沈 超，王 斌，孫繼成，惠鐸鐸，林 杉

(1.長安大學(xué) 電子與控制工程學(xué)院，陜西 西安 710064；2.第四軍醫(yī)大學(xué) 航空航天醫(yī)學(xué)系臨床教研室，陜西 西安 710032；3.第四軍醫(yī)大學(xué) 航空航天醫(yī)學(xué)教育部重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710032)

一種青光眼快速檢測系統(tǒng)的開發(fā)及應(yīng)用

沈 超1，王 斌2，孫繼成3，惠鐸鐸3，林 杉1

(1.長安大學(xué) 電子與控制工程學(xué)院，陜西 西安 710064；2.第四軍醫(yī)大學(xué) 航空航天醫(yī)學(xué)系臨床教研室，陜西 西安 710032；3.第四軍醫(yī)大學(xué) 航空航天醫(yī)學(xué)教育部重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710032)

青光眼是一種常見疑難眼病，是導(dǎo)致人類失明的三大致盲眼病之一。青光眼治療的關(guān)鍵在于早期發(fā)現(xiàn)。但是，醫(yī)學(xué)上檢測青光眼步驟復(fù)雜繁瑣，不適于普通人在日常生活中進(jìn)行自我檢查。因此，文中開發(fā)了一種適于普通人自我檢查的青光眼快速檢測系統(tǒng)。系統(tǒng)首先采用閉運(yùn)算對(duì)瞳孔圖像進(jìn)行預(yù)處理；其次，使用基于K均值聚類的Canny邊緣檢測算法提取瞳孔邊緣并獲得瞳孔橫徑；接著，通過光刺激下瞳孔橫徑變化間接得到被檢測者瞳孔的運(yùn)動(dòng)狀況；最后，結(jié)合青光眼臨床表現(xiàn)判定被檢測者是否患有青光眼。實(shí)驗(yàn)結(jié)果表明，文中檢測系統(tǒng)準(zhǔn)確、高效且無創(chuàng)。

青光眼；閉運(yùn)算；K均值聚類；Canny邊緣檢測

0 引 言

青光眼是指眼內(nèi)壓間斷或持續(xù)升高的一種常見疑難眼病[1]，該病是引起人類失明的三大眼病之一，占總?cè)巳?%，45歲以后為2%。此外，該眼病發(fā)病迅速、危害性大,隨時(shí)可導(dǎo)致失明。長時(shí)間的高眼壓[2]可以給眼球各部分組織和視覺功能造成損害，導(dǎo)致視神經(jīng)萎縮、視野縮小、視力減退。如不及時(shí)治療，視野將全部喪失而至失明。

青光眼防治的關(guān)鍵在于早期診斷，然而多數(shù)青光眼患者早期無任何特異性癥狀。據(jù)Sommer等對(duì)美國巴爾地摩的人群普查,有半數(shù)以上的青光眼是在普查中發(fā)現(xiàn)，所以在人群中進(jìn)行有效的青光眼篩查是青光眼早期診斷的關(guān)鍵。但是，醫(yī)學(xué)上檢測青光眼需要通過眼壓、前房、視野及眼底視神經(jīng)4個(gè)方面的檢查才能得知病人是否患有青光眼，步驟復(fù)雜繁瑣，需要在專業(yè)的眼科機(jī)構(gòu)完成，不利于普通人在日常生活中進(jìn)行自我檢查。此外，醫(yī)學(xué)青光眼檢測中前房檢查主要是檢查前房的結(jié)構(gòu)、大小等，不能作為判定青光眼損害的指標(biāo)；視野檢查只是一個(gè)半客觀檢查方式，容易受到主觀影響，需要受檢者的主觀配合，而一些患者難以保持固視，因此常常出現(xiàn)假陰性和假陽性的檢查結(jié)果；眼底檢查受檢查者的主觀影響較大，具有一定的主觀性偏倚，且評(píng)價(jià)標(biāo)準(zhǔn)較為粗糙；眼壓檢查雖然重要，但是僅能由專業(yè)的眼科醫(yī)生才能完成該檢查。

