眼底图像结构识别方法和医疗器械与流程

本公开涉及图像识别，尤其涉及一种眼底图像结构识别方法和医疗器械。

背景技术：

1、随着科学技术的发展，图像识别技术不断便利着用户的生产生活。例如，眼部后节结构的形态变化是眼部疾病诊断的重要依据，光学相干断层成像（optical coherencetomography，oct）图像可以捕捉这些细微变化，基于oct图像的视网膜结构分割对临床判断具有重要意义。然而，随着扫描和诊断范围的不断增大，以及更多信息化技术在诊断治疗中的广泛运用，导致需要针对更多组织结构和更复杂的病理变进行有效识别，在实际诊疗场景中信息处理对算法处理的即时性和鲁棒性要求也在不断增加。

技术实现思路

1、本公开提供一种眼底图像结构识别方法和医疗器械，可以提高眼底图像结构识别准确性的同时减少采样次数和减少三维oct图像的限制。本公开的技术方案如下：

2、根据本公开实施例的第一方面，提供一种眼底图像结构识别方法，包括：

3、获取待扫描部位的三维oct图像，所述oct图像包括至少n帧结构连续的亮度扫描b-scan图像，所述n为正整数；

4、沿所述三维oct图像的b-scan扫描方向采样，形成采样切片集合；

5、基于采样切片集合，输出所述采样切片集合中各切片的结构边界；

6、将所述各切片的结构边界的信息映射到所述三维oct图像中，形成三维的oct体数据结构边界。

7、根据一些实施例，所述方法还包括：

8、根据所述三维oct图像或者当前眼部图像，获取所述三维oct图像获取过程中的跳变信息；

9、根据所述跳变信息，确定所述至少n帧结构连续的b-scan图像中的对应所有跳变前后的对应帧的b-scan图像。

10、根据一些实施例，所述沿所述三维oct图像的b-scan扫描方向采样，形成采样切片集合，包括：

11、沿所述三维oct图像的b-scan扫描方向，以等间隔方式抽取部分所述b-scan图像，并在具有所述跳变信息的情况下，抽取所述至少n帧结构连续的b-scan图像中的对应所有跳变前后的对应帧的b-scan图像，以形成所述采样切片集合。

12、根据一些实施例，所述将所述各切片的结构边界的信息映射到所述三维oct图像中，形成三维的oct体数据结构边界，包括：

13、根据第一切片子集，对所述三维oct图像中所有非跳变区间内的未采样帧进行边界赋值处理，形成三维的oct体数据结构边界，其中，所述第一切片子集包括结构边界包括眼底各层组织结构边界的至少一个切片；

14、其中，所述非跳变区间为根据跳变信息对至少n帧结构连续的b-scan图像进行分隔得到，所述跳变前后的对应帧的b-scan图像不同时存在于同一非跳变区间内。

15、根据一些实施例，所述将所述各切片的结构边界的信息映射到所述三维oct图像中，形成三维的oct体数据结构边界，包括：

16、对第二切片子集进行异常值处理，获取第三切片子集，其中，所述第二切片子集包括结构边界包括视盘结构边界的至少一个切片；

17、根据所述第三切片子集，对所述至少n帧结构连续的b-scan图像的未采样帧进行边界赋值处理，形成三维的oct体数据结构边界。

18、根据一些实施例，所述对第二切片子集进行异常值处理，获取第三切片子集，包括：

19、基于第二切片子集，形成多组对应en face图像及所识别的边界；

20、基于所述多组对应en face图像及所识别的边界的连续性关系，筛除异常点所在的b-scan图像，获取第三切片子集。

21、根据一些实施例，所述将所述各切片的结构边界的信息映射到所述三维oct图像中，形成三维的oct体数据结构边界，包括：

22、根据所述各切片的结构边界的信息，对所述至少n帧结构连续的b-scan图像的未采样帧进行边界赋值处理，形成三维的oct体数据结构边界，所述边界赋值处理包括将所述至少一个切片中各切片的边界坐标移动帧间相对偏移距离得到未采样帧的边界坐标，或通过插值处理得到未采样帧的边界坐标，其中，所述插值处理包括线性插值处理、分段二次插值处理和三次样条插值处理中至少一种。

23、根据本公开实施例的第二方面，提供一种执行如上述任一项所述的方法的医疗器械，包括：

24、oct扫描单元；

25、控制与图像处理单元；

26、显示单元；

27、其中，所述控制与图像处理单元用于采用以上任一项所述的方法识别所述oct体数据结构边界信息，且所述显示单元用于展示全部或者部分所述oct体数据结构边界信息。

28、根据本公开实施例的第四方面，提供一种眼底图像结构识别装置，包括：

29、图像获取单元，用于获取待扫描部位的三维oct图像，所述oct图像包括至少n帧结构连续的b-scan图像，所述n为正整数；

30、集合形成单元，用于沿所述三维oct图像的b-scan扫描方向采样，形成采样切片集合；

31、边界输出单元，用于基于采样切片集合，输出所述采样切片集合中各切片的结构边界；

32、边界形成单元，用于将所述各切片的结构边界的信息映射到所述三维oct图像中，形成三维的oct体数据结构边界。

33、根据本公开实施例的第四方面，提供一种电子设备，包括：

34、处理器；

35、用于存储所述处理器可执行指令的存储器；

36、其中，所述处理器被配置为执行所述指令，以实现前述一方面中任一项所述的眼底图像结构识别方法。

37、根据本公开实施例的第五方面，提供了一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述一方面中任一项所述的眼底图像结构识别方法。

38、根据本公开实施例的第六方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现前述一方面中任一项所述的方法。

39、本公开的实施例提供的技术方案至少带来以下有益效果：

40、在一些或者相关实施例中，通过获取待扫描部位的三维oct图像，所述oct图像包括至少n帧结构连续的b-scan图像，所述n为正整数；沿所述三维oct图像的b-scan扫描方向采样，形成采样切片集合；基于采样切片集合，输出所述采样切片集合中各切片的结构边界；将所述各切片的结构边界的信息映射到所述三维oct图像中，形成三维的oct体数据结构边界。因此，仅需一次采样即可进行眼底图像结构识别，无需两轮采样进行粗定位-细分割，减少采样次数，可以减少眼底图像结构识别的复杂性，且无需对采集到三维oct图像进行限制，减少仅可以处理以视乳头为拍摄中心的眼部oct图像的情况，可以减少图像限制使得眼底图像结构无法识别的情况，且减少两轮采样都采用星型方式合成切片使得识别鲁棒性较差的情况，可以提高眼底图像结构识别准确性的同时提高眼底图像结构识别的效率。即，采用本公开可以通过一次采样和插值，极大地加快了大量体数据信息的处理速度，同时在采样过程中，识别跳变信息，提高插值数据准确性；从而满足了复杂结构信息的高效识别。

41、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。