一種數字化影像識別篩查人眼屈光不正的遠程診斷技術研究

李志勇+金晨暉+廖素華

摘要： 遠程醫療技術應用是衛生信息化的主要建設內容，也是醫療信息平臺之智慧醫療建設的主要任務之一。本研究將開發一種能應用于遠程診斷人眼屈光不正的技術，該技術將對廣泛人群眼屈光狀態的篩查和及時處理具有重要作用和意義。目前常用的屈光不正檢查方法有三種，分別是電腦驗光、攝影驗光和視網膜檢影驗光。本研究將基于視網膜檢影技術原理，結合數字影像識別技術，開發一套遠程診斷技術裝置。該技術裝置具有視頻顯示眼底影動功能，可存儲影像信息、傳遞診斷信息，使檢查者更能直觀、簡易、準確地診斷人眼屈光不正，特別是針對老人、兒童、殘障等溝通有障礙的患者，其影像識別程序可輔助檢查者（特別針對非專業人士）判斷屈光不正診斷，適用于家庭、學校、社康中心和醫院等場所使用。系統中的影像、視頻存儲和數據傳輸功能可供臨床醫生共享屈光診斷電子病歷和遠程診斷。

關鍵詞：屈光不正；遠程診斷；數字化；影像

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2016）08-0171-04

Abstract： Telemedicine application is the main construction content of health information technology， is also one of the main tasks of smart medical health information platform construction. This study will develop a application of the remote diagnosis technology of myopia diagnosis. The technology has important f and profound significance for myopia diagnosis and treatment. There are three methods of ametropia inspection technology such as computer optometry technology， photography optometry and retina shadow optometry technology at present. Unfortunately these detection equipments are not only expensive， but also need strong professional knowledge and skills， which leads to an clinician mastering the skill is very difficult. In order to overcome the above disadvantages， we use retinoscopy theory combining with the digital image technology to develop a myopia inspection technology suitable for household， and reduce the difficulty of optometry check. The technology has the following characteristics such as video display eye shadow， Image recognition program aided inspectors to determine ametropia diagnosis ， store image information， transfer diagnostic information and so on. Which make the inspectors more intuitive， simple and accurate diagnosis of myopia. The system is suitable for families ，school， community healthy center and hospital， Especially for the elderly， children， the disabled and other communication disorders of the patients. The functions such as images and video storage ，data transmission is available for clinicians to share myopia diagnosis of electronic data and remote diagnosis.

Key words： ametropia ； remote diagnosis； digital； image

1 概述

遠程醫療技術應用是衛生信息化的重要建設內容，也是醫療信息平臺之智慧醫療建設的主要任務之一。本研究將開發一種能應用于遠程診斷人眼屈光不正的技術，該技術將對廣泛人群眼屈光狀態的篩查和及時處理具有重要作用和意義。目前常用的屈光不正檢查方法有三種，分別是電腦驗光、攝影驗光和視網膜檢影驗光。本研究將基于視網膜檢影技術原理，結合數字影像識別技術，開發一套遠程診斷技術裝置。該技術裝置具有視頻顯示眼底影動功能，可存儲影像信息、傳遞診斷信息，使檢查者更能直觀、簡易、準確地診斷人眼屈光不正，特別是針對老人、兒童、殘障等溝通有障礙的患者，其影像識別程序可輔助檢查者（特別針對非專業人士）判斷屈光不正診斷[1-7]，適用于家庭、學校、社康中心和醫院等場所使用。系統中的影像、視頻存儲和數據傳輸功能可供臨床醫生共享屈光診斷電子病歷和遠程診斷。關于基于視網膜檢影技術原理的數字化檢影裝置研究有：國內溫州醫學院曾有人將檢影鏡進行數字化改造[8]，裝置能將視網膜反光影動顯示于屏幕上；另外，本研究小組曾對模擬眼數字化研究[9]和檢影眼底影像進行數字化采集和該類裝置的移動化改造[10]。而本研究的創新和重點研究內容在于設計眼底影像的識別軟件，進而自動判斷患者屈光不正性質。

本文第二部分提供了本系統的基本設計思路，包括系統總體結構圖、模塊圖和數據流圖。第三部分提出了一種數字化影像識別屈光不正的算法框架，在第四部分中我們總結本系統的特點和提供了未來進一步的研究工作。

2 系統設計思路

本系統主要設計目標是使用數字影像系統取代人眼觀察，使在傳統視網膜檢影驗光中，檢查者直接觀察到的被檢者眼底反射光影轉化為視頻圖像顯示于液晶屏幕上，通過影像識別程序判斷影動性質（順動、逆動、不動、剪動），提示檢查者有無近視、遠視和散光，再通過液晶屏的數字顯示標記來確定被檢者的屈光不正參數，如散光軸向，來方便遠程家庭檢查者、醫生更加準確地觀察判斷被檢者屈光不正度數。

