第 3 期高玮玮等 : 一种基于视网膜主血管方向的视盘定位及提取方法引言视盘是视网膜血管与视神经进入眼球的部位, 是眼底的一个重要标志, 在视网膜相关疾病的诊断中, 视盘的准确定位与提取是实现后续诊断以及相关识别任务的前提和基础首先, 视盘的位置可用于另一眼底解剖结构黄斑区的确定

Size: px

Start display at page:

Download "第 3 期高玮玮等 : 一种基于视网膜主血管方向的视盘定位及提取方法引言视盘是视网膜血管与视神经进入眼球的部位, 是眼底的一个重要标志, 在视网膜相关疾病的诊断中, 视盘的准确定位与提取是实现后续诊断以及相关识别任务的前提和基础首先, 视盘的位置可用于另一眼底解剖结构黄斑区的确定"

邀陨呼延
5 years ago
Views:

1 第 25 卷第 3 期 2016 年 6 月激光生物学报 ACTA LASER BIOLOGY SINICA Vol.25No.3 Jun.2016 doi: /j.isn 一种基于视网膜主血管方向的视盘定位及提取方法高玮玮 1, 程武山 1, 王明红 1, 沈建新 2 3, 左晶 (1. 上海工程技术大学机械工程学院, 中国上海 ;2. 南京航空航天大学机电学院, 江苏南京 ; 3. 江苏省中医院眼科中心, 江苏南京 ) 摘要 : 为分割出眼底图像中的视盘, 构建基于眼底图像的计算机辅助诊断系统, 提出了一种基于视网膜主血管方向的视盘定位及提取方法首先, 利用 Otsu 阈值分割眼底图像 R 通道获取视盘候选区域 ; 然后利用彩色眼底图像的 HSV 空间的 H 通道提取视网膜主血管并确定主血管方向 ; 在此基础上, 通过在方向图内寻找出对加权匹配滤波器响应值最高的点确定视盘中心位置 ; 最后, 利用该位置信息从视盘候选区域中挑选出真正的视盘利用该方法对 100 幅不同颜色不同亮度的眼底图像进行视盘分割, 得到准确率 98%, 平均每幅图像处理时间 1.3s 结果表明: 该方法稳定可靠, 能快速有效分割出眼底图像中的视盘关键词 : 眼底图像 ; 视盘 ; 图像分割 ;Otsu 阈值分割中图分类号 :R318;TP 文献标识码 :A 文章编号 : (2016) LocationandExtractionofOpticDiscBasedonDirectionof MainBloodVesel GAOWeiwei 1,CHENGWushan 1,WANGMinghong 1,SHENJianxin 2,ZUOJing 3 (1.ColegeofMechanicalEngineering,ShanghaiUniversityofEngineeringScience,Shanghai201620,China; 2.ColegeofMechanical& ElectricalEngineering,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016, Jiangsu,China;3.DepartmentofOphthalmology,JiangsuProvinceHospitalofTCM,Nanjing210029,Jiangsu,China) Abstract:Inordertosegmentopticdiscfromfundusimages,anddevelopacomputeraideddiagnosissystem,anap proachforlocationandextractionofopticdiscbasedondirectionofmainbloodveselwasestablishedandstudied.first ly,redchanneloftheoriginalfundusimageiscoarselysegmentedbyotsuthresholding,andcandidateregionsofoptic discareobtained.secondly,mainbloodveselareextractedinthehchannelofthehsvspaceandtheirdirectionsare detected.thirdly,theopticdiscislocalizedbyfindingoutthepointwiththetopresponsevalueoftheweightedmatched filter.finaly,therealopticdiscisextractedfromcandidateregions.theapproachistestedonasetwhichcontained 100fundusimageswithvariablecolorandbrightnes.Accuracyreaches98%.Furthermore,theaveragetimecostin procesinganimageis1.3seconds.resultssuggestthattheapproachisstableandreliable,andcanfastandefectively detectopticdiscfromfundusimages. Keywords:fundusimages;opticdisc;imagesegmentation;Otsuthreshold 收稿日期 : ; 修回日期 : 基金项目 : 中央高校基本科研业务费专项 (NJ ); 江苏省普通高校研究生科研创新计划项目 (CXLX11_0218) 资助作者简介 : 高玮玮 (1985-), 江苏盐城人, 讲师, 主要从事计算机辅助生物医学工程研究 ( 电话 ) ;( 电子邮件 )gww @sina.com

