免散瞳眼底圖像在糖尿病視網膜病變自動篩查中的應用*

高瑋瑋，程武山，沈建新，左 晶，張愛華

（1.上海工程技術大學機械工程學院，上海201620；2.南京航空航天大學機電學院，江蘇南京210016；3.江蘇省中醫院眼科中心，江蘇南京210029）

免散瞳眼底圖像在糖尿病視網膜病變自動篩查中的應用*

高瑋瑋1*，程武山1，沈建新2，左 晶3，張愛華1

（1.上海工程技術大學機械工程學院，上海201620；2.南京航空航天大學機電學院，江蘇南京210016；3.江蘇省中醫院眼科中心，江蘇南京210029）

為實現糖尿病視網膜病變（糖網）的自動篩查，建立了基于免散瞳眼底圖像的糖網自動篩查方法。該方法包括視盤定位及提取、糖網白色病灶（硬性滲出、棉絨斑）自動檢測以及微動脈瘤與視網膜內出血的自動檢測。在此基礎上設計并實現了基于免散瞳眼底圖像的糖網自動篩查系統。利用已實現的系統對臨床采集的7 687個樣本共15 374幅眼底圖像進行糖網自動篩查，對樣本個體的檢測結果為:靈敏度96.46%，特異性96.07%，平均處理時間57.87 s。測試結果表明，所構建的基于免散瞳眼底圖像的糖網自動篩查系統滿足英國糖尿病協會提出的糖網自動篩查標準（最低靈敏度80%，最低特異性95%）。

免散瞳眼底圖像；糖尿病視網膜病變；自動檢測；自動篩查；圖像分割

doi:10.3969/j.issn.1007-7146.2015.04.006

0　引言

糖尿病是嚴重影響人類健康的內分泌疾病，致殘致死率僅次于心腦血管疾病及癌癥。據統計，到2030年全球糖尿病患者將達到總人口數的4.4%［1］。該疾病不僅給人類帶來巨大痛苦，且帶來眾多并發癥，其中，以糖尿病視網膜病變（簡稱“糖網”，Diabetic retinopathy，DR）發生率最高，對視力影響也最大，已成為目前特別是發達國家20-74歲成人致盲的首要原因［2］。由于每個糖尿病患者都有發展為DR的可能，而DR具有進行性、不可逆性，因此，如何準確篩查無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，還可節約大量社會醫療資源。目前國內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單易行、價格低廉、圖像易得、直觀、易于保存和記錄，且與眼底熒光造影診斷結果具有顯著一致性和較高的靈敏度、特異性等優點，被眼科醫生普遍認為最適用于DR篩查和隨診［5，6］，但現階段該方法基本依靠眼科醫生對眼底圖像的肉眼觀察，這對實施大規模DR篩查而言存在明顯不足與局限。因此，若能借助計算機快速、可靠自動識別出眼底圖像中的DR病灶，不僅可將醫生從繁重的人工閱片工作中解脫出來，更為DR篩查大規模實施提供必備基礎條件。

英國前瞻性糖尿病研究組（UKPDS）提出，DR篩查的主要目的是及時篩檢出需要眼科進一步診治的威脅視力的DR且越早期越好。臨床上以是否出現視網膜新生血管為分界，將DR分為非增殖性糖尿病視網膜病變（Nonproliferative diabetic retinopathy，NPDR）（或稱單純型或背景型）和增殖性糖尿病視網膜病變（Proliferative diabetic retinopathy，PDR）。因此，基于免散瞳眼底圖像的DR自動篩查其目標即鎖定于NPDR。NPDR具體包括紅色病灶（包括視網膜內出血、微動脈瘤）和白色病灶（包括硬性滲出、棉絨斑）。故直觀來講，要實現基于免散瞳眼底圖像的糖網自動篩查這一目標，必須探究出最適用于提取這4種病灶的自動檢測算法，在此基礎上構建基于免散瞳眼底圖像的糖網自動篩查系統。

