高瑋瑋，程武山，沈建新，左 晶，張愛(ài)華

（1.上海工程技術(shù)大學(xué)機(jī)械工程學(xué)院，上海201620；2.南京航空航天大學(xué)機(jī)電學(xué)院，江蘇南京210016；3.江蘇省中醫(yī)院眼科中心，江蘇南京210029）

免散瞳眼底圖像在糖尿病視網(wǎng)膜病變自動(dòng)篩查中的應(yīng)用*

高瑋瑋1*，程武山1，沈建新2，左 晶3，張愛(ài)華1

（1.上海工程技術(shù)大學(xué)機(jī)械工程學(xué)院，上海201620；2.南京航空航天大學(xué)機(jī)電學(xué)院，江蘇南京210016；3.江蘇省中醫(yī)院眼科中心，江蘇南京210029）

為實(shí)現(xiàn)糖尿病視網(wǎng)膜病變（糖網(wǎng)）的自動(dòng)篩查，建立了基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查方法。該方法包括視盤定位及提取、糖網(wǎng)白色病灶（硬性滲出、棉絨斑）自動(dòng)檢測(cè)以及微動(dòng)脈瘤與視網(wǎng)膜內(nèi)出血的自動(dòng)檢測(cè)。在此基礎(chǔ)上設(shè)計(jì)并實(shí)現(xiàn)了基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)。利用已實(shí)現(xiàn)的系統(tǒng)對(duì)臨床采集的7 687個(gè)樣本共15 374幅眼底圖像進(jìn)行糖網(wǎng)自動(dòng)篩查，對(duì)樣本個(gè)體的檢測(cè)結(jié)果為:靈敏度96.46%，特異性96.07%，平均處理時(shí)間57.87 s。測(cè)試結(jié)果表明，所構(gòu)建的基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)滿足英國(guó)糖尿病協(xié)會(huì)提出的糖網(wǎng)自動(dòng)篩查標(biāo)準(zhǔn)（最低靈敏度80%，最低特異性95%）。

免散瞳眼底圖像；糖尿病視網(wǎng)膜病變；自動(dòng)檢測(cè)；自動(dòng)篩查；圖像分割

doi:10.3969/j.issn.1007-7146.2015.04.006

0　引言

糖尿病是嚴(yán)重影響人類健康的內(nèi)分泌疾病，致殘致死率僅次于心腦血管疾病及癌癥。據(jù)統(tǒng)計(jì)，到2030年全球糖尿病患者將達(dá)到總?cè)丝跀?shù)的4.4%［1］。該疾病不僅給人類帶來(lái)巨大痛苦，且?guī)?lái)眾多并發(fā)癥，其中，以糖尿病視網(wǎng)膜病變（簡(jiǎn)稱“糖網(wǎng)”，Diabetic retinopathy，DR）發(fā)生率最高，對(duì)視力影響也最大，已成為目前特別是發(fā)達(dá)國(guó)家20-74歲成人致盲的首要原因［2］。由于每個(gè)糖尿病患者都有發(fā)展為DR的可能，而DR具有進(jìn)行性、不可逆性，因此，如何準(zhǔn)確篩查無(wú)明顯視力損傷的糖尿病患者是否存在DR，不僅為早期診斷、早期治療從而挽救患者視功能提供先機(jī)，還可節(jié)約大量社會(huì)醫(yī)療資源。目前國(guó)內(nèi)外已有多種篩查方法［3，4］，其中免散瞳眼底照相檢查由于具有簡(jiǎn)單易行、價(jià)格低廉、圖像易得、直觀、易于保存和記錄，且與眼底熒光造影診斷結(jié)果具有顯著一致性和較高的靈敏度、特異性等優(yōu)點(diǎn)，被眼科醫(yī)生普遍認(rèn)為最適用于DR篩查和隨診［5，6］，但現(xiàn)階段該方法基本依靠眼科醫(yī)生對(duì)眼底圖像的肉眼觀察，這對(duì)實(shí)施大規(guī)模DR篩查而言存在明顯不足與局限。因此，若能借助計(jì)算機(jī)快速、可靠自動(dòng)識(shí)別出眼底圖像中的DR病灶，不僅可將醫(yī)生從繁重的人工閱片工作中解脫出來(lái)，更為DR篩查大規(guī)模實(shí)施提供必備基礎(chǔ)條件。

