瞼板腺成像的計(jì)算方法和裝置制造方法
【專利摘要】包含瞼板腺的區(qū)域的眼部圖像被自動處理。通過在眼部圖像中使用來獲得表征眼部圖像中的瞼板腺的一個(gè)或多個(gè)數(shù)值參數(shù)，使用一個(gè)或多個(gè)數(shù)值參數(shù)獲得分級，這個(gè)過程可以獲得指示瞼板腺健康的分級。這些數(shù)值參數(shù)包括一個(gè)表征由尺度空間變換得到的重要特征圖的尺度參數(shù)間差異的參數(shù)，和/或通過測量眼部圖像中代表各自腺體的線獲得的參數(shù)。使用伽柏濾波器作為一個(gè)局部濾波技術(shù)，瞼板腺可以在眼部圖像中被識別。伽柏濾波器的形狀、局部空間支持和取向的參數(shù)化對于檢測瞼板腺都很重要。
【專利說明】瞼板腺成像的計(jì)算方法和裝置

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種用于處理瞼板腺圖像來獲得表征腺體異常的信息的計(jì)算方法和裝置，所述圖像指示醫(yī)療狀況。

【背景技術(shù)】
[0002]瞼板腺為位于瞼板內(nèi)的眼皮邊緣處的皮脂腺，用于供應(yīng)瞼脂，瞼脂是一種可防止眼睛淚膜的蒸發(fā)的油性物質(zhì)。瞼脂是一種防止眼淚溢出到臉頰的脂類，從而截留油邊和眼球間的眼淚，并且瞼脂使閉著的眼皮密閉。并且，它附著在眼淚表面，可以防止眼淚中的水過快的蒸發(fā)。功能障礙的瞼板腺會導(dǎo)致眼睛干燥(由于沒有油脂，眼睛中的水蒸發(fā)的過快)或瞼炎；和其他的醫(yī)療狀況。
[0003]已知,捕捉眼表的IR (infra-red,紅外)圖像來分析瞼板腺的形態(tài)結(jié)構(gòu)。對于健康的眼睛，腺體在空間寬度、面內(nèi)伸長、長度等方面具有相似特征。另一方面，對于不健康的眼睛，成像的腺體顯示不規(guī)則。因此，檢測每個(gè)腺體和提取例如方向、寬度、長度、曲率等特征非常重要，以用于自動進(jìn)行干眼癥的診斷和風(fēng)險(xiǎn)評估。
[0004]圖l(a)-(c)為眼表的三個(gè)IR圖像樣本。專家將圖1(a)人工分級為“健康”，圖1(b)為“中間”，圖1(c)為“不健康”。在這個(gè)文件中，這樣的圖像分別稱為“健康圖像”、“中間圖像”和“不健康圖像”。IR圖像具有一些使自動檢測腺體區(qū)具有挑戰(zhàn)性的特征:
[0005]腺體區(qū)和非腺體區(qū)的對比性低；
[0006]由光滑和潮濕表面引起的鏡面反射；
[0007]由熱成像引起的區(qū)域非均勻灰度分布；
[0008]眼表圖像區(qū)的不規(guī)則。
[0009]即使成像條件存在多樣性，腺體區(qū)與非腺體區(qū)相比具有更高的反射性。因此，屬于腺體的圖像區(qū)與相鄰的非腺體區(qū)相比更亮。然而，由于以上提到的成像條件，傳統(tǒng)方法例如局部閾值法不適于將圖像劃分為腺體區(qū)和非腺體區(qū)。


【發(fā)明內(nèi)容】

[0010]本發(fā)明的實(shí)施例的主要目的在于，提供一種對包括多個(gè)瞼板腺的眼部圖像的自動處理，以識別瞼板腺的位置和/或獲得表征腺體的數(shù)值數(shù)據(jù)。這些數(shù)值數(shù)據(jù)可以用于將腺體分級。
[0011]為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案:
[0012]本發(fā)明的第一方面提出使用包含瞼板腺區(qū)的眼部圖像來獲得指示瞼板腺健康的等級，通過在眼部圖像中使用來獲得表征眼部圖像顯示的瞼板腺的一個(gè)或多個(gè)數(shù)值參數(shù)；和使用一個(gè)或多個(gè)數(shù)值參數(shù)來自動確定等級。
[0013]等級可以用于篩選病人，以識別需要進(jìn)一步詳細(xì)檢查的病人。它也可以用于提出要對病人實(shí)施的治療方法。
[0014]所述數(shù)值參數(shù)最好包括以下至少一項(xiàng):
[0015](i)至少一個(gè)參數(shù)，所述參數(shù)表征由尺度空間變換獲得的圖像重要特征的尺度參數(shù)間的差異；和/或
[0016](ii)至少一個(gè)參數(shù)，所述參數(shù)通過測量眼部圖像中識別的、代表各自腺體的線來獲得。所述測量可對單個(gè)線進(jìn)行(例如線的長度)或涉及相鄰線對(例如相鄰線之間的距離)。
[0017]概括來說，本發(fā)明的第二方面提出使用伽柏(Gabor)濾波器作為局部濾波技術(shù)在眼部圖像中識別瞼板腺。
[0018]伽柏濾波器在形狀、局部空間支持和取向上的參數(shù)化尤其適于檢測瞼板腺。

