[发明专利]一种翼状胬肉检测方法和移动终端

说明书

本发明公开了一种翼状胬肉检测方法，适于在移动终端中执行，该方法包括步骤：采集待测用户的眼部图像序列，从中选取合格的目标图像，所述目标图像从内而外依次包括瞳孔区域、虹膜区域、巩膜区域、以及眼睑和眼角区域；对目标图像的瞳孔轮廓、虹膜轮廓、眼睑轮廓进行检测，并根据检测结果标记翼状胬肉的侵入区域；获取侵入区域的实测轮廓线或拟合轮廓线，并在侵入区域内确定一个或多个种子点；以该种子点为起点，采用区域增长算法得到侵入区域的翼状胬肉，该区域增长算法在生长到本区域的轮廓线时停止生长；以及根据各区域的区域增长结果计算目标图像中出现翼状胬肉的概率值。本发明还公开了用于执行该方法的移动终端。

技术领域

本发明涉及AI(Artificial Intelligence，人工智能)医疗领域，尤其涉及一种翼状胬肉检测方法和移动终端。

背景技术

翼状胬肉是一种眼科常见病和多发病，多见于鼻侧，呈三角形，是睑裂部球结膜与角膜上一种赘生组织。胬肉覆盖到角膜上可能引起散光，侵犯角膜后日渐增大，甚至可覆盖至瞳孔区而严重影响视力。

翼状胬肉可表现为静止期或进行期。静止期的胬肉多年不生长，头部扁平，体部不充血，表面平滑，呈薄膜状，该时期的胬肉可以观察暂不治疗。进行期的胬肉不断增长扩大，头部隆起，体部肥厚，表面不平，有粗大而扩张的血管，因为充血看起来比较红，该时期的胬肉可能需要手术治疗。

翼状胬肉的发病原因尚无公认的理论，一般认为与紫外线长时间接触关系密切，另外可能与风尘、化学物刺激、烟雾等长期的慢性刺激有关。因此，在易发人群中开展广泛的定期检查、早期预警、病情评估等措施，有助于尽早发现、尽早治疗。传统的方法需要通过医生现场对病人进行线下的亲自诊断，需要病人到现场，不方便也不便捷。即使病人到现场拍摄了眼部图像，现有技术中也大多是基于虹膜圆来识别出虹膜区域内的翼状胬肉，而实际上翼状胬肉可以分布在眼部多个区域，单单对虹膜进行识别，并不准确。

发明内容

为此，本发明提供一种翼状胬肉检测方法和移动终端，以力图解决或至少缓解上面存在的问题。

根据本发明的一个方面，提供了一种翼状胬肉检测方法，适于在移动终端中执行，该方法包括步骤：采集待测用户的眼部图像序列，从中选取合格的目标图像，目标图像从内而外依次包括瞳孔区域、虹膜区域、巩膜区域、以及眼睑和眼角区域；对目标图像的瞳孔轮廓、虹膜轮廓、眼睑轮廓进行检测，并根据检测结果确定翼状胬肉的侵入区域；获取侵入区域的实测轮廓线或拟合轮廓线，并在所述侵入区域内确定一个或多个种子点；以该种子点为起点，采用区域增长算法得到所述侵入区域的翼状胬肉，区域增长算法在生长到本区域的轮廓线时停止生长；以及根据各区域的区域增长结果计算目标图像中出现翼状胬肉的概率值。

可选地，在根据本发明的翼状胬肉检测方法中，还包括步骤：从侵入区域的种子点，采用区域增长算法识别出包含该种子点的完整翼状胬肉；将从所有侵入区域内识别出的完整翼状胬肉取并集，作为该目标图像中翼状胬肉的总区域。

可选地，在根据本发明的翼状胬肉检测方法中，种子点为以下任意一种：用户指定的翼状胬肉点、各区域内的随机点、或者根据翼状胬肉的先验知识而识别的特征点。

可选地，在根据本发明的翼状胬肉检测方法中，区域增长算法根据像素颜色和像素亮度进行识别，区域增长结果包括各侵入区域内翼状胬肉的面积占比。

可选地，在根据本发明的翼状胬肉检测方法中，概率值根据翼状胬肉与瞳孔区域、虹膜区域、巩膜区域的亮度和颜色差异、以及翼状胬肉的亮度和颜色的先验知识计算得到。

可选地，在根据本发明的翼状胬肉检测方法中，还包括步骤：将目标图像、面积占比、概率值以及用户信息一并上传至服务器进行保存。

可选地，在根据本发明的翼状胬肉检测方法中，检测结果包括以下任意一种：瞳孔轮廓完整度，瞳孔左右差异，虹膜轮廓完整度，虹膜左右差异、巩膜左右差异、与正常眼睛的颜色和亮度差异。