英國(guó)前瞻性糖尿病研究組（UKPDS）提出，DR篩查的主要目的是及時(shí)篩檢出需要眼科進(jìn)一步診治的威脅視力的DR且越早期越好。臨床上以是否出現(xiàn)視網(wǎng)膜新生血管為分界，將DR分為非增殖性糖尿病視網(wǎng)膜病變（Nonproliferative diabetic retinopathy，NPDR）（或稱單純型或背景型）和增殖性糖尿病視網(wǎng)膜病變（Proliferative diabetic retinopathy，PDR）。因此，基于免散瞳眼底圖像的DR自動(dòng)篩查其目標(biāo)即鎖定于NPDR。NPDR具體包括紅色病灶（包括視網(wǎng)膜內(nèi)出血、微動(dòng)脈瘤）和白色病灶（包括硬性滲出、棉絨斑）。故直觀來(lái)講，要實(shí)現(xiàn)基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查這一目標(biāo)，必須探究出最適用于提取這4種病灶的自動(dòng)檢測(cè)算法，在此基礎(chǔ)上構(gòu)建基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)。

目前，國(guó)內(nèi)類似軟件較少見(jiàn)，主要有:1999年，第二軍醫(yī)大學(xué)上海長(zhǎng)征眼科醫(yī)院的周浩等人［7］采用區(qū)域生長(zhǎng)法，在Visual C環(huán)境下設(shè)計(jì)程序，應(yīng)用該程序測(cè)量糖尿病棉絮狀滲出灶（增殖型）面積（15只眼），并計(jì)算變異系數(shù)以判斷穩(wěn)定性，文章中指出由于處理速度的問(wèn)題，該系統(tǒng)軟件并不實(shí)用；2007年，吉林大學(xué)［8］采用迭代法閾值分割的方法提取出糖網(wǎng)白色病灶并設(shè)計(jì)實(shí)現(xiàn)了基于非熒光眼底圖像的糖尿病診斷系統(tǒng)。而國(guó)外的類似軟件則較多，如美國(guó)neuro metrix公司的digiscope軟件，它是通過(guò)一種專利設(shè)計(jì)的半自動(dòng)眼底照相機(jī)，配合digiscope軟件進(jìn)行收集，然后通過(guò)互聯(lián)網(wǎng)傳送到Wilmer眼科研究所的閱片中心，通過(guò)圖片診斷后，決定是否轉(zhuǎn)給眼底?？漆t(yī)生作進(jìn)一步檢查和治療；同樣還有inoven公司的inoven diabetic retinopathy（DR-3DT）和Beetham眼科研究所的Joslin vision network系統(tǒng)等。這樣的系統(tǒng)及技術(shù)能明顯增加患者對(duì)糖尿病視網(wǎng)膜病變篩查的順應(yīng)性，并提高篩查率。但國(guó)外的軟件系統(tǒng)一般都聯(lián)合眼底照相機(jī)售賣，收費(fèi)較高，一個(gè)完整的遠(yuǎn)程醫(yī)療系統(tǒng)大概需花費(fèi)5-10萬(wàn)美元，且在我國(guó)目前尚無(wú)銷售［9］?；诖?，自主研發(fā)出一套完善、健全且實(shí)用的適合我國(guó)居民情況的基于眼底圖像尤其是免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)具有迫切的現(xiàn)實(shí)價(jià)值及社會(huì)意義。