目前，國內類似軟件較少見，主要有:1999年，第二軍醫大學上海長征眼科醫院的周浩等人［7］采用區域生長法，在Visual C環境下設計程序，應用該程序測量糖尿病棉絮狀滲出灶（增殖型）面積（15只眼），并計算變異系數以判斷穩定性，文章中指出由于處理速度的問題，該系統軟件并不實用；2007年，吉林大學［8］采用迭代法閾值分割的方法提取出糖網白色病灶并設計實現了基于非熒光眼底圖像的糖尿病診斷系統。而國外的類似軟件則較多，如美國neuro metrix公司的digiscope軟件，它是通過一種專利設計的半自動眼底照相機，配合digiscope軟件進行收集，然后通過互聯網傳送到Wilmer眼科研究所的閱片中心，通過圖片診斷后，決定是否轉給眼底?？漆t生作進一步檢查和治療；同樣還有inoven公司的inoven diabetic retinopathy（DR-3DT）和Beetham眼科研究所的Joslin vision network系統等。這樣的系統及技術能明顯增加患者對糖尿病視網膜病變篩查的順應性，并提高篩查率。但國外的軟件系統一般都聯合眼底照相機售賣，收費較高，一個完整的遠程醫療系統大概需花費5-10萬美元，且在我國目前尚無銷售［9］?；诖耍灾餮邪l出一套完善、健全且實用的適合我國居民情況的基于眼底圖像尤其是免散瞳眼底圖像的糖網自動篩查系統具有迫切的現實價值及社會意義。

1　材料與設備

源圖像由江蘇省中醫院眼科、上海靜安區中心醫院眼科提供，包含7 687個篩查樣本共15 374幅免散瞳眼底圖像（任一檢查對象均存在左右眼各一幅圖像）。由于數據采集地并不唯一，所以拍攝眼底所用的眼底照相機也并不唯一，共有三種:Topcon NW100、Canon CR4-45NM以及Canon CF-60DSI，相應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，但在進行相關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、質量等存在一定的差異。所有眼底圖像均由同一位眼科醫師進行人工判定，其判定結果為:（1）5 138為糖網病患眼底圖像；（2）10 236為健康眼底圖像。即在該組檢查人群中2 572位為糖網病患，其余5 115位屬健康人群（左右中任意一只眼出現糖網病灶即認定其為糖網病患，其中有6位僅出現MAs的糖網病患僅一只眼睛的眼底出現MAs）。其中，這4種早期糖網病灶在彩色免散瞳眼底圖像中的具體形態見圖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

實驗系統配置為:Intel（R）Core（TM）Duo E7500 CPU，6.00 GB RAM的計算機，C++Builder、 OpenCV、Matlab圖像處理工具包、Mircosoft Acssess的軟件環境。

圖2　糖網病灶自動檢測過程Fig.2　The detection of DR lesions

2　方法

由于眼底照相機獲取的免散瞳眼底圖像，具有與風景圖像不同的特點:光照不均勻、對比度低、對焦不準、光照過亮（或過暗）、視場邊緣細節模糊和可能有光學系統引入的雜光等，因此，對其中早期糖網相關病灶的檢測存在一些關鍵性的技術難點，這其中涉及到眼底主要解剖結構（如視盤、血管）的定位與分割，且這些解剖結構會受到相關病變的影響從而使得對它們的檢測難度加大；至于糖網篩查目標--NPDR的4種病灶的檢測屬于弱信號的提取且由于各自的特征不同且多樣使得對它們的分割更加困難；另外，還需考慮具體臨床應用對分割結果在精度、效率、穩定性、魯棒性等方面的要求，做出合理的均衡，否則即使實現了相關病灶的自動檢測于實際意義而言也等同于是“空中樓閣”，缺少應用于臨床的“基石”。

