楊 波 白 玫 榮 瑤 董 碩 吳 航 嚴漢民*

黃斑位于視網(wǎng)膜后極部中央，直徑約5 mm，負責明視覺、精細視覺和色覺的視錐細胞分布在該區(qū)域，黃斑中心無血管區(qū)，也是視網(wǎng)膜血管分布最少且灰度最暗的區(qū)域。黃斑的中央凹陷稱為中央凹，此處視網(wǎng)膜最薄，且視力最敏銳。

隨著糖尿病視網(wǎng)膜病變的發(fā)展，病變影響到黃斑區(qū)可導致視力下降、眼前黑影或視物變形等癥狀。糖尿病引起的糖尿病性黃斑水腫(diabetic retinopathy edema，DME)是一種高危并發(fā)癥，好發(fā)于視網(wǎng)膜后極部，可導致不可逆的視功能損害[1]。即使是輕微的DME的跡象，早期發(fā)現(xiàn)非常重要，一旦在視網(wǎng)膜檢查中早期發(fā)現(xiàn)臨床治療意義的黃斑水腫需立即采取措施，包括血糖和血壓控制，眼內(nèi)局部的激素及抗新生血管內(nèi)皮生長因子藥物治療，甚至激光手術治療。精確的黃斑定位，對于黃斑水腫的等級評定同樣有非常重要的意義[2]。目前，有許多針對糖尿病視網(wǎng)膜病變的自動圖像識別的研究，而黃斑中心凹位置的判定對這類圖像識別有很大幫助。為此，本研究采用依靠血管主干與視盤相對位置、用迭代閾值變換的定位方法，自動定位眼底圖像中黃斑中心凹的位置。

1 定位黃斑中心凹的研究

目前，關于定位黃斑中心凹的研究仍然有很多難點，有研究通過搜索眼底圖像，利用高斯混合模型(GMM)分類器對特征集分類，將所有黑暗區(qū)域分為黃斑區(qū)與非黃斑區(qū)，最終識別黃斑[3]；通過分析黃斑圓形亮度分布，利用直線算子的自動黃斑檢測方法[4]；通過定位視盤與血管拱形，根據(jù)解剖學相對位置進一步確定黃斑中心[5]。將定位黃斑看成回歸問題，通過訓練基于一組特征的KNN回歸器來預測每個像素到黃斑中心的距離，最后回歸出黃斑中心[6]；通過對圖像灰度進行小波掃描，然后在時域和頻域?qū)π盘柗骞确治觯_檢測黃斑中心位置[7]。基于形態(tài)學特征結(jié)合k均值聚類的方法檢測定位黃斑[8]。

本研究提出的定位黃斑中心凹的方法，是依靠血管主干與視盤位置輔助，采用迭代閾值變換定位黃斑中心。該方法首先對原始圖像進行預處理，此后經(jīng)過形態(tài)學變換與連通域計算提取眼底圖形中的視網(wǎng)膜血管主干；然后在圖像中選取圖像中灰度最高的1%的點作為視盤感興趣區(qū)(region of interest，ROI)的候選，篩選出距離血管主干骨架最近的ROI候選點，通過形態(tài)學處理、變換閾值得到覆蓋視盤的近似圓形，再用Hough變換模擬出視盤中心與視盤半徑。在視盤的周圍，以2.5倍視盤半徑附近，建立黃斑ROI，采用不同閾值多次迭代做二值化，將不同閾值圖像的像素邊界構(gòu)建灰度“等高線”，等高線的中心即是黃斑中心凹位置中心。

2 圖像處理方法

2.1 預處理

提取圖像中紅、綠、藍3個通道對比，通過觀察發(fā)現(xiàn)，紅色通道中視盤對比度較明顯，而綠色通道中視盤區(qū)域、黃斑區(qū)域的對比度均比較強。由于視盤中心的顏色接近于金黃色，因此采用紅綠通道折中的方式計算灰度Gv，其為公式1:

Gv=τ·R+(1-τ)·G (1)

經(jīng)過實驗，τ=0.65，紅色通道分配權重更多一些，使得視盤、黃斑均更清晰。此外，由于圖像有很多噪聲，需要做平滑的預處理。采用卷積核8×8的濾波器對圖像做中值濾波，抹平圖像中的噪點，得到Ipre。中值濾波有良好的去噪能力，眼底圖像像素經(jīng)過中值濾波(圖1)。

圖1 眼底圖像的預處理過程

2.2 視網(wǎng)膜血管主干提取

視盤是眼底圖像中的最亮區(qū)域，但在糖尿病視網(wǎng)膜病變的圖像中，存在棉絮斑或硬性滲出等高灰度區(qū)域，為了尋找正確的視盤位置，提取眼底血管主干作為位置參照，在血管位置參照的基礎上找到正確的視盤位置。眼底血管主干提取方法分以下兩步。

(1)預處理后的圖像采用形態(tài)學底帽變換，提取出深色血管，底帽變換的卷積核尺寸為20×20，接近血管最粗處寬度；再利用形態(tài)學的開操作，去除圖像中的噪點；對去噪聲后的圖像二值化，得到血管二值圖。