根據設計目標，屈光不正數字影像識別系統由圖像采集裝置、光源、模擬眼、機械裝置、PC機、顯示裝置組成。其中圖像采集裝置視覺傳感器由CCD視覺傳感器、鏡頭組成。如圖1所示。

光源來自傳統帶狀光檢影鏡，機械裝置由調節裝置、固定底座、固定支架、運動滑軌組成，機械裝置將視覺傳感器、光源組合起來，通過調節裝置可調整圖像采集裝置和光源的位置和角度，通過移動模擬眼支架在滑軌中的位置可以調節模擬眼與圖像采集裝置之間的工作距離，在X86平臺的PC機上運行識別軟件，對圖像傳感器采集的模擬眼圖像進行分析。

帶狀光檢影鏡將帶狀光投射到模擬眼上，CCD圖像采集裝置采集到模擬眼圖像后，傳送到PC機上，識別軟件將模擬眼識別為“正?！薄ⅰ吧⒐狻?、“遠視”、“近視”四種狀態，并將四種狀態輸出顯示。系統數據流圖如圖2所示。

3 系統處理流程

3.1 總體流程

一種屈光不正的數字化影像識別方法過程可以簡單表示如下：

1）將帶狀光光源投射到人眼上，驅動帶狀光光源沿水平方向運動，采用CCD圖像采集裝置對人眼拍照，連續獲取多幀原始灰度圖像數據；

2）對單幀原始灰度圖像數據進行眼球反射光帶重心識別處理，得到眼球反射光帶的重心位置Peye_ctr（x，y），并放入眼球重心序列；

3）對單幀原始灰度圖像數據進行帶狀投射光帶重心和最小外接矩形識別處理，得到帶狀投射光帶最小外接矩形的頂點坐標Rectlight（P0（x，y）， P1（x，y）， P2（x，y）， P3（x，y））和帶狀投射光帶的重心位置Plight_ctr（x，y），并將帶狀投射光帶的重心位置放入光帶重心序列；

4）對單幀原始灰度圖像數據進行眼球反射光帶角度識別處理，得到眼球反射光帶的角度值∮eye；

5）對步驟3處理得到的帶狀投射光帶的最小外接矩形的頂點坐標Rectlight（P0（x，y）， P1（x，y），P2（x，y）， P3（x，y））進行處理，得到帶狀投射光帶的角度值∮light；

6）對步驟四得到的眼球反射光帶的角度值∮eye和步驟五得到的帶狀投射光帶的角度值∮light進行比較，若眼球反射光帶的角度值∮light和帶狀投射光帶的角度值∮eye的差值大于預設閾值，則作為散光處理；

7）對經過步驟二處理得到的眼球重心序列進行運動位置識別處理，若判斷為不動，作為正視處理，否則，得出眼球重心序列的運動方向，包括以下內容：

對由連續n幀（n>1）原始灰度圖像數據經過步驟二處理后得到的眼球反射光帶的重心位置序列Peye_ctr（xi，yi） （其中i=1…n）進行運動位置識別處理，若任意眼球反射光帶的重心位置Peye_ctr（xi，yi）與眼球反射光帶重心位置序列的平均值Peye_ctr0 = ∑Peye_ctr（xi，yi） / n （其中i=1…n）之間的差值的絕對值Diffeye（i） = | Peye_ctr（xi，yi） - Peye_ctr0 |小于預設閾值，則可判別為不動，作為正視處理；否則，可得出連續n幀眼球反射光帶的運動方向（向左或向右），即眼球重心序列的運動方向（向左或向右）；

8）對經過步驟三處理得到的光帶重心序列進行運動位置識別處理，若判斷為不動，作為錯誤識別處理，否則，得出光帶重心序列的運動方向，包括以下內容：

對由連續n幀（n>1）原始灰度圖像數據經過步驟三處理后得到的帶狀投射光帶的重心位置序列Plight_ctr（xi，yi） （其中i=1…n）進行運動位置識別處理，若任意帶狀投射光帶的重心位置Plight_ctr（xi，yi）與帶狀投射光帶重心位置序列的平均值Plight_ctr0 = ∑Plight_ctr（xi，yi） / n （其中i=1…n）之間的差值的絕對值Difflight（i） = | Plight_ctr（xi，yi） - Plight_ctr0|小于預設閾值，則可判別為識別錯誤；否則，可得出連續n幀（n>1）帶狀投射光帶的運動方向（向左或向右），即光帶重心序列的運動方向（向左或向右）；