關(guān)于青光眼的檢查仍然在探索和研究當(dāng)中，近些年來關(guān)于光反射輔助診斷青光眼的方法和理論得到廣泛關(guān)注。文中系統(tǒng)運(yùn)用此理論，通過使用圖像處理技術(shù)，并結(jié)合正常人與青光眼患者瞳孔對(duì)光反射的收縮恢復(fù)狀況的差異來檢測青光眼。該檢查方法準(zhǔn)確、客觀、無創(chuàng)，適用于個(gè)人日常的自我檢查，以便及早發(fā)現(xiàn)并治療。

1 系統(tǒng)概況

文中主要運(yùn)用了數(shù)字圖像處理技術(shù)，結(jié)合光反射輔助診斷的理論開發(fā)了一種青光眼快速檢測系統(tǒng)。即利用青光眼早期患者的瞳孔在受到光刺激時(shí)，收縮后恢復(fù)運(yùn)動(dòng)與正常瞳孔表現(xiàn)不一致的特點(diǎn)，通過攝像頭采集瞳孔圖像并分析瞳孔的運(yùn)動(dòng)狀況，從而判斷被測者是否患有青光眼。系統(tǒng)框圖如圖1所示。

圖1 系統(tǒng)框圖

2 圖像預(yù)處理

通過攝像頭采集到的瞳孔圖像，會(huì)受到睫毛對(duì)瞳孔的干擾，如圖2(a)所示。這種干擾主要會(huì)對(duì)瞳孔邊緣產(chǎn)生凹陷，影響對(duì)瞳孔的提取。采用形態(tài)學(xué)[3]的方法能夠有效填補(bǔ)凹陷，使瞳孔圖像恢復(fù)完整，以減少該種干擾對(duì)提取瞳孔精度的影響。

形態(tài)學(xué)運(yùn)算是一種非線性圖像處理方法和分析理論，它是從集合的角度來刻畫和分析圖像，它的運(yùn)算由(如并、交、補(bǔ)等)集合運(yùn)算來定義。形態(tài)學(xué)運(yùn)算主要定義了兩種基本的運(yùn)算：膨脹(Dilation)和腐蝕(Erosion)。

對(duì)于一幅灰度圖像F=f(x,y)而言，其膨脹和腐蝕的定義如下：

其中，(x,y)∈R2，(x,y)為圖像上任意一點(diǎn)坐標(biāo)，f(x,y)為(x,y)處的灰度值。

在實(shí)際運(yùn)用中，需要通過膨脹和腐蝕的復(fù)合運(yùn)算才能達(dá)到預(yù)期效果。文中采用先膨脹后腐蝕的方法(閉運(yùn)算)，如圖2所示。該方法有效地填充了由睫毛干擾產(chǎn)生的小凹陷，平滑地連接了瞳孔的邊緣，并且未改變瞳孔的大小和形狀。

圖2 灰度圖像閉運(yùn)算結(jié)果對(duì)比

3 瞳孔檢測

系統(tǒng)通過瞳孔在光刺激下的運(yùn)動(dòng)變化狀況來判斷被測試者是否有患青光眼的潛在危害。瞳孔邊緣的提取對(duì)整個(gè)系統(tǒng)檢測準(zhǔn)確度至關(guān)重要。文中主要使用Canny邊緣檢測算法[4]，由K均值聚類對(duì)Canny算法的輸入?yún)?shù)進(jìn)行自動(dòng)提取，從而有效地提取出瞳孔。

3.1 Canny邊緣檢測

Canny邊緣檢測實(shí)際上是求信號(hào)函數(shù)的極大值問題[5]來判定圖像中物體的邊緣像素點(diǎn)。該檢測算法具有檢測性好、定位性好和響應(yīng)次數(shù)少的特點(diǎn)。Canny算法的基本過程如圖3所示。

圖3 Canny邊緣檢測基本過程

Canny算法在計(jì)算梯度時(shí)需要對(duì)圖像進(jìn)行導(dǎo)數(shù)運(yùn)算，但導(dǎo)數(shù)對(duì)噪聲很敏感，因此必須采用濾波器來改善圖像的質(zhì)量，降低噪聲的影響。文中的Canny算法采用高斯濾波器[5-6]進(jìn)行濾波。高斯濾波是一種線性平滑濾波，適用于濾除高斯白噪聲，已廣泛應(yīng)用于圖像處理。對(duì)圖像進(jìn)行高斯濾波就是對(duì)高斯函數(shù)進(jìn)行離散化，以離散點(diǎn)上的高斯函數(shù)值為權(quán)值，對(duì)圖像每個(gè)像素點(diǎn)的灰度值做一定范圍鄰域內(nèi)的加權(quán)平均。高斯濾波器用像素鄰域的加權(quán)均值來代替該點(diǎn)的像素值，而每一鄰域像素點(diǎn)的權(quán)值隨著該點(diǎn)與中心點(diǎn)距離單調(diào)遞減。高斯濾波函數(shù)的一般式如下：

