[发明专利]用于评估视网膜图像以及从视网膜图像获得信息的方法和系统

说明书

技术领域

本发明涉及用于评估图像并且在图像被确定为具有足够好的质量的情况下用于从图像获得信息来提供治疗建议的计算机实现方法和装置，所述图像被认为是眼部的视网膜的图像。

背景技术

失明的主要原因包括白内障、青光眼、年龄相关性黄斑变性、糖尿病性视网膜病变以及病理性近视。其中，在白内障中的视力丧失通常可以通过利用人造手术中镜片代替不透明的晶状体来恢复。然而，在诸如青光眼和AMD的许多其他疾病中，视力丧失往往是永久性的和不可恢复的。因此，公众和临床上对于在尽可能早的阶段检测这些疾病以便挽救视力并降低治疗费用有相当关心。许多眼部疾病的无症状性质经常使早期检测进一步复杂化，通常只能通过在发展期的患者中观察到可见症状。

视网膜是在眼部内表面形成的一层组织。它是眼部的光敏部分，晶状体将光线聚焦在视网膜上，然后光线作为信号传输到大脑用来解释。视网膜层的损伤和变性是永久性视力丧失的关键原因。特别地，在视网膜内存在被称为视盘和黄斑(macula)的两个关键区域，它们在人类视觉系统中具有最重要的作用。图1作为眼部后部的眼底图像，标有这些区域。

1、视盘

视盘也被称为视神经头，并且是视网膜中神经节神经纤维细胞聚集形成将眼部连接到大脑的视神经的位置。信号正是通过视神经从感光细胞(photoreceptor)传输到大脑。与视盘相关的主要疾病称为青光眼。

青光眼在世界范围内是永久性失明的主要原因。在青光眼中，神经节神经纤维的变性导致视力丧失。图2(a)示意性地示出了与该疾病的晚期相关的视力丧失。青光眼的早期通常不被受检对象注意到。然而，使用诸如视网膜成像之类的模式直接观察视盘可能对青光眼检测有指导作用。视网膜神经纤维的变性表现为陷凹(excavation)在视盘中的扩大，其被称为视杯。视杯相对于视盘的增大的直径与青光眼有联系。这在图3中图示出，其中图3(a)示出了正常眼部的视盘，并且图3(b)示出了具有升高的杯盘比(CDR)的视盘。

除青光眼之外，还可以通过观察视盘来检测病理性近视。在病理性近视中，与眼球的轴向伸长相关的变性变化导致视盘周围出现视乳头周围萎缩(PPA)。这在图3(c)中被图示出。

2、黄斑

黄斑是视网膜的中心部分，负责具体的中央视觉和诸如阅读、驾驶或认人之类的相关的任务。它是一个高度着色的区域，位于视网膜中央并与视盘相连。黄斑包含眼部中的最高浓度的感光细胞。与黄斑最相关的疾病称为年龄相关性黄斑变性(AMD)。这产生了图2(b)中示意性地示出的视力丧失。

在AMD中，视网膜的黄斑区域的变性导致视野中心的直接视力丧失。AMD主要影响老龄化人群，其患病率随着年龄的增长而提高。该疾病通常大致分为早期和晚期，在晚期会出现明显的中央盲点。AMD的早期通常与黄斑区域中的玻璃膜疣和视网膜色素上皮变化的出现有联系。可以从视网膜的图像中观察到这样的损伤。这由图4示出，图4示出了(a)正常黄斑、(b)具有玻璃膜疣的黄斑以及(c)具有黄斑孔的黄斑的图像。

包括黄斑部位特异性损伤在内的其他眼部疾病包括源于出现黄斑水肿的糖尿病性视网膜病变以及源于存在黄斑裂孔和漆裂纹的病理性变性。

近年来，大量人群中对早期且有效地检测致盲眼部疾病的急切需求激发了计算机辅助工具的发展。特别地，自动计算机辅助诊断和分析技术，由于政策制定者、学者、临床医师和产业的关注，从对个体损伤和线索的检测到图像级的对疾病的检测已经得到快速发展。潜在地，对这些技术的成功实施将导致更好、更有效和更有效率地筛查这种具有巨大社会和经济影响的致盲疾病。

许多这些方法是基于干净的、滤波后的图像的数据集而开发的。由于评估算法和技术对有关疾病和损伤检测的性能的必要性，通常选择干净的、清晰可辨的和清楚的图像用于技术开发、训练和测试。这在图像具有高质量的许多用于研究和开发的例如DRIVE数据库的公共数据库中经常看到。

然而，在实践中，这种干净的高质量图像通常难以获得。这可能是由于在图像捕获期间源于采集光学器件的未对准、意外的受检对象移动或散焦而产生的成像伪影。其他原因可能包括在受检对象存在白内障，其充当了光学光路中导致图像模糊的不透明体。图5(a)和5(b)是质量差的眼底图像的示例。当自动分析系统遇到这样的图像时，生成的结果可能不可靠。这是因为这些系统是假设图像质量好、并且与规范的任何偏差都是由于现有的病变而不是成像伪影而开发的。因而，这种质量差的图像的诊断结果可能不准确。