圖像分割法對糖尿病患者眼底圖像中視網膜血管的分割結果分析

武勁圓，游國棟，孫豐源，唐東潤

(1天津市第一中心醫院，天津300192;2天津科技大學電子信息與自動化學院)

對于糖尿病性視網膜病變(DR)，目前其診斷及分期主要依靠眼底彩色圖像及眼底熒光素血管造影(FFA)圖像的表現［1，2］。計算機圖像處理技術是一門多學科交叉技術，與數學、計算機、多媒體、信息處理等技術密切相關［3～5］。建立眼底圖像的計算機分析系統，可以對眼底許多組織進行定性分析和定量測量，在正常和異常之間做出明確的鑒別，使眼底系統形態的研究向標準化和功能化進展。本研究選擇一組糖尿病患者的眼底圖像，借助計算機圖像處理技術，采用圖像分割法對眼底圖像中的視網膜血管進行分割、提取并觀察分析，以探討DR的有效診斷方法。

1 資料與方法

糖尿病患者30例(60眼)，男16例，女14例;年齡40～70歲;糖尿病史均在10 a以上。采用國際標準視力表檢查其矯正視力為0.1～1.0。使用Topcon.TRC.50DX眼底熒光照相系統攝眼底彩色圖像、FFA圖像，對兩種圖像進行分析。采用DR國際臨床分類法，對眼底病變進行診斷分型:正常組8眼，無明顯視網膜血管病變;病變組52眼，其中輕度非增殖性DR 15眼、中度非增殖性DR 19眼、重度非增殖性DR 15眼、增殖性DR 3眼。

將60眼的眼底彩色圖像、FFA圖像采用先驗知識隨機游走模型進行視網膜血管分割處理。具體方法是根據視網膜血管特征，通過建立圖像的歸一化梯度向量散度場，提取高、低對比度血管的中心線，并將先驗知識隨機游走模型用于圖像分割，實現低對比度、微弱邊界的視網膜血管的分割與提取并進行觀察分析［3，4］。為了檢驗該圖像分割法對DR血管處理的有效性，采用接受機工作特性曲線(ROC)［3，4］對分割精度進行分析。實驗中采用Pentium-Ⅳ計算機(CPU為2.6 GHz，內存為512 M，MATLAB仿真軟件)。

2 結果

采用圖像分割法對眼底圖像中的視網膜血管進行分割與提取后，正常組和病變組眼底圖像視網膜血管分割均較為完整，并且可以很好地分割出大部分的細小血管，而這些血管在眼底彩色圖像和FFA圖像中都不能被顯示。同時，對圖像分割后，視網膜血管連通性也較好。另外，該圖像分割法對帶有病變的視網膜圖像依然具有很高的魯棒性(魯棒性是指控制系統在一定結構、大小的參數攝動下維持某些性能的特性)，對病變區域血管分割效果較好，特別是在FFA圖像中，如果顯示視網膜出血和棉絮斑、病變區域血管顯示不佳的情況下，圖像分割后更容易顯示血管。

ROC曲線證實，雖然眼底彩色圖像和FFA圖像顯示視網膜血管的真陽性率很高，平均達90%，但其假陽性率也很高，平均達6%;圖像分割后顯示視網膜血管的假陽性率與上述相差不大，但真陽性率卻達99%;這意味著在相同錯誤分割率的情況下，與眼底彩色圖像和FFA圖像相比，圖像分割可以分割出更多的真實血管。眼底彩色圖像、FFA圖像、圖像分割后顯示視網膜血管的準確度分別為92.97%、92.93%、93.75%，以后者最高。

3 討論

DR是因糖尿病所致微血管病變而誘發的視網膜缺血性改變，為糖尿病最嚴重的眼部微血管并發癥。目前，本病的臨床診斷有賴于檢眼鏡檢查眼底及眼底彩色圖像、FFA檢查;根據眼底及FFA圖像是否出現視網膜無灌注區和新生血管，來制定治療方案，包括藥物治療和激光光凝、玻璃體切除術等。但眼底彩色圖像和FFA檢查并不能完全清晰顯示病變視網膜的血管，無論是藥物還是激光治療，針對性不強，治療效果不理想。

本研究發現，圖像分割法對于眼底彩色圖像和FFA圖像中正常和病視網膜血管的分割均較完整，與眼底圖像及FFA圖像相比，分割后的視網膜血管更清晰、精確。眼底彩色圖像、FFA圖像、圖像分割后顯示視網膜血管的準確度分別為 92.97%、92.93%、93.75%，以后者最高。

圖像分割方法克服了血管分割斷續的問題，解決了血管連通性的難題，而且分割出了大部分的細小血管，保留了視網膜血管網絡的特性。證實了基于先驗知識隨機游走模型的視網膜血管分割方法對視網膜血管進行圖像處理與分析，能夠實現低對比度、微弱邊界的視網膜血管的分割與提取。這將有助于DR早期診斷，也將有助于本病治療方案的選擇。

［1］張燕中.醫學影像學的進展及展望［J］.中華現代影像學雜志，2005，2(6):520-522

［2］楊文利，王蘭，胡士敏.常見眼底疾病的計算機輔助三維超聲診斷檢查特征［J］.中華眼底病雜志，2005，21(6):381-383.

［3］姚暢，陳后金.病變視網膜圖像血管網絡的自動分割［J］.電子學報，2010，38(5):1226-1233.

［4］李居朋，陳后金，張新媛.基于先驗知識隨機游走模型的視網膜血管分割方法［J］.中國生物醫學工程學報，2009，28(4):501-507.

［5］Ricci E，Perfetti R.Retinal blood vessel segmentation using line operators and support vector classification［J］.IEEE Trans Med Imag，2007，26(10):1357-1365.