1　材料與設(shè)備

源圖像由江蘇省中醫(yī)院眼科、上海靜安區(qū)中心醫(yī)院眼科提供，包含7 687個(gè)篩查樣本共15 374幅免散瞳眼底圖像（任一檢查對(duì)象均存在左右眼各一幅圖像）。由于數(shù)據(jù)采集地并不唯一，所以拍攝眼底所用的眼底照相機(jī)也并不唯一，共有三種:Topcon NW100、Canon CR4-45NM以及Canon CF-60DSI，相應(yīng)的所獲取的眼底圖像的分辨率也有三種，分別為: 1 600×1 200像素、1 536×1 024以及3 504×2 336，但在進(jìn)行相關(guān)處理前首先將免散瞳眼底圖像的分辨率修改為800×600像素。此外，圖像的亮度、質(zhì)量等存在一定的差異。所有眼底圖像均由同一位眼科醫(yī)師進(jìn)行人工判定，其判定結(jié)果為:（1）5 138為糖網(wǎng)病患眼底圖像；（2）10 236為健康眼底圖像。即在該組檢查人群中2 572位為糖網(wǎng)病患，其余5 115位屬健康人群（左右中任意一只眼出現(xiàn)糖網(wǎng)病灶即認(rèn)定其為糖網(wǎng)病患，其中有6位僅出現(xiàn)MAs的糖網(wǎng)病患僅一只眼睛的眼底出現(xiàn)MAs）。其中，這4種早期糖網(wǎng)病灶在彩色免散瞳眼底圖像中的具體形態(tài)見(jiàn)圖1。

圖1　彩色免散瞳眼底圖像及NPDR病灶Fig.1　Color non-dilated fundus image and lesions of NPDR

實(shí)驗(yàn)系統(tǒng)配置為:Intel（R）Core（TM）Duo E7500 CPU，6.00 GB RAM的計(jì)算機(jī)，C++Builder、 OpenCV、Matlab圖像處理工具包、Mircosoft Acssess的軟件環(huán)境。

圖2　糖網(wǎng)病灶自動(dòng)檢測(cè)過(guò)程Fig.2　The detection of DR lesions

2　方法

由于眼底照相機(jī)獲取的免散瞳眼底圖像，具有與風(fēng)景圖像不同的特點(diǎn):光照不均勻、對(duì)比度低、對(duì)焦不準(zhǔn)、光照過(guò)亮（或過(guò)暗）、視場(chǎng)邊緣細(xì)節(jié)模糊和可能有光學(xué)系統(tǒng)引入的雜光等，因此，對(duì)其中早期糖網(wǎng)相關(guān)病灶的檢測(cè)存在一些關(guān)鍵性的技術(shù)難點(diǎn)，這其中涉及到眼底主要解剖結(jié)構(gòu)（如視盤、血管）的定位與分割，且這些解剖結(jié)構(gòu)會(huì)受到相關(guān)病變的影響從而使得對(duì)它們的檢測(cè)難度加大；至于糖網(wǎng)篩查目標(biāo)--NPDR的4種病灶的檢測(cè)屬于弱信號(hào)的提取且由于各自的特征不同且多樣使得對(duì)它們的分割更加困難；另外，還需考慮具體臨床應(yīng)用對(duì)分割結(jié)果在精度、效率、穩(wěn)定性、魯棒性等方面的要求，做出合理的均衡，否則即使實(shí)現(xiàn)了相關(guān)病灶的自動(dòng)檢測(cè)于實(shí)際意義而言也等同于是“空中樓閣”，缺少應(yīng)用于臨床的“基石”。

2.1視盤定位及提取

視盤是視網(wǎng)膜血管與視神經(jīng)進(jìn)入眼球的部位，是眼底的一個(gè)重要標(biāo)志，在視網(wǎng)膜相關(guān)疾病的診斷中，視盤的準(zhǔn)確定位與分割是實(shí)現(xiàn)后續(xù)診斷以及相關(guān)識(shí)別任務(wù)的前提和基礎(chǔ)。為避免發(fā)生當(dāng)眼底圖像中出現(xiàn)高亮度、大面積的眼底病灶，如硬性滲出、棉絨斑等時(shí)根據(jù)亮度、面積信息對(duì)視盤的錯(cuò)誤提取，對(duì)于基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)中的視盤分割采用利用主血管收斂點(diǎn)的位置對(duì)基于Otsu閾值分割獲取的視盤候選區(qū)域進(jìn)行判定，從而實(shí)現(xiàn)視盤準(zhǔn)確獲取的方法，具體提取結(jié)果如圖2（b）所示。

2.2糖網(wǎng)白色病灶（硬性滲出、棉絨斑）的自動(dòng)檢測(cè)