(1)

針對(duì)數(shù)字圖像而言，采用高斯濾波即采用高斯濾波模板對(duì)圖像進(jìn)行卷積。文中采用的高斯模板如圖4所示。

0.07510.12380.07510.12380.20420.12380.07510.12380.0751

圖4 3×3高斯濾波模板

任何邊緣檢測算法的最終目的都是通過一種計(jì)算方式將邊緣像素凸顯出來。Canny算法采用一階差分卷積模板計(jì)算梯度，用梯度幅值作為邊緣凸顯的量化值。Canny算法的梯度模板如圖5所示。通過卷積后(見式(2)、(3))，能夠進(jìn)一步得到圖像的梯度幅值(見式(4))。

(a)水平方向 (b)垂直方向

圖5 一階差分卷積模板

φ1(x,y)=f(x,y)*H1(x,y)

(2)

φ2(x,y)=f(x,y)*H2(x,y)

(3)

(4)

通過一階差分卷積能夠得到圖像的全局梯度信息，但是用全局梯度值不能準(zhǔn)確定位圖像的邊緣。因此，Canny算法通過非極大值抑制確定局部最大值，從而得到圖像的邊緣。可是，通過極大值抑制處理后的圖像，仍然存在許多虛假邊緣[7]。傳統(tǒng)的Canny算法通過固定閾值[8]濾除虛假邊緣，并且閾值參數(shù)需經(jīng)大量圖片驗(yàn)證[9]后得到，這種方法顯然不能靈活地應(yīng)用于視頻圖像。對(duì)于連續(xù)變化的瞳孔視頻圖像，固定閾值的Canny算法不能有效地去除瞳孔周圍受到眼皮、虹膜等影響產(chǎn)生的虛假邊緣。因此，文中算法在雙閾值檢測時(shí)，采用由圖像梯度值經(jīng)K均值聚類后得到的參數(shù)作為閾值，通過這種方法不僅能夠有效去除假邊緣，連接真實(shí)邊緣，而且能夠針對(duì)瞳孔視頻圖像在不同時(shí)段的不同特征自適應(yīng)選取閾值參數(shù)。

3.2K均值聚類

由MacQeen提出的K均值算法是劃分聚類中使用最廣泛的一種聚類算法。該算法認(rèn)為：兩個(gè)樣本之間的距離值較小相似性就越大[10]，因此越有可能屬于同一類。

文中K均值算法采用歐氏距離[12](見式(5))作為相似度的度量指標(biāo)，對(duì)目標(biāo)函數(shù)[13](見式(6))不斷優(yōu)化，直到其值最小，進(jìn)而得到各個(gè)類的聚類中心(見式(7))。

(5)

(6)

(7)

3.3 基于K均值聚類的雙閾值邊緣檢測

使用K均值聚類算法將圖像梯度值只分為A、B兩類。由K均值聚類的特點(diǎn)可知，A、B兩類梯度的類內(nèi)差異較小，類間差異較大,能夠自適應(yīng)地將強(qiáng)弱邊緣分割開。假設(shè)A類中心為CA，B類中心為CB，CA>CB。選用A類的中心CA作為Canny算法粗劃分參數(shù)，將梯度大于CA的強(qiáng)邊緣選取出來，確定瞳孔的大致邊界，最大可能地濾除干擾邊緣。在連接邊緣時(shí)，用B類中最大梯度值(max{B}

如圖6所示，其中圖6(b)使用固定閾值(大量實(shí)驗(yàn)的經(jīng)驗(yàn)值)進(jìn)行分割。由圖可見，使用該方法雖然能夠去除眼部周圍皮膚的干擾，但是不能有效去除眼皮和虹膜的干擾。圖6(c)采用文中基于K均值聚類的雙閾值Canny邊緣檢測算法，該算法可以在不用人為指定輸入?yún)?shù)的情況下，對(duì)瞳孔圖像進(jìn)行有效的分割。算法對(duì)抑制假邊緣的能力較強(qiáng)，并且通過高閾值有效地去除了瞳孔周圍由眼皮和虹膜產(chǎn)生的弱邊緣，同時(shí)在連接邊緣階段，有效地保全了整個(gè)瞳孔邊緣。

