基于图像分割的糖尿病性视网膜病变血管研究

王洪娟 辽宁省营口市中医院 眼科 （辽宁 营口 115000）

基于图像分割的糖尿病性视网膜病变血管研究

王洪娟 辽宁省营口市中医院 眼科 （辽宁 营口 115000）

目的：研究图像分割法在糖尿病性视网膜病变血管中的应用价值。方法：选择2015年4月～2017年6月间本院接诊的糖尿病病患27例，并利用计算机图像处理技术以及图像分割法，对所选病例的眼底图像视网膜血管进行规范化的分割、提取。综合分析本组27例病患视网膜血管分割、提取的结果，总结图像分割法在糖尿病性视网膜病变血管中的应用价值和意义。结果：在病变以及正常眼底图像当中，利用图像分割法分割出来的视网膜血管都比较完整，并且相比较于眼底荧光素血管造影图像与眼底图像，经图像分割法分割出来的视网膜血管更加的精确与清晰。结论：积极利用图像分割法，分割糖尿病性视网膜病变血管，可取得比眼底图像等方法更好的分割效果，且也更有助于临床医师对糖尿病性视网膜病变患者病情的诊断，值得临床借鉴。

眼底图像 糖尿病性视网膜病变 图像分割法 应用价值

现阶段，临床可采取眼底彩色图像与眼底荧光素血管造影图像，对糖尿病性视网膜病变患者进行诊断[1]。而计算机图像处理技术则属于是一种集多学科于一体的交叉技术，和多媒体、数学、信息处理以及计算机等技术有着十分密切的关系。相关研究发现，利用图像分割法，可有效鉴别异常与正常的眼底组织[2]。对此，本文将以27例糖尿病患者（接诊于2015年4月～2017年6月）为对象，着重分析糖尿病性视网膜病变血管用图像分割法的价值，现作出如下报道。

1.资料与方法

1.1 临床资料

以2015年4月～2017年6月本院接诊的27例糖尿病患者（共54只眼）为研究对象，其中有男性患者15例，女性患者12例；年龄40～73岁，平均（58.26±4.13）岁；糖尿病病史10～21年，平均（14.1±2.7）年。利用“国际标准视力表”，对本组27例病患的矫正视力进行检查，结果提示患者的矫正视力在0.1～1.0的范围之内。选择Topcon.TRC.50DX眼底荧光照相系统，对27例患者的FFA图像以及眼底彩色图像进行拍摄，并对拍摄结果作出详细的分析。同时参考“DR国际临床分类法[3]”中的相关内容，对本组27例患者的眼底病变作出诊断分型，结果提示，病变组共有48只眼，包括：增值性DR1只眼，轻度非增值性DR13只眼，中度非增值性DR18只眼，重度非增值性DR16只眼；正常组共有6只眼，均未出现较明显的视网膜血管病变情况。

1.2 方法

利用先验知识随机游走模型，对本组27例患者的FFA图像以及眼底彩色图像进行规范化的视网膜血管分割处理，详细如下：以视网膜血管特征为依据，按要求建立起图像的一个归一化梯度向量散度场，然后再对高低对比度血管的中心线进行有效的提取。利用先验知识随机游走模型，对图像进行分割，也就是分割和提取微弱边界以及低对比度的视网膜血管。此后，再对其进行全面的观察与分析。为能进一步研究图像分割法在糖尿病性视网膜病变血管处理中的有效性，需利用ROC（接受机工作特性曲线）综合分析其分割精度。此次研究所应用的计算机型号为“Pentium-Ⅳ型”，参数是：512M内存、2.6GHz的CPU，并且选择使用MATLAB仿真软件。

1.3 统计学分析

2.结果

在利用图像分割法，对本组27例患者眼底图像中的视网膜血管进行规范化的分割、提取之后，笔者经综合分析总结出：病变组以及正常组的眼底图像视网膜血管分割都十分完整，且能较好的对大部分细小血管进行有效的分割，而这些细小血管在FFA图像以及眼底彩色图像当中均无法被清楚的显示出来。此外，分割后的视网膜血管连通性也基本无任何变化。对于病变组来说，图像分割法对患者的视网膜图像具有比较高的鲁棒性，且其在分割病变区域血管这一方面上也能取得较显著的成效，尤其是在FFA图像当中，若病变区域血管、视网膜出血以及棉絮斑显示不佳，那么在经过图像分割之后，便能更为清晰的将血管显示出来。