由于硬性滲出與棉絨斑在彩色眼底圖像中均表現(xiàn)為黃白色，故通常將二者統(tǒng)稱為糖網(wǎng)白色病灶。這二者雖較易為人眼所辨識(shí)，但在自動(dòng)檢測(cè)中則有一些問(wèn)題需要解決。例如，這兩種病灶的顯著特征之一為高亮度，而眼底圖像中的視盤通常與該類糖網(wǎng)白色病灶具有相近的亮度；另外，視盤還與他們具有相似的顏色，因此，視盤極易被認(rèn)為是糖網(wǎng)白色病灶；不僅如此，由于光照的變化，普通背景像素也可能與其具有相近的亮度，而血管則可能與它們具有相同的灰度差。這些都增加了這兩種糖網(wǎng)白色病灶自動(dòng)檢測(cè)的難度。

針對(duì)這兩種糖網(wǎng)白色病灶亮度較高，與背景具有較為明顯的對(duì)比度等特點(diǎn)，提出利用改進(jìn)的快速FCM及SVM實(shí)現(xiàn)這二者的自動(dòng)檢測(cè)。首先，利用改進(jìn)的快速FCM算法對(duì)彩色眼底圖像進(jìn)行粗分割獲取糖網(wǎng)白色病灶候選區(qū)域，由于該算法將中值濾波添加到FCM算法的準(zhǔn)則函數(shù)中，同時(shí)利用K-means算法的聚類結(jié)果對(duì)FCM進(jìn)行聚類中心初始化，使得該算法克服了傳統(tǒng)FCM算法計(jì)算復(fù)雜度高以及對(duì)噪聲敏感的缺點(diǎn)；其次，采用兩層級(jí)聯(lián)分類結(jié)構(gòu)的SVM對(duì)候選區(qū)域進(jìn)行分類，即先利用SVM根據(jù)候選區(qū)域的特征集將白色病灶提取出來(lái)，再利用SVM根據(jù)另外的特征集將白色病灶中的硬性滲出與棉絨斑區(qū)分開來(lái)，從而實(shí)現(xiàn)眼底圖像中硬性滲出與棉絨斑的自動(dòng)檢測(cè)［10］，具體檢測(cè)結(jié)果如圖2（c）、2（d）所示。

2.3微動(dòng)脈瘤及視網(wǎng)膜內(nèi)出血的自動(dòng)檢測(cè)

微動(dòng)脈瘤雖然也可在其他疾病（如視網(wǎng)膜分支靜脈阻塞、特發(fā)性視網(wǎng)膜血管擴(kuò)張等）中見(jiàn)到，但它仍是糖網(wǎng)的特征性表現(xiàn)，是該病最早的可靠特征，在檢眼鏡下其表現(xiàn)為邊界清楚的紅或暗紅色小圓點(diǎn)。視網(wǎng)膜出血常在內(nèi)核層，其形態(tài)為圓形或不規(guī)則紅色小出血點(diǎn)，呈斑點(diǎn)狀。視網(wǎng)膜內(nèi)出血少有單獨(dú)出現(xiàn)，一般與視網(wǎng)膜微血管瘤并存。這兩種病灶在眼底圖像中都表現(xiàn)為紅色以及低灰度，因此，這兩種病灶的自動(dòng)檢測(cè)均建立在實(shí)現(xiàn)血管分割的基礎(chǔ)上。其中，微動(dòng)脈瘤的自動(dòng)檢測(cè)是將其在免散瞳眼底圖像G通道中的形態(tài)特征與數(shù)學(xué)形態(tài)學(xué)中的擴(kuò)展極小值所反映的圖像特征相結(jié)合，在已實(shí)現(xiàn)了免散瞳眼底圖像中硬性滲出分割的基礎(chǔ)上，提出了一種適用于分割免散瞳眼底圖像中微動(dòng)脈瘤的算法［11］:首先，對(duì)免散瞳眼底圖像G通道進(jìn)行預(yù)處理；在此基礎(chǔ)上利用數(shù)學(xué)形態(tài)學(xué)分割提取硬性滲出和血管；然后，將二者從擴(kuò)展極小值變換后的二值圖像中去除而獲得微動(dòng)脈瘤候選區(qū)域；最后，根據(jù)尺寸信息獲取真正的微動(dòng)脈瘤。具體分割結(jié)果見(jiàn)圖2（e）。

