于U-Net的眼底图像视网膜血管分割方法 .首先对眼底图像预处理和图像数据扩增,然后构建U-Net模型,用训练好的网络模型对测试样本进行分割,得到视网膜血管分割结果 .利用DRIVE和STARE这2个数据库的眼底图像进行算法性能测试,与多种分割方法相比较体现了更好的分割效果.实验结果的客观评价指标与主观视觉验证该方法取得较好分割性能,能提取更多细小血管,细微血管分叉处连续,为眼科疾病的计算机辅助分析和诊断提供参考.

摘要： 目的提出一种基于深度迁移学习的老年人群眼底疾病自动分类方法,为老年人眼底疾病提供辅助诊断分析。方法以2048张眼底图像作为原始眼底数据集。首先,对眼底图像进行去除模糊不清、图像缩放和对比度调整等预处理操作,随机将眼底图像划分成训练组、验证组和测试组。然后迁移卷积神经网络(convolution neural network,CNN)在其他分类任务预训练的参数,根据眼底病分类任务微调CNN模型全连接层参数,经过网络优化搭建眼底病分类诊断网络模型。并使用独立的测试集对网络模型进行测试,通过混淆矩阵查看模型的分类情况。最后,以受试者工作特征曲线下面积(area under curve,AUC)、准确率、灵敏度、特异度和F_(1)值等指标评价网络模型对眼底病的分类诊断效果。结果CNN模型在眼底病分类准确率均高于0.90,灵敏度在0.90~0.95范围,特异度在0.89~0.95范围,AUC在0.87~0.92范围,F_(1)值在0.92~0.94范围。结论提出基于迁移学习方法训练的CNN模型以较高的准确率实现老年人眼底病的自动分类诊断,且具备训练周期短和训练参数少等优势。该方法将有助于提高基层社区对老年人群眼底疾病的辅助诊断能力。

摘要： 视网膜血管管径的异常变化与糖尿病、高血压等心脑血管疾病发展进程息息相关,眼底图像中视网膜血管信息的提取是计算机辅助分析和诊断相关疾病的重要步骤。本研究提出一种视网膜血管管径测量方法。首先对眼底图像进行图像预处理,然后基于高斯过程和Radon变换准确跟踪血管中心线和方向,最后利用二维高斯过程回归技术测量血管管径。在DRIVE和STARE这两个眼底图像数据库中进行测试。结果表明不论是对于曲率较小的近似直线型血管段、曲率较大的弯曲型血管段,还是对于管径发生变化的血管段,本文方法都能较好地检测出血管管径宽度,且标准差低、运算速度快。

摘要： 贫困地区的大规模疾病筛查主要依靠便携式手持摄像机和远程诊断来完成,这一过程获得的眼底图像往往质量较差,分辨率较低。针对这一问题,设计了一种基于信息蒸馏与异构上采样的轻量级超分辨网络。网络考虑到眼底图像与自然图像的区别,利用蒸馏特征对粗特征进行补足,然后以异构的方式将粗特征与深度特征分别进行上采样,最后集成两种上采样的特征得到高清眼底图像。从图像质量、参数内存和运行时间三个方面与先进的方法进行比较,在参数内存和运行时间成绩优异的同时取得了最高的图像质量,这为超分辨算法嵌入在手持眼底摄像机和普通医用设备上提供了思路。

摘要： 中医目诊是通过观察眼部的神、色、形、态来诊断全身疾病的一种方法.对眼底血管的观察是目诊的主要内容.视网膜血管结构的变化与许多慢性疾病密切相关.图像处理技术在眼底图像研究的应用可以为系统性疾病提供早期诊断.眼底图像血管分割是眼底血管研究的基础,目前大体可分为基于匹配滤波、血管跟踪、形态学处理、形变模型以及机器学习的分割算法5类.眼底血管分类,如动静脉分类,为临床诊断提供重要价值.在此类研究的基础上,提出了眼底血管分割、分类方法在中医目诊中的实际应用方法.

摘要： 眼底图像的预处理是眼底图像处理中十分关键和必不可少的环节.基于矢量方法的彩色图像预处理考虑了不同颜色分量之间的内在联系,具有保边缘、细节和抑制颜色偏差的优点,而且计算量小、算法简单、易于实现.本文将该方法应用于眼底图像中,取得了令人满意的效果,为眼底图像的后续处理奠定基础.