9）對步驟7得到的眼球重心序列的運動方向和步驟八得到的光帶重心序列的運動方向進行比較，兩個運動方向一致則判別為順動，作為遠視處理，兩個運動方向不一致則判別為逆動，作為近視處理。

基于以上分析，整個系統流程框架如圖3所示。

根據以上所述，在系統整個處理流程中，有四個步驟至關重要，即眼球反射光帶的重心識別處理、帶狀投射光帶的重心識別處理、帶狀投射光帶的角度值識別處理以及眼球反射光帶的角度值識別處理。

3.2 眼球反射光帶重心位置識別處理

對單幀原始灰度圖像數據進行眼球反射光帶重心識別處理，得到眼球反射光帶的重心位置，包括以下步驟：

1）對原始灰度圖像數據進行圖像二值化處理，得到眼球反射光帶的二值化圖像數據，有關圖像二值化的詳細內容請參見[11]；

2）對眼球反射光帶二值化圖像數據進行圖像腐蝕處理，得到眼球反射光帶二值腐蝕圖像，有關圖像腐蝕算法的更多內容，參見[12]；

3）對眼球反射光帶二值腐蝕圖像進行圖像平滑處理，得到眼球反射光帶平滑圖像，有關圖像平滑處理算法的更多內容，參見[13]；

4）對眼球反射光帶平滑圖像進行圖像膨脹處理，得到眼球反射光帶膨脹圖像，有關圖像膨脹算法的更多內容，參見[14]；

5）對眼球反射光帶膨脹圖像進行圖像腐蝕處理，得到眼球反射光帶腐蝕圖像；

6）對眼球反射光帶腐蝕圖像進行最大連通域處理，若最大連通域不存在，則丟棄該幀圖像，若最大連通域存在，則可計算出該最大連通域的最小外接矩形，從而計算出該最小外接矩形的重心位置即眼球反射光帶的重心位置，并放入眼球重心序列。

根據上述步驟，簡要介紹眼球反射光帶重心位置問題，如圖4所示。

3.3 帶狀投射光帶重心及角度識別處理

對單幀原始灰度圖像數據進行帶狀投射光帶重心和最小外接矩形識別處理，得到帶狀投射光帶的重心位置和最小外接矩形頂點坐標，并將帶狀投射光帶的重心位置放入光帶重心序列，包括以下步驟：

1）對原始灰度圖像數據進行圖像避位處理，得到帶狀投射光帶避位處理圖像數據，避位區域內的所有像素值置為0，避位區域將人眼眼球部分全部覆蓋；

2）對帶狀投射光帶避位處理圖像數據進行圖像二值化處理，得到帶狀投射光帶的二值化圖像數據；

3）對帶狀投射光帶二值化圖像數據進行圖像腐蝕處理，得到帶狀投射光帶二值腐蝕圖像；

4）對帶狀投射光帶二值腐蝕圖像進行圖像平滑處理，得到帶狀投射光帶平滑圖像；

5）對帶狀投射光帶平滑圖像進行圖像膨脹處理，得到帶狀投射光帶膨脹圖像；

6）對帶狀投射光帶膨脹圖像進行圖像腐蝕處理，得到帶狀投射光帶腐蝕圖像；

7）對帶狀投射光帶腐蝕圖像進行最大連通域處理，若最大連通域不存在，則丟棄該幀圖像，若最大連通域存在，則可計算出該最大連通域的最小外接矩形，從而計算出該最小外接矩形的頂點坐標和該最小外接矩形的重心位置即帶狀投射光帶的重心位置，并將帶狀投射光帶的重心位置放入光帶重心序列。

基于以上分析，帶狀投射光帶重心及角度識別處理流程如圖5所示。

3.4 眼球反射光帶角度識別處理

對單幀原始灰度圖像數據進行眼球反射光帶角度識別處理，得到眼球反射光帶的角度值，包括以下步驟：

1）對原始灰度圖像數據進行圖像二值化處理，得到眼球反射光帶的二值化圖像數據；

2）對眼球反射光帶二值化圖像進行圖像膨脹處理，得到眼球反射光帶的膨脹圖像數據；

3）對眼球反射光帶膨脹圖像數據進行最佳二值化閾值處理，得到眼球反射光帶最佳二值化閾值圖像；

4）對眼球反射光帶最佳二值化閾值圖像進行直線擬合處理，若不存在滿足條件的最長線段，則丟棄該幀圖像，若存在滿足條件的最長線段，則可計算出該最長線段與水平線的夾角即眼球反射光帶的角度值。

