眼底图像中自动定位黄斑中心凹的快速定位方法研究

杨 波 白 玫 荣 瑶 董 硕 吴 航 严汉民*

黄斑位于视网膜后极部中央，直径约5 mm，负责明视觉、精细视觉和色觉的视锥细胞分布在该区域，黄斑中心无血管区，也是视网膜血管分布最少且灰度最暗的区域。黄斑的中央凹陷称为中央凹，此处视网膜最薄，且视力最敏锐。

随着糖尿病视网膜病变的发展，病变影响到黄斑区可导致视力下降、眼前黑影或视物变形等症状。糖尿病引起的糖尿病性黄斑水肿(diabetic retinopathy edema，DME)是一种高危并发症，好发于视网膜后极部，可导致不可逆的视功能损害[1]。即使是轻微的DME的迹象，早期发现非常重要，一旦在视网膜检查中早期发现临床治疗意义的黄斑水肿需立即采取措施，包括血糖和血压控制，眼内局部的激素及抗新生血管内皮生长因子药物治疗，甚至激光手术治疗。精确的黄斑定位，对于黄斑水肿的等级评定同样有非常重要的意义[2]。目前，有许多针对糖尿病视网膜病变的自动图像识别的研究，而黄斑中心凹位置的判定对这类图像识别有很大帮助。为此，本研究采用依靠血管主干与视盘相对位置、用迭代阈值变换的定位方法，自动定位眼底图像中黄斑中心凹的位置。

1 定位黄斑中心凹的研究

目前，关于定位黄斑中心凹的研究仍然有很多难点，有研究通过搜索眼底图像，利用高斯混合模型(GMM)分类器对特征集分类，将所有黑暗区域分为黄斑区与非黄斑区，最终识别黄斑[3]；通过分析黄斑圆形亮度分布，利用直线算子的自动黄斑检测方法[4]；通过定位视盘与血管拱形，根据解剖学相对位置进一步确定黄斑中心[5]。将定位黄斑看成回归问题，通过训练基于一组特征的KNN回归器来预测每个像素到黄斑中心的距离，最后回归出黄斑中心[6]；通过对图像灰度进行小波扫描，然后在时域和频域对信号峰谷分析，精确检测黄斑中心位置[7]。基于形态学特征结合k均值聚类的方法检测定位黄斑[8]。

本研究提出的定位黄斑中心凹的方法，是依靠血管主干与视盘位置辅助，采用迭代阈值变换定位黄斑中心。该方法首先对原始图像进行预处理，此后经过形态学变换与连通域计算提取眼底图形中的视网膜血管主干；然后在图像中选取图像中灰度最高的1%的点作为视盘感兴趣区(region of interest，ROI)的候选，筛选出距离血管主干骨架最近的ROI候选点，通过形态学处理、变换阈值得到覆盖视盘的近似圆形，再用Hough变换模拟出视盘中心与视盘半径。在视盘的周围，以2.5倍视盘半径附近，建立黄斑ROI，采用不同阈值多次迭代做二值化，将不同阈值图像的像素边界构建灰度“等高线”，等高线的中心即是黄斑中心凹位置中心。

2 图像处理方法

2.1 预处理

提取图像中红、绿、蓝3个通道对比，通过观察发现，红色通道中视盘对比度较明显，而绿色通道中视盘区域、黄斑区域的对比度均比较强。由于视盘中心的颜色接近于金黄色，因此采用红绿通道折中的方式计算灰度Gv，其为公式1:

Gv=τ·R+(1-τ)·G (1)

经过实验，τ=0.65，红色通道分配权重更多一些，使得视盘、黄斑均更清晰。此外，由于图像有很多噪声，需要做平滑的预处理。采用卷积核8×8的滤波器对图像做中值滤波，抹平图像中的噪点，得到Ipre。中值滤波有良好的去噪能力，眼底图像像素经过中值滤波(图1)。