摘要： 微动脉瘤是糖尿病性视网膜病变的首要临床表现,通过检测微动脉瘤,可以尽早地预防和治疗糖尿病性视网膜病变,并可以防止其恶化和视力损伤.本文对眼底彩色图像经过预处理后,用二维高斯分布拟合出微动脉瘤的灰度分布情况,然后用模板匹配法对眼底图像进行滑动窗口的模板匹配处理得到微动脉瘤候选区域,接着对眼底图像进行血管分割,去除掉微动脉瘤候选集中的血管部分,最后用支持向量机(SVM)对微动脉瘤候选集进行分类得到最终的微动脉瘤区域.

摘要： 本文提出了一种基于多特征融合和随机森林(Random Forest,RF)的眼底图视网膜血管分割算法.以彩色眼底图像中的每个像素点为一个样本,为其构造一个包括图像不变矩特征,灰度共生矩阵特征,LoG结合高斯二阶导特征,梯度法特征,相位一致性特征以及Hessian矩阵特征在内的23维特征,选取一定数量的样本点共同构造一个特征矩阵作为输入数据,再采用随机森林算法进行分类器的训练,用生成的RF分类器对待分割图像像素点分类,判定是否为血管点,进而完成对图像血管的分割.在初步分割的基础上进行基于连通区域补足血管的后处理得到优化的血管分割结果.本文所提出的方法在DRIVE公共数据库上进行试验,平均精确度达到0.9606,平均灵敏度达到0.7447,平均特异性达到0.9838,比已有的血管分割方法性能更优。

摘要： 眼底图像中视盘的大小等特征是青光眼等眼科疾病的重要诊断依据，视盘的检测是眼底图像处理中的重要任务。本文提出了一种基于眼底结构特征的视盘检测方法。首先，对眼底图像进行管状目标增强，通过对多尺度高斯滤波的Hessian矩阵特征值和特征向量的分析，提取图像中的血管和血管方向;然后，利用视盘区域的血管分布特征对视盘区域进行自动检测：实验结果证明了方法的可行性。

摘要： 本发明提供能够同时详细掌握眼底表面及其近旁的状态和深层组织的状态的眼底观察装置。眼底观察装置1设有：用以拍摄眼底Ef的彩色图像Ef’和荧光图像GF、GI的眼底相机单元1A；用以取得断层图像GT1、GT2的OCT单元(150)；以及运算控制单元(200)。运算控制单元(200)使彩色图像Ef’、荧光图像GF、GI、断层图像GT1、GT2在显示部(240A)上并排显示，同时使表示断层图像GT1、GT2的截面位置的截面位置信息t1、t2在彩色图像Ef’和荧光图像GF、GI上重叠显示。

摘要： 本发明提供能够同时详细掌握眼底表面及其近旁的状态和深层组织的状态的眼底观察装置。眼底观察装置1设有：用以拍摄眼底Ef的彩色图像Ef’和荧光图像GF、GI的眼底相机单元1A；用以取得断层图像GT1、GT2的OCT单元(150)；以及运算控制单元(200)。运算控制单元(200)使彩色图像Ef、荧光图像GF、GI、断层图像GT1、GT2在显示部(240A)上并排显示，同时使表示断层图像GT1、GT2的截面位置的截面位置信息t1、t2在彩色图像Ef'和荧光图像GF、GI上重叠显示。

摘要： 本发明公开了一种眼底图像的配准方法、眼底图像中视盘神经、血管的测量方法及眼底图像的拼接方法。该配准方法包括：确定模板眼底图像和待配准眼底图像；在模板眼底图像上选定感兴趣区域；遍历构成待配准眼底图像内血管的所有边缘点，并同时计算sg值；通过判断sg值，确定配准的成功与失败。眼底图像中视盘神经、血管的测量方法及眼底图像的拼接方法均是基于配准方法实现的。本发明配准方法配准速度快、准度与精度高，基于配准方法实现的本发明视盘神经和血管的测量方法得到的测量结果精确度高，基于配准方法实现的本发明拼接方法可对多眼底图像进行精确拼接。