基于以上分析，眼球反射光帶角度識別處理流程如圖6所示。

4 結論

本文將數字影像技術與傳統光學設備的進行結合，提出了一種新的數字化影像識別方法代替人工進行診斷，該方法可應用于遠程篩查人眼屈光不正。該系統由攝像頭（透鏡）、CCD芯片、顯示器等組成，通過數字影像系統取代人眼觀察，可將眼底影動顯示于液晶屏幕上供檢查者觀察。同時系統輔助影像識別程序設計，將采集到的眼底影動電信號，通過計算編程識別，自動判斷影動性質、顯示屈光不正性質（近視、遠視及散光），可供非專業人士使用。該系統除了可以對人眼屈光不正進行有效的篩查外，它還能解決了視網膜檢影驗光法一直以來存在的主要兩個問題：

其一，解決了學習視網膜檢影驗光法較難的現狀。眼科醫生和驗光師只能靠經驗來掌握該項臨床檢查技能，依靠語言和示意圖進行交流，難免出現交流理解上的差異。

其二，解決了視網膜檢影的昏暗環境所造成眼科醫生、驗光師以及患者的不適，特別是兒童易在昏暗環境中感受到恐懼，以致不能有效配合屈光檢查的問題。

本系統具有非常顯著的經濟效益和社會效益，對于家庭，該技術能方便家庭成員使用，隨時觀察家庭成員（特別是兒童和青少年）的屈光不正，如有問題可及時就診，給予矯治，避免屈光性弱視的發生；對于臨床工作，該技術能提高眼科醫師、驗光師以及全科醫師檢影驗光的工作效率和準確率。在本系統中患者眼底影動圖像、視頻可以存儲，并可通過有線網絡傳輸影像資料，以供臨床醫生共享資料或遠程診斷。

盡管本文提出的屈光不正的數字化影像識別方法有著上述優勢，但未來的研究還須在兩個點上著力。一方面，沒有對算法進行深度的理論研究。另一方面，在目前的工作中，系統只解決了屈光不正檢測的效率問題，對屈光不正檢測的準確率還有待進一步研究和驗證等。

參考文獻：

[1] 婁志武，唐劍波，陸莉，等.小瞳檢影法在學齡前兒童弱視篩查中的應用[J].浙江預防醫學，2012，24（1）：57-58.

[2] 張寧，陶晗，張春麗，等.近視性學齡前兒童復方托吡卡胺與阿托品散瞳后檢影驗光的比較性研究[J].中國婦幼保健，2011，2（26）：222-223.

[3] 劉博，鄭志剛，方燕.檢影驗光在圓錐角膜篩查與診斷中的應用研究[J].大連醫科大學學報，2012，34（3）：252-256.

[4] 楊小紅，郭瑞，尹東明.早產兒及早產兒視網膜病變嬰幼兒屈光狀態的臨床分析[J].實用醫學雜志，2013，29（16）：2660-2662.

[5] 曹宜，廖孟.視力低常的學齡前兒童屈光狀態分析[J].重慶醫學，2009，38（1）：62-63.

[6] 李燦，陳瀟，王恩洪，等.不同類型老年性白內障屈光狀態變化觀察[J].重慶醫學，2011，40（6）：571-572.

[7] 趙丹妮，李平華.5～13歲兒童屈光不正狀態的預測分析[J].重慶醫學，2013，42（31）：3798-3800.

[8] 葉良，王曉幸，蔡顯峰，等.基于數字化技術改造的檢影驗光理論的教學應用[J]. 健康研究，2010，30（2）：159-161.

[9] 金晨暉，滕堅. 新型檢影模擬眼的設計理論分析[J].中國組織工程與臨床康復，2009，1（1）：50-52.

[10] 金晨暉，滕堅，張艷玲，等. 基于數字影像技術的視網膜檢影驗光裝置的實驗研究[J]. 中國醫學裝備，2014（12）.

[11] 楚亞蘊，詹小四，孫兆才，等.一種結合方向信息的指紋圖像二值化算法[J].中國圖象圖形學報，2006（6）：856.

[12] 李曉飛，馬大瑋，粘永健，等.圖像腐蝕和膨脹的算法研究[J].影像技術，2005（1）：37-39.

[13] 梁一江，圖像平滑處理方法初探及簡單的算法介紹[J].才智，2009（4）：133-135.

[14] 桑慶兵，梁狄林，吳小俊，等.基于膨脹的梯度結構相似度圖像質量評價方法[J].計算機科學，2014（6）：287-290.