對(duì)于視網(wǎng)膜內(nèi)出血的自動(dòng)檢測(cè)則采用一種基于多模板匹配的局部自適應(yīng)區(qū)域生長(zhǎng)法來(lái)實(shí)現(xiàn)［12］:首先，對(duì)眼底主要生理結(jié)構(gòu)進(jìn)行光譜特征分析，從而為不同分割目標(biāo)選取合適的RGB通道；其次，利用HSV空間的亮度校正以及對(duì)比度受限自適應(yīng)直方圖均衡方法對(duì)眼底圖像進(jìn)行預(yù)處理；在此基礎(chǔ)上利用設(shè)計(jì)好的多個(gè)模板對(duì)圖像進(jìn)行歸一化互相關(guān)模板匹配獲取該病灶候選區(qū)域；然后，從中去除視盤、血管以消除相關(guān)假陽(yáng)，從而得到區(qū)域生長(zhǎng)所需種子；最后，利用局部自適應(yīng)區(qū)域生長(zhǎng)法獲取其精確輪廓，從而實(shí)現(xiàn)該病灶的準(zhǔn)確檢測(cè)。具體分割結(jié)果見(jiàn)圖2（f）。

3　系統(tǒng)設(shè)計(jì)及結(jié)果與分析

在實(shí)現(xiàn)了非增殖型糖網(wǎng)（NPDR）4種病灶--棉絨斑、硬性滲出、視網(wǎng)膜內(nèi)出血、微動(dòng)脈瘤自動(dòng)檢測(cè)的基礎(chǔ)上，構(gòu)建了基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)軟件，該軟件操作流程如圖3所示。其中，圖4（a）為眼底圖像讀取及顯示界面；圖4（b）為早期糖網(wǎng)病灶自動(dòng)檢測(cè)結(jié)果生成及顯示界面，具體包括自動(dòng)檢測(cè)結(jié)果的保存以及糖網(wǎng)自動(dòng)篩查結(jié)果的歸類。

利用已實(shí)現(xiàn)的基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查軟件對(duì)對(duì)臨床采集的7 687個(gè)樣本共15 374幅眼底圖像進(jìn)行糖網(wǎng)自動(dòng)篩查，篩查結(jié)果及評(píng)價(jià)見(jiàn)表1、2。

為實(shí)施大規(guī)模的糖網(wǎng)篩查，同時(shí)也為提高篩查對(duì)象的順應(yīng)性，必須建立基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)。由表1、2發(fā)現(xiàn)，所構(gòu)建的基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)滿足英國(guó)糖尿病協(xié)會(huì)提出的糖網(wǎng)自動(dòng)篩查最低標(biāo)準(zhǔn)（靈敏度80%，特異性95%），另外結(jié)合效率指標(biāo)還可得出，該系統(tǒng)軟件在保證較高準(zhǔn)確率的同時(shí)，很好地兼顧了效率指標(biāo)。因此，所構(gòu)建的基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)科學(xué)、合理、有效。

圖3　基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查軟件系統(tǒng)操作流程示意圖Fig.3　Operation process schematic diagram of DR screening software system based on non-dilated fundus images

圖4　基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)程序界面Fig.4　Interface of an automated diabetic retinopathy screening system base on non-dilated fundus images

表1　基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)軟件的糖網(wǎng)篩查結(jié)果及評(píng)價(jià)（圖像）Tab.1　Result of DR screening software based on non-dilated fundus images（image）

表2　基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)軟件的糖網(wǎng)篩查結(jié)果及評(píng)價(jià)（樣本個(gè)體）Tab.2　Result of DR screening software based on non-dilated fundus images（sample）

