[发明专利]眼底无灌注区的测量方法及装置及图像处理方法有效
申请号: | 201910304868.3 | 申请日: | 2019-04-16 |
公开(公告)号: | CN110097502B | 公开(公告)日: | 2022-03-15 |
发明(设计)人: | 王海川;何卫红;郭曙光 | 申请(专利权)人: | 深圳市莫廷影像技术有限公司;深圳市斯尔顿科技有限公司 |
主分类号: | G06T3/40 | 分类号: | G06T3/40;G06T5/00;G06T5/30;G06T7/62;G06V10/762;A61B3/12;A61B3/10 |
代理公司: | 深圳新创友知识产权代理有限公司 44223 | 代理人: | 黄议本 |
地址: | 518000 广东省深圳市龙岗区布吉街*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 眼底 灌注 测量方法 装置 图像 处理 方法 | ||
1.一种OCTA血管网图像处理方法,其特征在于,包括:
获取被检眼的眼底血管网图像,所述眼底血管网图像由光学相干断层扫描血管造影术生成;
对所述眼底血管网图像进行聚类处理,聚类处理后的所述眼底血管网图像上形成血管区域和无血管区域;
对所述聚类处理后的所述眼底血管网图像进行腐蚀处理,腐蚀处理后的所述眼底血管网图像上形成有一第一区域和至少一第二区域,所述第一区域包括所述血管区域,所述至少一第二区域包括在所述无血管区域中,所述第一区域为一连通的整体区域,每一所述第二区域为一连通的整体区域;
进行腐蚀处理之后还包括:
查找所述腐蚀处理后的所述眼底血管网图像中面积最大的第二区域;
对所述腐蚀处理后的所述眼底血管网图像进行膨胀处理,得到所述被检眼的眼底无灌注区域,所述眼底无灌注区域包括所述面积最大的第二区域,所述膨胀处理与所述腐蚀处理采用同样尺寸的核;
或者,进行腐蚀处理之后还包括:
对所述腐蚀处理后的所述眼底血管网图像进行膨胀处理,得到至少一第三区域,每一所述第三区域为一连通的整体区域,每一所述第三区域包括一所述第二区域,所述膨胀处理与所述腐蚀处理采用同样尺寸的核;
查找膨胀处理后的所述眼底血管网图像中面积最大的第三区域,所述面积最大的第三区域为所述被检眼的眼底无灌注区。
2.根据权利要求1所述的方法,其特征在于,
所述查找所述腐蚀处理后的所述眼底血管网图像中面积最大的第二区域之后,以及对所述腐蚀处理后的所述眼底血管网图像进行膨胀处理之前,所述方法还包括:
对所述腐蚀处理后的所述眼底血管网图像中所述面积最大的第二区域之外的区域进行填充处理,以区别所述面积最大的第二区域;
或者,所述查找膨胀处理后的所述眼底血管网图像中面积最大的第三区域之后,所述方法还包括:
对所述膨胀处理后的所述眼底血管网图像中所述面积最大的第三区域之外的区域进行填充处理,以区别所述面积最大的第三区域。
3.根据权利要求1或2所述的方法,其特征在于,所述获取所述被检眼的眼底血管网图像,包括:
由包括光源和光学探头的光学相干断层扫描装置获取所述被检眼的眼底血管网图像;
所述由包括光源和光学探头的光学相干断层扫描装置获取所述被检眼的眼底血管网图像,包括:
由所述光学探头利用测量光对所述被检眼的视网膜进行重复扫描,其中,所述测量光由所述光源提供,所述重复扫描包括对所述视网膜的同一位置的至少两次扫描;
在扫描期间,获取与所述视网膜相关的至少一谱域干涉信号;
由所述谱域干涉信号提取与所述视网膜中细胞、组织或粒子运动有关的数据;
根据与所述视网膜中细胞、组织或粒子运动有关的数据计算得到所述眼底血管网图像。
4.根据权利要求1所述的方法,其特征在于,所述对所述眼底血管网图像进行聚类处理,包括:
对所述眼底血管网图像进行滤波处理,并采用K均值方法对滤波处理后的所述眼底血管网图像进行分类。
5.根据权利要求4所述的方法,其特征在于,所述对所述眼底血管网图像进行滤波处理,包括:
对所述眼底血管网图像进行插值处理,并对插值处理后的所述眼底血管网图像进行滤波处理。
6.一种眼底无灌注区的测量方法,用于测量被检眼的眼底无灌注区的面积,其特征在于,包括根据权利要求1至5任一项所述的方法,还包括:计算所述眼底无灌注区域的像素数,以计算所述眼底无灌注区域的面积。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市莫廷影像技术有限公司;深圳市斯尔顿科技有限公司,未经深圳市莫廷影像技术有限公司;深圳市斯尔顿科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910304868.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于AI的图像无损放大方法
- 下一篇:基于邻域回归的超分辨率方法