第 3 期高玮玮等 : 一种基于视网膜主血管方向的视盘定位及提取方法 245 0 引言视盘是视网膜血管与视神经进入眼球的部位, 是眼底的一个重要标志, 在视网膜相关疾病的诊断中, 视盘的准确定位与提取是实现后续诊断以及相关识别任务的前提和基础首先, 视盘的位置可用于另一眼底解剖结构黄斑区的确定黄斑区是视网膜中对光线最敏感的区域, 该区域与人眼视力密切相关, 因此,

视盘与硬性渗出在颜色与亮度方面具有较强的相似性 ) 类方法, 由于仅仅采纳了亮度信息, 故较易受图像亮度变化的影响 ; 另外, 对于出现病变的眼底图像, 例如当眼底图像出现较大较亮的 EXs 或棉绒斑时, 视盘并不一定是眼底图像中最亮像素点的集合, 如图 2 (a) 所示第二类方法结合视盘的形状与亮度信息设计用于检测视盘的模板, 该方法存在与第一类方法类似的弊端, 例如图 2(b)

2 第 3 期高玮玮等 : 一种基于视网膜主血管方向的视盘定位及提取方法引言视盘是视网膜血管与视神经进入眼球的部位, 是眼底的一个重要标志, 在视网膜相关疾病的诊断中, 视盘的准确定位与提取是实现后续诊断以及相关识别任务的前提和基础首先, 视盘的位置可用于另一眼底解剖结构黄斑区的确定黄斑区是视网膜中对光线最敏感的区域, 该区域与人眼视力密切相关, 因此, 该区域的病变情况直接影响最终的判定结果其次, 视盘本身也是一些视网膜疾病的诊断依据, 例如 : 青光眼等另外, 视盘直径 (papilary diameter,pd) 常作为参考长度用于衡量其它特征的距离及大小最后, 对于糖尿病视网膜病变 ( 简称糖网 ) 早期病灶硬性渗出 ( 如图 1 所示 ) 的分割问题而言, 视盘是其首先要去除的假阳 (FalsePosi tive)( 视盘与硬性渗出在颜色与亮度方面具有较强的相似性 ) 类方法, 由于仅仅采纳了亮度信息, 故较易受图像亮度变化的影响 ; 另外, 对于出现病变的眼底图像, 例如当眼底图像出现较大较亮的 EXs 或棉绒斑时, 视盘并不一定是眼底图像中最亮像素点的集合, 如图 2 (a) 所示第二类方法结合视盘的形状与亮度信息设计用于检测视盘的模板, 该方法存在与第一类方法类似的弊端, 例如图 2(b) 所示的视盘本身已发生病变, 其亮度形状等均有了一定程度的变化, 此种情况下利用模板匹配方法显然不能准确提取出该眼底图像中的视盘文献 [5] 是第三类方法的代表, 首先细化所提取的血管, 在此基础上擦除所有的分支点得到血管片断, 构造模糊血管段, 然后使用基于投票方法得到收敛图, 收敛度最强点即作为视盘中心位置这种方法的缺点是容易在血管分叉点给出错误的定位且计算复杂度高文献 [6] 使用匹配滤波器方法, 通过构造视盘所在区域血管的方向滤波器, 将 4 个尺度不同的滤波器的累积差最小的像素点作为视盘中心 Frank [9] 通过对不同视盘定位方法的比较发现, 在出现视网膜病变的眼底图像中基于视盘亮度变化视盘形状以及血管位置的方法均是非鲁棒的, 最有效的方法是充分利用血管的方向提供的信息 ( 如图 3 所示 ) 来定位视盘图 1 彩色眼底图像 Fig.1 Colorfundusimage 因为视盘不吸收光线, 进入眼内的光线几乎完全甚至是完全被反射出来, 所以视盘是正常眼底最亮颜色最淡的部分, 是观察眼底的最明显标志视盘近于圆形, 很少为正圆形, 多呈椭圆形虽然视盘具有较为规则的形态特征 ( 眼底图像中表现为近似圆形的黄白色区域, 如图 1 所示 ), 但是由于光照以及病变等因素的影响使得准确定位及提取视盘并非易事, 图 2 中的两幅图就分别说明了视盘定位及提取过程中所遇到的困难因此, 为准确地提取出眼底图像中的视盘, 必须充分结合视盘的形态位置等信息研究者们提出了诸多视盘分割方法, 大致可分为三类 :(1) 基于视盘为眼底图像中最亮像素点的集合 [1 3] ;(2) 模板匹配法 [4 6] ;(3) 利用血管汇聚于视盘这一特性 [7] ;(4) 匹配滤波器法 [8] 对于第一图 2 视盘定位及提取所遇到的难点 Fig.2 DificultiesinlocationandextractionofOptic Disc