圖6 算法對(duì)比

4 系統(tǒng)應(yīng)用

4.1 數(shù)據(jù)顯示

由3.3節(jié)得到瞳孔邊界后，選用橫向最大直徑作為瞳孔的橫徑，用瞳孔直徑變化比(直徑變化比=(實(shí)時(shí)瞳孔直徑÷瞳孔直徑基值)×100%)作為瞳孔運(yùn)動(dòng)過程的描述指標(biāo)。瞳孔直徑基值指開始采集前瞳孔較為穩(wěn)定的一段時(shí)間內(nèi)，瞳孔直徑的平均值。

4.2 數(shù)據(jù)分析

系統(tǒng)采用二維曲線對(duì)瞳孔運(yùn)動(dòng)進(jìn)行描述。橫軸為時(shí)間軸(單位為s)，縱軸為瞳孔直徑變化比。

青光眼在一定運(yùn)動(dòng)負(fù)荷下，眼壓明顯下降[15]，使瞳孔在收縮后很難在短時(shí)間內(nèi)(5 s)恢復(fù)到原大小。因此，系統(tǒng)采用點(diǎn)光源對(duì)瞳孔進(jìn)行刺激，強(qiáng)迫其運(yùn)動(dòng)收縮，觀察在恢復(fù)階段瞳孔的運(yùn)動(dòng)表現(xiàn)，從而判斷被檢測者是否患有青光眼。青光眼患者瞳孔在恢復(fù)階段會(huì)呈現(xiàn)一段持續(xù)收縮狀態(tài)，而正常瞳孔會(huì)較快(5 s內(nèi))地恢復(fù)到基值的93%左右。

采用文中系統(tǒng)對(duì)25名青光眼患者(某醫(yī)院提供)和25名無青光眼病癥者進(jìn)行檢測(判斷無青光眼病癥的標(biāo)準(zhǔn)為：瞳孔在開始恢復(fù)后5 s內(nèi)，其橫徑大小能夠達(dá)到基值的93%及以上)。實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)如表1所示(其中誤檢表示無青光眼病癥者被檢為青光眼患者，漏檢表示青光眼早期患者未被系統(tǒng)檢出)。

表1 系統(tǒng)檢測實(shí)驗(yàn)數(shù)據(jù)

注：- 代表無此定義。

實(shí)驗(yàn)數(shù)據(jù)表明，系統(tǒng)檢出率高，誤檢率低。

5 結(jié)束語

文中根據(jù)近些年來眾多學(xué)者提到的使用光反射輔助診斷青光眼的方法和理論，使用數(shù)字圖像技術(shù)，設(shè)計(jì)開發(fā)了一種青光眼快速檢測系統(tǒng)。實(shí)驗(yàn)證明，系統(tǒng)判斷準(zhǔn)確度較高，并且能夠移植到移動(dòng)載體上，方便人們?cè)谌粘Ｉ钸M(jìn)行自檢，為青光眼患者做到早發(fā)現(xiàn)提供可能。

系統(tǒng)在應(yīng)用時(shí)，當(dāng)被檢測者在檢測過程中不配合，極易產(chǎn)生漏檢現(xiàn)象(實(shí)驗(yàn)數(shù)據(jù)中存在1名漏檢患者，該名被測者在檢測過程中頻繁眨眼)。因而，青光眼的檢測技術(shù)仍需繼續(xù)研究和探索，以開發(fā)出檢出率更高的檢測設(shè)備。

[1] 李建軍.在人群中篩查青光眼的意義及實(shí)施方案[J].眼科，2014，23(1)：71-72.

[2] 陳 婷，張紹陽，韓光杰，等.可疑青光眼患者清晨起床前后的體位變化和日常活動(dòng)對(duì)眼壓的影響[J].國際眼科雜志，2014，14(5)：970-972.

[3] 余龍華，王 宏，鐘洪聲.人眼檢測及瞳孔定位[J].計(jì)算機(jī)工程與應(yīng)用，2013，49(3)：186-189.