2.1視盤定位及提取

視盤是視網膜血管與視神經進入眼球的部位，是眼底的一個重要標志，在視網膜相關疾病的診斷中，視盤的準確定位與分割是實現后續診斷以及相關識別任務的前提和基礎。為避免發生當眼底圖像中出現高亮度、大面積的眼底病灶，如硬性滲出、棉絨斑等時根據亮度、面積信息對視盤的錯誤提取，對于基于免散瞳眼底圖像的糖網自動篩查系統中的視盤分割采用利用主血管收斂點的位置對基于Otsu閾值分割獲取的視盤候選區域進行判定，從而實現視盤準確獲取的方法，具體提取結果如圖2（b）所示。

2.2糖網白色病灶（硬性滲出、棉絨斑）的自動檢測

由于硬性滲出與棉絨斑在彩色眼底圖像中均表現為黃白色，故通常將二者統稱為糖網白色病灶。這二者雖較易為人眼所辨識，但在自動檢測中則有一些問題需要解決。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，視盤極易被認為是糖網白色病灶；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白色病灶自動檢測的難度。

針對這兩種糖網白色病灶亮度較高，與背景具有較為明顯的對比度等特點，提出利用改進的快速FCM及SVM實現這二者的自動檢測。首先，利用改進的快速FCM算法對彩色眼底圖像進行粗分割獲取糖網白色病灶候選區域，由于該算法將中值濾波添加到FCM算法的準則函數中，同時利用K-means算法的聚類結果對FCM進行聚類中心初始化，使得該算法克服了傳統FCM算法計算復雜度高以及對噪聲敏感的缺點；其次，采用兩層級聯分類結構的SVM對候選區域進行分類，即先利用SVM根據候選區域的特征集將白色病灶提取出來，再利用SVM根據另外的特征集將白色病灶中的硬性滲出與棉絨斑區分開來，從而實現眼底圖像中硬性滲出與棉絨斑的自動檢測［10］，具體檢測結果如圖2（c）、2（d）所示。

2.3微動脈瘤及視網膜內出血的自動檢測

微動脈瘤雖然也可在其他疾病（如視網膜分支靜脈阻塞、特發性視網膜血管擴張等）中見到，但它仍是糖網的特征性表現，是該病最早的可靠特征，在檢眼鏡下其表現為邊界清楚的紅或暗紅色小圓點。視網膜出血常在內核層，其形態為圓形或不規則紅色小出血點，呈斑點狀。視網膜內出血少有單獨出現，一般與視網膜微血管瘤并存。這兩種病灶在眼底圖像中都表現為紅色以及低灰度，因此，這兩種病灶的自動檢測均建立在實現血管分割的基礎上。其中，微動脈瘤的自動檢測是將其在免散瞳眼底圖像G通道中的形態特征與數學形態學中的擴展極小值所反映的圖像特征相結合，在已實現了免散瞳眼底圖像中硬性滲出分割的基礎上，提出了一種適用于分割免散瞳眼底圖像中微動脈瘤的算法［11］:首先，對免散瞳眼底圖像G通道進行預處理；在此基礎上利用數學形態學分割提取硬性滲出和血管；然后，將二者從擴展極小值變換后的二值圖像中去除而獲得微動脈瘤候選區域；最后，根據尺寸信息獲取真正的微動脈瘤。具體分割結果見圖2（e）。

對于視網膜內出血的自動檢測則采用一種基于多模板匹配的局部自適應區域生長法來實現［12］:首先，對眼底主要生理結構進行光譜特征分析，從而為不同分割目標選取合適的RGB通道；其次，利用HSV空間的亮度校正以及對比度受限自適應直方圖均衡方法對眼底圖像進行預處理；在此基礎上利用設計好的多個模板對圖像進行歸一化互相關模板匹配獲取該病灶候選區域；然后，從中去除視盤、血管以消除相關假陽，從而得到區域生長所需種子；最后，利用局部自適應區域生長法獲取其精確輪廓，從而實現該病灶的準確檢測。具體分割結果見圖2（f）。

3　系統設計及結果與分析

在實現了非增殖型糖網（NPDR）4種病灶--棉絨斑、硬性滲出、視網膜內出血、微動脈瘤自動檢測的基礎上，構建了基于免散瞳眼底圖像的糖網自動篩查系統軟件，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）為早期糖網病灶自動檢測結果生成及顯示界面，具體包括自動檢測結果的保存以及糖網自動篩查結果的歸類。