(2主要目的是提取血管主干，一些細小的分叉不是主要關注點。計算血管二值圖中的連通域所占面積，保留面積大于的Ad的連通域Cv，刪除其他較小的血管連通域，Ad取值2000，眼底圖像的血管主干提取結(jié)果見圖2。

圖2 眼底圖像及其對應的血管主干提取結(jié)果

2.3 視盤定位

(1)視盤的ROI確定。首先選取圖像中灰度最高的1%的像素點，眼底圖像中不僅視盤，棉絮斑等病變也會表現(xiàn)為高亮度，因此這些灰度最高的點不僅包含視盤像素也可能包含病變位置像素。按照這些像素所在位置與血管主干的距離，篩選出距離最近的像素點，在該點位置周圍建立視盤的ROI，其大小設為400 px。

(2)視盤中心定位。建立視盤ROI后，對預處理后的Ipre采用形態(tài)學的相關方法，抹去眼底圖像中的視網(wǎng)膜血管，卷積核大小設為11，因為尺寸設置太小的去除效果不好。經(jīng)過形態(tài)學方法處理，圖像中細長形狀的血管被成功抹去，利用閾值分割出ROI中的高灰度部分，然后利用Hough圓形變換，采樣視盤邊緣的像素點，擬合出圓形的圓心與半徑(圖3)。

圖3 視盤ROI確定到視盤定位過程

2.4 黃斑中心定位

根據(jù)先驗知識，黃斑中心凹的位置在視盤中心的顳側(cè)偏下，距離約2.5倍視盤直徑[9]。因此把搜索區(qū)域鎖定在視盤1.5～3.5 D的范圍內(nèi)，在前述抹去血管操作的基礎上，應用迭代閾值多次做圖像二值化；選擇不同閾值，每次二值化邊界記錄下來，可以得到圖像的灰度等高線。由于之前圖像應用過數(shù)學形態(tài)學的關運算，在此時建立的等高線附近的雜點明顯減少，且曲線明顯平滑?；叶鹊雀呔€效果見圖4。

圖4 黃斑ROI確定到黃斑中心凹定位過程

由于黃斑的顏色比周圍更深一些，在黃斑中心凹的附近，等高線會形成一個逐漸縮小的閉合的圓形。本研究搜索套疊的閉合圓形，并計算最內(nèi)層圓形面積，當圓形直徑＞20像素時，繼續(xù)改變閾值使新的等高線形成更小的閉合變形。最后建立一個恰好包含最內(nèi)層圓的最小外接矩形，矩形的中心即是本方法認為的黃斑中心。

2.5 眼底圖像測試

選用彩色眼底圖像利用佳能CR-2彩色3CCD攝像機，45°視角下采集，全部數(shù)據(jù)來自宣武醫(yī)院眼科門診，圖像尺寸均為(2240×1488)像素。

3 結(jié)果

眼底圖像測試結(jié)果以眼科專家人工標注的結(jié)果作為參考，定位黃斑中心準確率為97.1%(見表1)。

表1 眼底圖像測試結(jié)果比較

在240幅眼底圖中，健康人91幅，病變149幅。根據(jù)醫(yī)生對病情的診斷結(jié)果，所有眼底的視網(wǎng)膜病變分為4個級別，對于健康人(0級)以及較輕病變(1～2級)，僅有1例由于光照不完全，在圖像上形成大片黑影導致識別失敗，其他6例失敗案列均是患有嚴重視網(wǎng)膜病變(3級)的眼底圖，其結(jié)果見表2。

表2 眼底圖像識別結(jié)果分析

4 結(jié)論

自動定位黃斑位置，對眼底圖像識別具有很大的意義，由于黃斑反光較弱，受噪聲影響較大，邊緣信息模糊，因此直接通過邊緣檢測無法識別出來。本研究通過提取血管主干，定位出眼底圖像中的視盤位置，再通過分析視盤與黃斑相對位置，在ROI最暗處定位出黃斑中心。由于血管主干與視盤識別度比較高，因此通過這兩類標識物的定位有效提高黃斑定位的準確性。

本研究黃斑定位方法，對黃斑中心凹周圍有特別大面積深色出血，或者黃斑中心凹附近特別大塊黃斑水腫病變的情況會造成誤判斷。由于出血部位與黃斑中心都表現(xiàn)為低灰度值區(qū)域，如果出血面積與黃斑大小相當，灰度等高線會混淆大片出血部位，可能將出血點中心認為成黃斑中心。中心凹附近黃斑水腫，同樣對黃斑灰度等高線造成干擾，遮蓋住黃斑的水腫病變面積，較多情況下可能會使定位偏離正確中心。

對于健康人的眼底圖像，本研究的方法識別黃斑運算量不大，無需提前訓練集，即使針對眼部有局部微小病理改變的眼底圖像也有非常好的效果。在針對存在糖尿病視網(wǎng)膜病變、黃斑水腫等眼底圖像時，依靠視盤與黃斑相對位置來確定黃斑位置ROI，仍可以很大程度的提高定位準確率。本研究的定位眼底圖像中的黃斑中心凹的方法，可以作為計算機輔助診斷的一個基礎，為未來的基于計算機圖像的診斷糖尿病視網(wǎng)膜病變的研究奠定基礎。