3 246 激光生物学报第 25 卷图 3 视网膜主血管方向示意图 Fig.3 Schematicdiagram ofdirection of mainbloodvesel 1 实验材料及方法 1.1 实验材料与设备源图像由江苏省中医院眼科提供, 为 CanonCF 60DSI 眼底照相机拍摄的 100 幅分辨率为 3504 像素 2336 像素的 JPG 彩色免散瞳眼底图像这些图像具有不同的颜色亮度和质量实际使用时, 对原图进行了适当裁减去掉背景区域并进行了压缩, 即实际处理图像的分辨率为 300 像素 300 像素实验系统配置为 :Intel(R) Core(TM) Duo E7500CPU,6.00GBRAM 的计算机,MatlabR2009a 的软件环境 1.2 方法 [10] 鉴于此, 在马新等研究成果的基础上, 依据视网膜主血管的方向及其收敛于视盘这一特性, 提出利用主血管收敛点的位置对基于 Otsu 阈值分割获取的视盘候选区域进行判定, 从而实现视盘准确获取的方法该方法优点在于 :(1) 针对性及快速性仅需分割出对比度高的眼底主血管现有的基于血管网络的视盘定位方法需要较为精确的血管分割方法的支持, 而从眼底图像中获取精细的血管分割结果是非常困难的因此, 换言之, 这不仅降低了算法实现的难度, 也提高了算法的效率在糖网自动筛查中需处理大批量的眼底图像, 在保证可靠性的基础上, 快速性是一个重要需求指标 (2) 准确性由于该视盘提取方法利用视网膜主血管的收敛结果对视盘进行定位, 因此具有良好的鲁棒性该方法的算法流程见图 4, 具体描述如下 : 视盘候选区域获取由前述视盘的光谱特征分析结果可知, 视盘在图 4 视盘定位及提取流程图 Fig.4 FlowchartoflocationandextractionofOpticDisc 628nm 红光下, 其可见度达到最高在此波长光照下视盘边缘清晰, 从视盘出来的血管可见度很差, 而神经纤维则几乎消失, 视盘呈现一个均匀的反射亮斑 ( 图 5(a) 所示 ), 因此, 结合图 5(a) 5(b) 5(c) 可看出, 对于视盘的分割采用 RGB 图的 R 通道 ( 如图 5 (a) 所示, 记为 f R ) 较为合适在 f R 中, 视盘表现为高亮度, 但由于光照不均匀等成像缺陷以及出现同样表现为高亮度的眼底病灶 ( 如硬性渗出棉绒斑等 ) 时, 仅依据亮度信息来获取视盘显然是不可靠的, 但可通过该方法获取包括视盘在内的表现为高亮度的区域 ( 此类区域的面积要大于一定的数值, 因为视盘是具有一定尺寸的 ), 即视盘的候选区域 ( 图 6(a) 所示 ) 依据主血管方向定位视盘根据视盘为血管收敛点这一特性, 利用彩色眼底图像的 HSV 空间的 H 通道提取视网膜主血管 ( 将 H 通道与经过闭运算的 H 通道相减得到, 具体如图 6 (b) 所示 ) 并确定主血管方向 ; 然后, 在方向图内寻找出对加权匹配滤波器响应值最高的点, 该点所在位置即作为视盘中心位置 ( 图 6(c) 所示 ); 最后, 利用该位置信息从视盘候选区域中挑选出真正的视盘 ( 如图 6(d) 所示 ) 该视盘分割方法综合利用了视盘所具有的亮度信息以及特有的与眼底主血管间的位置关系这两大特征, 利用依据主血管方向所得到的收敛点 ( 即视盘所在位置 ) 的位置信息对根据视盘亮度信息利用 Ot