摘要： 提供了一种能够获得更高质量的图像的眼底图像拍摄装置和方法。眼底图像拍摄装置在针对眼底区的不同于视盘区的外围区的适当曝光条件下拍摄广角眼底图像，并且从广角眼底图像中检测视盘区。此外，基于视盘区的检测结果，眼底图像拍摄装置在针对视盘区的区域的适当曝光条件下拍摄窄角眼底图像，窄角眼底图像将视盘区的区域假设为对象。此外，眼底图像拍摄装置通过合成广角眼底图像和窄角眼底图像生成高动态范围的合成眼底图像。

摘要： 本发明属于智慧医疗诊断技术领域，具体涉及一种眼底图像分类模型的训练方法、病变图像分级方法及系统，本发明用Transformer编码器提取图像特征，Transformer编码器自身具备多头注意力机制，能够强化关键信息在运算过程中的权重，同时用残差注意力机制对提取的特征分类，进一步强化关键信息，从而提高糖尿病视网膜病变眼底图像的分级效果。

摘要： 本发明实施例提供了一种眼底图像配准模型训练方法、眼底图像配准方法和装置。所述眼底图像配准模型训练方法包括将原始眼底图像输入第一待训练模型中，获取所述第一待训练模型输出的第一模型配准参数；对所述第一模型配准参数进行扰动，生成扰动配准参数；根据所述第一模型配准参数以及所述扰动配准参数，确定针对所述第一待训练模型的奖励值；根据所述奖励值，调整所述第一待训练模型中的模型参数，直至所述奖励值满足第一预设条件时，将所述第一待训练模型作为眼底图像配准模型。从而得到可以输出眼底图像配准参数，对眼底图像进行配准的模型，且具有较好的准确率。

摘要： 眼底图像处理装置(1)包括：取得对受试者的眼底照射蓝色的波长的激发光而产生的第1眼底图像和对受试者的眼底照射绿色的波长的激发光而产生的第2眼底图像的图像输入部(3)；使用3个不同的初始值，通过训练生成用于预测用于从包含第1眼底图像和第2眼底图像的输入图像计算受试者的黄斑色素量的修正系数的3个已完成学习模型的模型生成部(7)；通过将包含第1眼底图像和第2眼底图像的输入图像输入到3个已完成学习模型，而预测3个修正系数的系数预测部(9)；以3个修正系数为对象计算统计值，并将统计值作为受试者的修正系数导出的系数导出部(11)；和基于第1眼底图像和受试者的修正系数，计算受试者的黄斑色素量的色素量计算部(13)。

摘要： 本发明公开了一种眼底图像的配准方法、眼底图像中视盘神经、血管的测量方法及眼底图像的拼接方法。该配准方法包括：确定模板眼底图像和待配准眼底图像；在模板眼底图像上选定感兴趣区域；遍历构成待配准眼底图像内血管的所有边缘点，并同时计算sg值；通过判断sg值，确定配准的成功与失败。眼底图像中视盘神经、血管的测量方法及眼底图像的拼接方法均是基于配准方法实现的。本发明配准方法配准速度快、准度与精度高，基于配准方法实现的本发明视盘神经和血管的测量方法得到的测量结果精确度高，基于配准方法实现的本发明拼接方法可对多眼底图像进行精确拼接。

摘要： 提供了一种能够获得更高质量的图像的眼底图像拍摄装置和方法。眼底图像拍摄装置在针对眼底区的不同于视盘区的外围区的适当曝光条件下拍摄广角眼底图像，并且从广角眼底图像中检测视盘区。此外，基于视盘区的检测结果，眼底图像拍摄装置在针对视盘区的区域的适当曝光条件下拍摄窄角眼底图像，窄角眼底图像将视盘区的区域假设为对象。此外，眼底图像拍摄装置通过合成广角眼底图像和窄角眼底图像生成高动态范围的合成眼底图像。

摘要： 本发明属于智慧医疗诊断技术领域，具体涉及一种眼底图像分类模型的训练方法、病变图像分级方法及系统，本发明用Transformer编码器提取图像特征，Transformer编码器自身具备多头注意力机制，能够强化关键信息在运算过程中的权重，同时用残差注意力机制对提取的特征分类，进一步强化关键信息，从而提高糖尿病视网膜病变眼底图像的分级效果。