【專利附圖】

【附圖說明】
[0019]現(xiàn)將參考下面附圖，僅僅出于示例的目的，描述本發(fā)明的實(shí)施例，附圖中:
[0020]圖1由圖1 (a) -1 (c)組成，示出三種捕獲的眼表的IR圖像；
[0021]圖2由圖2(a)_2(f)組成，示出六個(gè)伽柏函數(shù)的表示形式；
[0022]圖3由圖3(a)_3(f)組成，包括圖3(a)，圖3(a)為圖1 (a)的一部分，包括圖3(b)-(f)，圖3(b)-(f)闡明使用本發(fā)明實(shí)施例處理圖3(a)圖像的各個(gè)階段。
[0023]圖4由圖4(a)_4(f)組成，包括圖4(a)，圖4(a)為圖1 (a)的一部分，包括圖4(b)-(f)，圖4(b)-(f)闡明使用本發(fā)明實(shí)施例處理圖4(a)圖像的各個(gè)階段。
[0024]圖5由圖5(a)_5(f)組成，包括圖5(a)，圖5(a)為圖1 (a)的一部分，包括圖5(b)-(f)，圖5(b)-(f)示出使用本發(fā)明實(shí)施例處理圖5(a)圖像的各個(gè)階段。
[0025]圖6由圖6(a)_6(f)組成，包括圖6(a)，圖6(a)為圖1 (a)的一部分，包括圖6(b)-(f)，圖6(b)-(f)闡明使用本發(fā)明實(shí)施例處理圖6(a)圖像的各個(gè)階段。
[0026]圖7由圖7(a)和圖7(b)組成，分別示出在進(jìn)一步實(shí)施例中直方圖均衡化前和后的眼部圖像；
[0027]圖8由圖8(a)和圖8(b)組成，圖8 (a)示出健康圖像的尺度不變特征變換(尺度空間)點(diǎn)，圖8(b)為不健康圖像中的尺度空間點(diǎn)；
[0028]圖9為健康和不健康圖像的群體的尺度不變性分布和香農(nóng)熵；
[0029]圖10示出本發(fā)明進(jìn)一步實(shí)施例中線特征的提?。?br> [0030]圖11示出本發(fā)明進(jìn)一步實(shí)施例使用的用于從像素集群中提取連續(xù)的線的方法；
[0031]圖12示出由圖11的方法提取的健康和不健康圖像中線的總長度和線的數(shù)量的分布；
[0032]圖13為健康和不健康圖像中線的長度的散點(diǎn)圖和長度的標(biāo)準(zhǔn)差；
[0033]圖14由圖14(a)和14(b)組成，示出疊加在眼部圖像的線，包括表示腺體的線和虛假的線；
[0034]圖15示出線端離圖像邊緣最大和最小距離的分布；
[0035]圖16為圖21的變型圖，還包括中間圖像的點(diǎn)；
[0036]圖17為本發(fā)明第一實(shí)施例提供的流程圖；
[0037]圖18為本發(fā)明進(jìn)一步實(shí)施例提供的流程圖。

【具體實(shí)施方式】
[0038]第一實(shí)施例
[0039]1.1伽柏函數(shù)
[0040]本發(fā)明實(shí)施例是一種檢測瞼板腺的方法,其利用了 2D (two-dimens1nal, 二維)伽柏函數(shù)族。已知使用伽柏函數(shù)作為細(xì)胞的感受野函數(shù)，模擬簡單細(xì)胞的空間總和屬性[I]。使用伽柏函數(shù)的改進(jìn)參數(shù)化將實(shí)驗(yàn)數(shù)據(jù)中發(fā)現(xiàn)的限制考慮在內(nèi)[2、3]。假如一個(gè)二維視覺域Ω上的一點(diǎn)(X，y)(即(.V,.V) e Ω 3 R1 )上存在一個(gè)光脈沖。伽柏函數(shù)由Ga, 0，ψ (x, y)表示，其為一個(gè)實(shí)值數(shù)(real valued number)(即GA，ψ (x, y) e R)。伽柏函數(shù)由下式表示[2]:

【權(quán)利要求】
1.一種由計(jì)算機(jī)設(shè)備執(zhí)行的、使用包含瞼板腺的區(qū)域的眼部圖像來獲得指示瞼板腺的健康等級的方法，所述方法包括: (i)自動獲得表征所述眼部圖像中顯示的瞼板腺的一個(gè)或多個(gè)數(shù)值參數(shù)； (ii)使用多個(gè)數(shù)值參數(shù)中的一個(gè)來自動確定等級。
2.根據(jù)權(quán)利要求1所述的方法，其中，所述獲取所述一個(gè)或多個(gè)數(shù)值參數(shù)的步驟包括: 在所述圖像中產(chǎn)生一個(gè)關(guān)鍵點(diǎn)，每個(gè)關(guān)鍵點(diǎn)與各自的距離尺度值相關(guān)； 獲得所述數(shù)值參數(shù)中的一個(gè)，作為指示所述關(guān)鍵點(diǎn)的所述尺度值的差異的參數(shù)。
3.根據(jù)權(quán)利要求2所述的方法，其中，所述的數(shù)值參數(shù)被計(jì)算為關(guān)鍵點(diǎn)的各自數(shù)值S的的平均值，每個(gè)關(guān)鍵點(diǎn)的數(shù)值S的計(jì)算基于最接近所述關(guān)鍵點(diǎn)的其他關(guān)鍵點(diǎn)的子集。
4.根據(jù)權(quán)利要求3所述的方法，其中，所述數(shù)值S根據(jù)以下表達(dá)式計(jì)算
S =毛 Aln μ, 其中，i = 1，...，η表示子集的η個(gè)關(guān)鍵點(diǎn)，Pi由下式給出 Ρ=⑷2 Σ:?2 其中，SiSn個(gè)關(guān)鍵點(diǎn)的尺度值。
5.根據(jù)前述任一項(xiàng)權(quán)利要求所述的方法，其中，通過以下步驟推導(dǎo)出至少一個(gè)所述數(shù)值特征: 獲取眼部圖像中的線，其指示各自的瞼板腺； 獲取至少一個(gè)由使用線而測量到的數(shù)值特征。
6.根據(jù)權(quán)利要求5所述的方法，其中，所述獲取圖像中的線的步驟包括: 提取沿圖像的明亮區(qū)和黑暗區(qū)分布的像素；和 將像素分組為集群。
7.根據(jù)權(quán)利要求6所述的方法，其中，所述獲取線的步驟還包括對每個(gè)集群進(jìn)行形態(tài)運(yùn)算以形成來自集群的一條線。
8.根據(jù)權(quán)利要求5-7中任一項(xiàng)所述的方法，包括線排除步驟:識別所述線中與腺體無關(guān)的線，將它們從考慮的線中除去。
9.根據(jù)權(quán)利要求8所述的方法，其中，所述線排除步驟的實(shí)現(xiàn)包括:確定每個(gè)線到圖像邊緣的最小距離d_min，到圖像邊緣的最大距離d_max，和使用所述距離識別所述線中與腺體不相關(guān)的線。
10.根據(jù)權(quán)利要求9所述的方法，其中，所述與腺體不相關(guān)的線被確定為那些d_max和d_max-d_min低于各自閾值的線。
11.根據(jù)權(quán)利要求5到10中任一項(xiàng)所述的方法，其中，使用線獲得的數(shù)值參數(shù)包括以下中任意一個(gè)或多個(gè): (i)線的數(shù)量； (ii)線的總長度； (iii)線的平均長度； (iv)線的長度的標(biāo)準(zhǔn)差； (v)通過多條線得到的值，所述值通過加和每條線上的作為該條線上的點(diǎn)到另一條線上的點(diǎn)的距離的函數(shù)獲得的值而得到； (Vi)通過多條線得到的值，所述值通過加和每條線上的通過測量從該條線沿其切線到到另一條所述線的至少一個(gè)距離獲得的值而得到； (Vii)指示線的端點(diǎn)間的距離和相應(yīng)線的長度的比值的值。
12.一種劃分包括瞼板腺區(qū)的眼部圖像的方法，所述方法包括: 在圖像的多個(gè)位置中的每一位置處: (i)將以該位置為中心的圖像進(jìn)行伽柏函數(shù)變換，在圖像中至少用一個(gè)尺度因子λ和一個(gè)方向Θ來表征； (ii)將各Θ值的伽柏函數(shù)變換加和，來形成一個(gè)強(qiáng)度值/和 (iii)使用執(zhí)行閾值步驟，來得到一個(gè)代表相應(yīng)位置是否對應(yīng)于瞼板腺位置的二進(jìn)制值。
13.根據(jù)權(quán)利要求12所述的方法，其中，步驟(iii)中，值I為λ的多個(gè)值的總和，且結(jié)果為一個(gè)閾值。
14.一種分析眼部圖像的計(jì)算機(jī)設(shè)備，包括處理器，數(shù)據(jù)存儲裝置，所述數(shù)據(jù)存儲裝置存儲計(jì)算機(jī)指令，所述計(jì)算機(jī)指令當(dāng)被所述處理器執(zhí)行時(shí)運(yùn)行，使所述處理器執(zhí)行根據(jù)權(quán)利要求1-13任一項(xiàng)所述的方法。
15.一種計(jì)算機(jī)程序產(chǎn)品，包括程序指令，所述程序指令當(dāng)被處理器處理時(shí)運(yùn)行，使所述處理器執(zhí)行根據(jù)權(quán)利要求1-13任一項(xiàng)所述的方法。
【文檔編號】A61B3/00GK104185858SQ201380006079
【公開日】2014年12月3日 申請日期:2013年1月18日 優(yōu)先權(quán)日:2012年1月18日
【發(fā)明者】李惠光, 許洋維, 圖爾蓋·西里克, 童學(xué)天, 安德烈·皮特尼克 申請人:新加坡科技研究局, 新加坡保健服務(wù)集團(tuán)有限公司