[4] 陳 蒙.基于canny算子的邊緣檢測算法應(yīng)用研究[J].電子技術(shù)與軟件工程，2013(21)：100-101.

[5] 陳若珠，薛 彪.基于MATLAB的改進(jìn)Canny算子的圖像邊緣檢測研究[J].工業(yè)儀表與自動(dòng)化裝置，2014(4)：113-116.

[6] 付博研，盧振洋，白立來，等.一種改進(jìn)的Canny算法及其仿真驗(yàn)證[J].現(xiàn)代電子技術(shù)，2014，37(18)：11-14.

[7] 郭慧鑫，牛竹云，郭會(huì)兵，等.一種基于Canny算子的紅外圖像邊緣檢測算法[J].火力與指揮控制，2014，39：95-97.

[8] 宗露艷，吳 陳.一種改進(jìn)的Canny算子邊緣檢測算法[J].現(xiàn)代電子技術(shù)，2011，34(4)：104-106.

[9] 焦圣喜，楊文明，王以純，等.改進(jìn)Canny邊緣檢測算法研究[J].電子制作，2015(5)：40-40.

[10] 王 千，王 成，馮振元，等.K-means聚類算法研究綜述[J].電子設(shè)計(jì)工程，2012，20(7)：21-24.

[11] 孫 卓.K-均值聚類算法及其應(yīng)用[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2013(7)：41-44.

[12] 孔 銳，張國宣，施澤生，等.基于核的K-均值聚類[J].計(jì)算機(jī)工程，2004，30(11)：12-13.

[13] 張雪鳳，張桂珍，劉 鵬.基于聚類準(zhǔn)則函數(shù)的改進(jìn)K-means算法[J].計(jì)算機(jī)工程與應(yīng)用，2011，47(11)：123-127.

[14] 張 震，馬駟良，張忠波,等.一種改進(jìn)的基于Canny算子的圖像邊緣提取算法[J].吉林大學(xué)學(xué)報(bào):理學(xué)版，2007，45(2)：244-248.

[15] Rüfer F,Schiller J,Klettner A,et al.Comparison of the influence of aerobic and resistance exercise of the upper and lower limb on intraocular pressure[J].Acta Ophthalmol,2013,1(7):1-4.

Development and Application of a Rapid Detection System in Glaucoma

SHEN Chao1,WANG Bin2,SUN Ji-cheng3,HUI Duo-duo3,LIN Shan1

(1.School of Electronics and Control Engineering,Chang’an University,Xi’an 710064,China； 2.Clinical Department of Aerospace Medicine of Ministry of Education,the 4th Military Medical University, Xi’an 710032,China; 3.Key Laboratory of Aerospace Medicine of Ministry of Education,the 4th Military Medical University, Xi’an 710032,China)

Glaucoma is a common stubborn eye disease,which is also one of the three diseases leading to human blindness.The key to prevention of glaucoma diagnosis is early treatment.However,complex and cumbersome step for glaucoma detection in medical is not suitable for ordinary people check in their daily lives.Therefore,a rapid detection system adapted for ordinary self-examination in glaucoma is proposed.Firstly,the system adopts closing operation in the pretreatment process of pupil image.Secondly,it takes the measure of Canny edge detection algorithm based onK-meansclusteringtoextractthepupiledgeandgetdiameterofthepupil.Then,themovementofthedetectedpupilcouldbegotindirectlythroughthechangesofpupildiameterundertheconditionoflightstimuli.Finally,ajudgmentismadewhetheritisglaucomacombiningwithclinicalmanifestationornot.Theexperimentalresultsshowthesystemisaccurate,effectiveandnoninvasiveinthedetectionofglaucoma.

glaucoma;closing operation;K-meansclustering;Cannyedgedetection

2015-05-18

2015-08-20

時(shí)間：2016-03-22

國家自然科學(xué)基金-民航總局聯(lián)合資助項(xiàng)目(U1333101);國家自然科學(xué)基金青年基金(81202178)

沈 超(1989-)，男，碩士研究生，研究方向?yàn)槟Ｊ阶R(shí)別、圖像分割；林 杉，講師，通信作者，研究方向?yàn)榍度胧接布O(shè)計(jì)。

http://www.cnki.net/kcms/detail/61.1450.TP.20160322.1518.034.html

TP

A

1673-629X(2016)04-0191-04

10.3969/j.issn.1673-629X.2016.04.042