综合分析ROC曲线，可知：FFA图像与眼底彩色图像在显示视网膜血管这一方面上的真阳性率比较高，通常在90%左右的范围之内，但假阳性率也偏高，在6%左右的范围之内。而图像分割在显示视网膜血管中的真阳性率则相当高，平均为99%，假阳性率依旧为6%左右。这一结果提示，在错误分割率一致的情况之下，和FFA图像以及眼底彩色图像相比较，由图像分割法分割出来的真实血管将更多。研究发现，在显示视网膜血管准确度的这一方面上，眼底彩色图像为92.59%，FFA图像为92.83%，图像分割为94.44%。相比较之下，后者的准确度最高。

3.讨论

相关文献中有提及到，糖尿病性视网膜病变的诱发因素为糖尿病[4]。当人体在出现糖尿病疾病之时，将有可能会引发微血管病变的情况，进而导致视网膜缺血性改变。有报道称，在糖尿病眼部微血管并发症当中，糖尿病性视网膜病变最为常见，且其严重程度也最高，可对患者的身体健康造成非常大的损伤[5]。现阶段，可采取FFA检查与眼底彩色图像等对本病患者进行诊断，即：根据患者的FFA图像与眼底彩色图像，明确其是否有新生血管与视网膜无灌注区等情况，然后再以此为依据为患者制定一份最佳的治疗方案，比如：玻璃体切除术、药物治疗亦或者是激光光凝等[6]。但诸多的临床研究却表明，FFA检查以及眼底彩色图像都无法将病变视网膜的血管清楚的显示出来，并且，激光和药物疗法的治疗效果都不佳，根本不利于患者病情的良好控制[7]。此次研究的结果表明，对于病变以及正常视网膜血管来说，在经图像分割法进行分割处理之后都能得到比较完整的血管。此外，相比较于FFA图像和眼底彩色图像，经过分割之后的视网膜血管更加的准确，也更加的清晰。相关报道称，图像分割法不仅有效解决了血管分割断续以及血管连通性等问题，同时还能将大部分的细小血管有效的分割出来。对此，可将图像分割法在临床上做更进一步的推广与使用。

综上所述，图像分割法可对微弱边界以及低对比度的视网膜血管进行有效的分割、提取，而这往往也能为糖尿病性视网膜病变患者的早期诊断以及治疗方案的选择提供重要参考。

[1]武劲圆,游国栋,孙丰源,等.图像分割法对糖尿病患者眼底图像中视网膜血管的分割结果分析[J].山东医药,2011,51(42):38-39.

[2]高玮玮,程武山,沈建新,等.免散瞳眼底图像在糖尿病视网膜病变自动筛查中的应用[J].激光生物学报,2015,24(4):335-340,381.

[3]徐光柱,张柳,邹耀斌,等.自适应脉冲耦合神经网络与匹配滤波器相结合的视网膜血管分割[J].光学精密工程,2017,25(3):756-764.

[4]朱承璋,邹北骥,向遥,等.彩色眼底图像视网膜血管分割方法研究进展[J].计算机辅助设计与图形学学报,2015,27(11):2046-2057.

[5]王晓红,赵于前,廖苗,等.基于多尺度2D Gab or小波的视网膜血管自动分割[J].自动化学报,2015,41(5):970-980.

[6]朱承璋,向遥,邹北骥,等.基于分类回归树和AdaBoost的眼底图像视网膜血管分割[J].计算机辅助设计与图形学学报,2014,26(3):445-451.

[7]殷本俊,陈燕,李华婷,等.基于Morlet小波变换的视网膜血管分割[J].计算机辅助设计与图形学学报,2015,27(7):1263-1270.

Vascular Study of Diabetic Retinopathy Based on Image Segmentation

WANG Hong-juan Department of Ophthalmology, Yingkou Hospital of Traditional Chinese Medicine(Liaoning Yingkou 115000)

1006-6586(2017)19-0045-02

R587.2

A

2017-08-13