所示眼底图像的视盘定位及提取见图 6 基于视网膜主血管方向的视盘定位及提取方法简单易实现, 具有良好的鲁棒性和快速性, 尤其适用于基于免散瞳眼底图像的糖网自动筛查系统中的视盘分割 2 实验结果与分析讨论 2.

4 第 3 期高玮玮等 : 一种基于视网膜主血管方向的视盘定位及提取方法 247 图 5 眼底图像各通道图 Fig.5 Channelsoftheoriginalfundusimage su 阈值分割所获取的视盘候选区域进行判定, 从而准确获取视盘区域该方法能够有效避免在出现高亮度大面积的眼底病灶, 如硬性渗出棉绒斑等 ( 图 2(a) 所示 ) 时根据亮度面积信息对视盘的错误提取图 2(a) 所示眼底图像的视盘定位及提取见图 6 基于视网膜主血管方向的视盘定位及提取方法简单易实现, 具有良好的鲁棒性和快速性, 尤其适用于基于免散瞳眼底图像的糖网自动筛查系统中的视盘分割 2 实验结果与分析讨论 2.1 实验结果利用所采集的 100 幅眼底图像对所提出的基于视网膜主血管方向的视盘定位及提取方法与 Hoover ( 文献 [5]) 所提出的方法进行了对比实验针对分图 6 视盘的定位及提取 Fig.6 LocationandextractionofOpticDisc 辨率为 300 像素 300 像素的眼底图像, 主血管提取时窗口大小确定为 5 像素 5 像素, 模板尺寸为 179 像素 93 像素文中所提出方法与 Hoover 提出方法的对比结果见表 1 由表 1 发现, 文中方法虽在准确率上略低于 Hoover 所提出的方法, 但在效率上明

5 248 激光生物学报第 25 卷显优于该方法对于适用于眼底病变的大规模筛查项目中的视盘分割来说, 明显是文中所提出的基于视网膜主血管方向的视盘定位及提取方法更优另, 实验结果 ( 图 7) 表明, 文中所提出方法克服了对比度不均衡以及病灶对视盘分割的影响基础, 具有很高的实用价值表 1 视盘分割结果 Tab.1 Segmentionresultofopticdisc 方法准确率 /% 处理时间 /s 文中方法 98% 1.3 Hoover 提出的方法 100% 分析与讨论虽然目前已有较多的视盘分割算法, 文中依然探究新的视盘分割算法, 这主要在保证精度的同时要为更好地兼顾效率指标因为视盘分割作为硬性渗出的前期环节, 如果该环节为了追求精度花费大量的时间, 则即使最后的碱性渗出检测结果达到 100% 的准确性, 对临床来说也已无甚实际意义且依据英国糖尿病协会 (BritishDiabeticAsociation) 于 1997 年提出的糖网病灶自动筛查算法最低标准 [11] : 图像水平灵敏度 80%, 特异性 95% 而言, 利用文中所提出的视盘分割算法作为硬性渗出分割方法中的视盘提取环节, 能够使得硬性渗出分割方法达到该 [12] 标准的要求另外,Javit 等在其所建立的健康准则模型中对 DR 自动筛查技术提出的基本准则是 : 60% 的灵敏度或是在此基础上更大化的成本效率即对糖网病灶的自动检测在灵敏度等相关指标达到一定水平的基础上, 也就是说在保证可靠性的基础上, 更关注效率指标因为对于糖尿病患者而言, 其视网膜的病变情况会受糖尿病的治疗控制以及病程等诸多因素的影响, 因此, 只有保证较高的检查频率, 定期检查眼底才能及时有效地发现视网膜的相关病变而较高的检查频率需要高效的糖网病灶自动检测算法作为保障, 因此, 采用文中所提出的算法作为硬性渗出分割方法中的视盘提取策略是合理且有效的 3 结论基于视网膜主血管方向的视盘定位及提取方法能够快速有效地分割出眼底图像中的视盘, 且在眼底图像中出现高亮度大面积的眼底病变时, 该方法依然稳定有效论文研究工作为后续眼底图像中其他生理结构的提取甚至是其他病灶的提取奠定了图 7 出现高亮度大面积眼底病变眼底图像的视盘定位及提取 Fig.7 LocationandextractionofOpticDiscinfundus appearinglesionswithhighbrightnesandlargeareas