所構(gòu)建的基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查系統(tǒng)主要用途是在利用免散瞳眼底照相機(jī)采集了大量糖尿病患者眼底圖像的基礎(chǔ)上，作為獨(dú)立的糖網(wǎng)自動(dòng)篩查系統(tǒng)使用，實(shí)現(xiàn)大規(guī)模的糖網(wǎng)自動(dòng)篩查，及早發(fā)現(xiàn)糖網(wǎng)的潛在病患，降低他們的失明風(fēng)險(xiǎn)，有效抑制廣大糖尿病患者眼底并發(fā)癥的發(fā)生，最大程度地改善、提高糖尿病患者的生活質(zhì)量。另外，該系統(tǒng)也可以集成到數(shù)字式免散瞳眼底照相機(jī)中，作為眼底照相機(jī)處理與分析系統(tǒng)的一部分。這樣可以在利用免散瞳眼底照相機(jī)進(jìn)行正常的眼底檢查時(shí)就可便捷地進(jìn)行糖網(wǎng)病灶的自動(dòng)檢測(cè)，這對(duì)于剛出現(xiàn)最早期的糖網(wǎng)病灶--微動(dòng)脈瘤時(shí)尤為有效和重要。因?yàn)槲?dòng)脈瘤尺寸很小，且在彩色免散瞳眼底圖像中表現(xiàn)得很不明顯，“隱藏”很深，極容易被檢查醫(yī)師忽略，從而錯(cuò)失及早發(fā)現(xiàn)糖網(wǎng)病情的發(fā)生導(dǎo)致錯(cuò)過(guò)及時(shí)地病情治療及控制。除此之外，亦可考慮將其加入到現(xiàn)有的體檢項(xiàng)目中，對(duì)體檢對(duì)象進(jìn)行眼底的相關(guān)檢查。

4　結(jié)論

由于計(jì)算機(jī)技術(shù)的飛速發(fā)展及普及，使得紛繁復(fù)雜的圖像分割方法依靠強(qiáng)大的計(jì)算程序功能得以實(shí)現(xiàn)，從而使得基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查方法在現(xiàn)代信息的技術(shù)平臺(tái)上得以實(shí)施，且具有積極而廣泛的應(yīng)用前景。作為一種方便、快捷、高效的糖網(wǎng)自動(dòng)篩查手段，所構(gòu)建的基于免散瞳眼底圖像的糖網(wǎng)自動(dòng)篩查方法對(duì)改善我國(guó)糖網(wǎng)篩查現(xiàn)狀以及提高我國(guó)人民群眾的健康水平具有重要的臨床價(jià)值以及積極的社會(huì)意義。

［1］ WILD S，ROGLIC G，GREEN A，et al.Global prevalence of diabetes:estimates for the year 2000 and projections for 2030［J］.Diabetes Care，2004，27:1047-1053.

［2］WATKINS P J.ABC of diabetic retinopathy［J］.British Medical Journal，2003，7（2）:105-107.

［3］VILLARROEL M，CIUDIN A，HERNNDEZ C，et al.Neurodegeneration:An early event of diabetic retinopathy［J］.World J Diabetes，2010，1（2）:57-64.

［4］彭金娟，鄒海東，王偉偉，等.上海市北新涇社區(qū)糖尿病視網(wǎng)膜病變遠(yuǎn)程篩查系統(tǒng)的應(yīng)用研究［J］.中華眼科雜志，2010，46（3）:258-262. PENG Jinjuan，ZOU Haidong，WANG Weiwei，et al.The applicafion study of community-based tele-screening system for diabetic retinopathy in Beixinjing Blocks，Shanghai［J］.Chin J Ophthalmol，2010，46（3）:258-262.

［5］蔣升，張莉，克麥爾·艾則孜.免散瞳眼底照相技術(shù)在糖尿病視網(wǎng)膜病變篩查中的應(yīng)用研究［J］.國(guó)際眼科雜志，2008，8（10）:2037-2039. JIANG Sheng，ZHANG Li，AIZEZI K.Research of non-mydriasis photography for diabetic retinopathy screening［J］.Int J Ophthalmol，2008，8（10）:2037-2039.

［6］張蕾，許維強(qiáng)，譚榮強(qiáng)，等.糖尿病視網(wǎng)膜病變篩查方法探討［J］.國(guó)際眼科雜志，2010，10（3）:482-484. ZHANG Lei，XU Weiqing，TAN Rongqing，et al.Study of diabetic retinopathy screening modes［J］.Int J Ophthalmol，2010，10（3）:482-484.

