[发明专利]自动杯盘比测量系统

权利要求书

1.一种从二维(2D)视网膜眼底图像获得杯盘比(CDR)值的方法，包括步骤：

(i)进行视盘分割；

(ii)进行视杯分割；以及

(iii)将由视盘分割得到的数据和视杯分割得到的数据，输入到自适应模型运行以生成CDR值。

2.根据权利要求1所述的方法，其中，在所述步骤(i)之后，对所述视盘分割的结果进行一个平滑的步骤，以产生平滑的视盘分割数据，所述平滑的视盘分割数据用于所述步骤(ii)，并作为输入到所述自适应模型的数据。

3.根据权利要求1或2所述的方法，其中，在所述步骤(ii)之后，对从所述视杯分割步骤(ii)中的输出数据执行一次或多次平滑算法，以产生平滑的视杯数据的各自集合，所述平滑的视杯数据的集合或各集合在步骤(iii)中输入到所述自适应模型。

4.根据权利要求3所述的方法，其中，有多个所述平滑算法，产生多个在步骤(iii)中输入到所述自适应模型的平滑视杯数据的各自集合。

5.根据权利要求3或4所述的方法，其中，所述平滑视杯数据和所述由所述视杯分割步骤(ii)输出的数据，均输入到所述自适应模型。

6.根据权利要求1所述的方法，其中，所述视盘分割步骤(i)包括一个基于所述图像中点的强度在所述眼底图像中识别一个有用区域的预备步骤。

7.根据前述任一项权利要求所述的方法，其中，所述视盘分割步骤(i)使用变分水平集算法。

8.根据前述任一项权利要求所述的方法，其中，所述视杯分割步骤(ii)包括使用阈值技术来估算视杯边界的第一分步，和随后的使用水平集技术的第二分步。

9.根据前述任一项权利要求所述的方法，其中，所述视杯分割步骤(ii)通过多个方法进行，每个方法产生各自的视杯分割，步骤(iii)包括将从这些视杯分割中的每一个中得到的数据输入到所述自适应模型中。

10.根据前述任一项权利要求所述的方法，其中，眼底图像包括多个色彩要素，所述分割步骤(i)和(ii)中的至少一个仅使用所述彩色图像的一单个要素进行。

11.根据前述任一项权利要求所述的方法，其中，所述自适应模型是一个多层神经网络。

12.根据前述任一项权利要求所述的方法，包括一个使用包括由临床产生的目标CDR值的训练集合、来训练所述自适应模型的预备阶段。

13.一种从2D视网膜眼底图像获得CDR值的设备，包括处理器，布置为执行下列步骤：

(i)进行视盘分割；

(ii)进行视杯分割；以及

(iii)将由视盘分割得到的数据和视杯分割得到的数据，输入到自适应模型工具以生成CDR值。

14.根据权利要求13所述的设备，其中，所述处理器配置为，以在所述步骤(i)之后，将视盘分割的结果平滑以产生平滑的视盘分割数据，所述平滑的视盘分割数据用作输入到所述自适应模型的数据。

15.根据权利要求13或14所述的设备，其中，所述处理器配置为，以在所述步骤(ii)之后，对从所述视杯分割步骤(ii)中输出的数据执行一次或多次平滑算法，以产生平滑的视杯数据的各自集合，所述平滑的视杯数据的集合或各集合在步骤(iii)中输入到所述自适应模型。

16.根据权利要求15所述的设备，其中，处理器配置为，执行多个所述平滑算法，产生多个在步骤(iii)中输入到所述自适应模型的平滑视杯数据的各自集合。

17.根据权利要求15或16所述的设备，其中，所述平滑的视杯数据和由所述视杯分割步骤(ii)输出的数据，均输入到所述自适应模型中。

18.根据权利要求13至17任一项所述的设备，其中，所述处理器配置为，作为视盘分割的所述步骤(i)的一部分，以执行一个基于所述图像中点的强度在所述眼底图像上识别一个有用区域的预备步骤。

19.根据权利要求13至18任一项所述的设备，其中，处理器配置为，在视盘分割的步骤(i)中使用变分水平集算法。