利用已實現的基于免散瞳眼底圖像的糖網自動篩查軟件對對臨床采集的7 687個樣本共15 374幅眼底圖像進行糖網自動篩查，篩查結果及評價見表1、2。

為實施大規模的糖網篩查，同時也為提高篩查對象的順應性，必須建立基于免散瞳眼底圖像的糖網自動篩查系統。由表1、2發現，所構建的基于免散瞳眼底圖像的糖網自動篩查系統滿足英國糖尿病協會提出的糖網自動篩查最低標準（靈敏度80%，特異性95%），另外結合效率指標還可得出，該系統軟件在保證較高準確率的同時，很好地兼顧了效率指標。因此，所構建的基于免散瞳眼底圖像的糖網自動篩查系統科學、合理、有效。

圖3　基于免散瞳眼底圖像的糖網自動篩查軟件系統操作流程示意圖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自動篩查系統程序界面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自動篩查系統軟件的糖網篩查結果及評價（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自動篩查系統軟件的糖網篩查結果及評價（樣本個體）Tab.2　Result of DR screening software based on non-dilated fundus images（sample）

所構建的基于免散瞳眼底圖像的糖網自動篩查系統主要用途是在利用免散瞳眼底照相機采集了大量糖尿病患者眼底圖像的基礎上，作為獨立的糖網自動篩查系統使用，實現大規模的糖網自動篩查，及早發現糖網的潛在病患，降低他們的失明風險，有效抑制廣大糖尿病患者眼底并發癥的發生，最大程度地改善、提高糖尿病患者的生活質量。另外，該系統也可以集成到數字式免散瞳眼底照相機中，作為眼底照相機處理與分析系統的一部分。這樣可以在利用免散瞳眼底照相機進行正常的眼底檢查時就可便捷地進行糖網病灶的自動檢測，這對于剛出現最早期的糖網病灶--微動脈瘤時尤為有效和重要。因為微動脈瘤尺寸很小，且在彩色免散瞳眼底圖像中表現得很不明顯，“隱藏”很深，極容易被檢查醫師忽略，從而錯失及早發現糖網病情的發生導致錯過及時地病情治療及控制。除此之外，亦可考慮將其加入到現有的體檢項目中，對體檢對象進行眼底的相關檢查。

4　結論

由于計算機技術的飛速發展及普及，使得紛繁復雜的圖像分割方法依靠強大的計算程序功能得以實現，從而使得基于免散瞳眼底圖像的糖網自動篩查方法在現代信息的技術平臺上得以實施，且具有積極而廣泛的應用前景。作為一種方便、快捷、高效的糖網自動篩查手段，所構建的基于免散瞳眼底圖像的糖網自動篩查方法對改善我國糖網篩查現狀以及提高我國人民群眾的健康水平具有重要的臨床價值以及積極的社會意義。

［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.上海市北新涇社區糖尿病視網膜病變遠程篩查系統的應用研究［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在糖尿病視網膜病變篩查中的應用研究［J］.國際眼科雜志，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，譚榮強，等.糖尿病視網膜病變篩查方法探討［J］.國際眼科雜志，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.眼底病灶的計算機圖像識別及臨床應用可靠性測試［J］.生物醫學工程雜志，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取［D］.吉林大學，2007. SUN Wei.The feature extraction of diabetes based on non-fluoreseence fundus image［D］.Jilin University，2007.

［9］咼明，陳長征，劉劍萍，等.一款適用于糖尿病視網膜病變遠程篩查的軟件［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.改進的快速FCM及SVM實現糖網白色病灶的自動檢測［J］.中國生物醫學工程學報，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脈瘤的高效自動檢測［J］.中國生物醫學工程學報，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務費專項（NJ20120007）；江蘇省普通高校研究生科研創新計劃項目（CXLX11_0218）資助

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