［7］周浩，李云，周韻秋，等.眼底病灶的計(jì)算機(jī)圖像識(shí)別及臨床應(yīng)用可靠性測(cè)試［J］.生物醫(yī)學(xué)工程雜志，1999，16（3）: 318-319. ZHOU Hao，LI Yun，ZHOU Yunqiu，et al.Computer-assisted identification of fundus lesions and a study of its reliability［J］. Journal of Biomedical Engineering，1999，16（3）:318-319.

［8］孫偉.基于非熒光眼底圖像的糖尿病特征提?。跠］.吉林大學(xué)，2007. SUN Wei.The feature extraction of diabetes based on non-fluoreseence fundus image［D］.Jilin University，2007.

［9］咼明，陳長(zhǎng)征，劉劍萍，等.一款適用于糖尿病視網(wǎng)膜病變遠(yuǎn)程篩查的軟件［J］.眼科，2010，19（1）:69-70. GUO Ming，CHEN Changzheng，LIU Jianping，et al.A software for remote diabetic retinopathy screening［J］.Ophthalmol CHN，19（1）:69-70.

［10］ 高瑋瑋，沈建新，王玉亮，等.改進(jìn)的快速FCM及SVM實(shí)現(xiàn)糖網(wǎng)白色病灶的自動(dòng)檢測(cè)［J］.中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，2013，32（3）:305-312. GAO Weiwei，SHEN Jianxin，WANG Yuliang，et al.Automated detection of bright lesions of diabetic retinopathy based on improved and fast FCM and SVM［J］.Chinese Journal of Biomedical Engineering，2013，32（3）:305-312.

［11］高瑋瑋，沈建新，王玉亮，等.免散瞳眼底圖像中微動(dòng)脈瘤的高效自動(dòng)檢測(cè)［J］.中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，2013，31（6）:839-845.

GAO Weiwei，SHEN Jianxin，WANG Yuliang，et al.Efficient and automated detection of microaneurysms from Non-Dilated fundus images［J］.Chinese Journal of Biomedical Engineering，2013，31（6）:839-845.

［12］GAO Weiwei，SHEN Jianxin，WANG Yuliang，et al.Algorithm of locally adaptive region growing based on multi-template matching applied to automated detection of hemorrhages［J］.Spectroscopy and Spectral Analysis，2013，33（2）:448-453.

Research of Non-dilated Fundus Images for Automated Diabetic Retinopathy Screening

GAO Weiwei1*，CHENG Wushan1，SHEN Jianxin2，ZUO Jing3，ZHANG Aihua1
（1.College of Mechanical Engineering，Shanghai University of Engineering Science，Shanghai201620，China；2.College of Mechanical&Electrical Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，Jiangsu，China；3.Department of Ophthalmology，Jiangsu Province Hospital of TCM，Nanjing 210029，Jiangsu，China）

In order to realize automatic screening for diabetic retinopathy（DR），an automated diabetic retinopathy screening system based on non-dilated fundus images is proposed and studied.Firstly，the composition and key technology of the system including locating and extracting optic disc and automated detection of hard exudates，cotton wool spots，hemorrhages as well as microaneurysms were analyzed and reviewed.Then the system based on non-dilated fundus images was developed and tested on an image dataset collected in clinic which include 7 687 samples in total of 15 374 fundus images.With an exam-based criterion，sensitivity of 96.46%，specificity of 96.07%are achieved.Furthermore，the average time cost in processing a sample is 57.87 seconds.Results suggest that the performance of DR screening system meet the minimum standard of 80%sensitivity and 95%specificity for the detection of sight-threaten-ing DR which was recommended by British Diabetic Association guidelines.

non-dilated fundus images；diabetic retinopathy；automated detection；automated screening；image segmentation

R318；TP391.41

A

1007-7146（2015）04-0335-06

2015-03-31；

2015-05-17

中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)（NJ20120007）；江蘇省普通高校研究生科研創(chuàng)新計(jì)劃項(xiàng)目（CXLX11_0218）資助

高瑋瑋（1985-），江蘇鹽城人，講師，主要從事計(jì)算機(jī)輔助生物醫(yī)學(xué)工程研究。（電話）13916951480；（電子郵件）gww03020234@sina.com