6 第 3 期高玮玮等 : 一种基于视网膜主血管方向的视盘定位及提取方法 249 参考文献 [1] SEKHARS,AL NUAIMYW,NANDIAK.Automatedlocal isationofretinalopticdiskusinghoughtransform [J].5th IEEEInternationalSymposiumon.IEEE,2008: [2] SIDDALINGASWAMYPC,PRABHUGK.Automateddetec tionofanatomicalstructuresinretinalimages[c].proceedings oftheinternationalconferenceoncomputationalinteligenceand MultimediaApplications,2007,3: [3] 汪亚明, 郑凯, 胡觉亮, 等. 一种眼底视盘图像的自动分割方法 [J]. 北京生物医学工程,2000,19(1): WANGYaming,ZHENGKai,HUJueliang,etal.Amethodof automaticsegmentationofeyegroundopticdiskimage[j].bei jingbiomedicalengineering,2000,19(1): [4] OSAREHA,MIRMEHDIM,THOMASB,etal.Comparisonof colourspacesforopticdisclocalisationinretinalimages[c]. Patern Recognition, Proceedings. 16th International Conferenceon.IEEE,2002,1: [5] OSAREHA,MIRMEHDIM,THOMASB,etal.Comparisonof colourspacesforopticdisclocalisationinretinalimages[c]. Proc16thIntConfPaternRecognit,2002, [6] JLOWELL,AHUNTER,DSTEEL,etal.Opticnervehead segmentation[j].ieee TransMedImag,2004,23(2): [7] HOOVERA,GOLDBAUMM.Locatingtheopticnerveinaret inalimageusingthefuzyconvergenceofthebloodvesels[j]. MedicalImaging, IEEE Transactionson, 2003, 22(8): [8] YOUSSIFAR,GHALWASHAZ,GHONEIMAR,etal.Op ticdiscdetectionfromnormalizeddigitalfundusimagesbymeans ofavesels directionmatchedfilter[j].ieeetransactionson MedicalImaging,2008,27(1): [9] TERHAARF.Automaticlocalizationoftheopticdiscindigital colourimagesofthehumanretina[d].thenetherlands:u trechtuniversity,2005. [10] 马新, 陈松灿. 彩色视网膜图像中基于主血管网的视盘定位 [J]. 江南大学学报 ( 自然科学版 ),2010,9(1): MAXin,CHEN Songcan.Locatingopticdiscincolorretinal imagesusingmainbloodveselnetwork[j].journalofjiang nanuniversity(naturalscienceedition),2010,9(1): [11] BritishDiabeticAsociation.RetinalPhotographyScreeningfor DiabeticEyeDisease[R].London:BritishDiabeticAsocia tion,1997. [12] JAVITTJC,CANNER JK,FRANK R G,etal.Detecting andtreatingretinopathyinpatientswithtypeⅠ diabetesmeli tus.ahealthypolicymodel[j].ophthalmology,1990,97 (4):

自然科学版预处理视盘粗定位视盘垂直坐标的粗定位视盘水平坐标的粗定位

自然科学版预处理视盘粗定位视盘垂直坐标的粗定位视盘水平坐标的粗定位自然科学版文章编号视网膜图像中视盘的快速自动定位方法赵晓芳林土胜李碧摘要基于眼底视网膜血管的分布结构及视盘本身的特点提出一种快速自动定位视盘的方法首先根据视网膜血管的网络分布结构大致定位视盘的垂直坐标然后根据视盘的亮度信息及视盘与血管的关系来定位视盘的水平坐标最后把视盘限定在以粗定位的视盘为中心的一个小窗口内用变换精确定位视盘中心该方法不需要事先分割视网膜血管也不需要对算法进行训练