图1 眼底图像的预处理过程

2.2 视网膜血管主干提取

视盘是眼底图像中的最亮区域，但在糖尿病视网膜病变的图像中，存在棉絮斑或硬性渗出等高灰度区域，为了寻找正确的视盘位置，提取眼底血管主干作为位置参照，在血管位置参照的基础上找到正确的视盘位置。眼底血管主干提取方法分以下两步。

(1)预处理后的图像采用形态学底帽变换，提取出深色血管，底帽变换的卷积核尺寸为20×20，接近血管最粗处宽度；再利用形态学的开操作，去除图像中的噪点；对去噪声后的图像二值化，得到血管二值图。

(2主要目的是提取血管主干，一些细小的分叉不是主要关注点。计算血管二值图中的连通域所占面积，保留面积大于的Ad的连通域Cv，删除其他较小的血管连通域，Ad取值2000，眼底图像的血管主干提取结果见图2。

图2 眼底图像及其对应的血管主干提取结果

2.3 视盘定位

(1)视盘的ROI确定。首先选取图像中灰度最高的1%的像素点，眼底图像中不仅视盘，棉絮斑等病变也会表现为高亮度，因此这些灰度最高的点不仅包含视盘像素也可能包含病变位置像素。按照这些像素所在位置与血管主干的距离，筛选出距离最近的像素点，在该点位置周围建立视盘的ROI，其大小设为400 px。

(2)视盘中心定位。建立视盘ROI后，对预处理后的Ipre采用形态学的相关方法，抹去眼底图像中的视网膜血管，卷积核大小设为11，因为尺寸设置太小的去除效果不好。经过形态学方法处理，图像中细长形状的血管被成功抹去，利用阈值分割出ROI中的高灰度部分，然后利用Hough圆形变换，采样视盘边缘的像素点，拟合出圆形的圆心与半径(图3)。

图3 视盘ROI确定到视盘定位过程

2.4 黄斑中心定位

根据先验知识，黄斑中心凹的位置在视盘中心的颞侧偏下，距离约2.5倍视盘直径[9]。因此把搜索区域锁定在视盘1.5～3.5 D的范围内，在前述抹去血管操作的基础上，应用迭代阈值多次做图像二值化；选择不同阈值，每次二值化边界记录下来，可以得到图像的灰度等高线。由于之前图像应用过数学形态学的关运算，在此时建立的等高线附近的杂点明显减少，且曲线明显平滑。灰度等高线效果见图4。

图4 黄斑ROI确定到黄斑中心凹定位过程

由于黄斑的颜色比周围更深一些，在黄斑中心凹的附近，等高线会形成一个逐渐缩小的闭合的圆形。本研究搜索套叠的闭合圆形，并计算最内层圆形面积，当圆形直径＞20像素时，继续改变阈值使新的等高线形成更小的闭合变形。最后建立一个恰好包含最内层圆的最小外接矩形，矩形的中心即是本方法认为的黄斑中心。

2.5 眼底图像测试

选用彩色眼底图像利用佳能CR-2彩色3CCD摄像机，45°视角下采集，全部数据来自宣武医院眼科门诊，图像尺寸均为(2240×1488)像素。

3 结果

眼底图像测试结果以眼科专家人工标注的结果作为参考，定位黄斑中心准确率为97.1%(见表1)。

表1 眼底图像测试结果比较

在240幅眼底图中，健康人91幅，病变149幅。根据医生对病情的诊断结果，所有眼底的视网膜病变分为4个级别，对于健康人(0级)以及较轻病变(1～2级)，仅有1例由于光照不完全，在图像上形成大片黑影导致识别失败，其他6例失败案列均是患有严重视网膜病变(3级)的眼底图，其结果见表2。

表2 眼底图像识别结果分析

4 结论

自动定位黄斑位置，对眼底图像识别具有很大的意义，由于黄斑反光较弱，受噪声影响较大，边缘信息模糊，因此直接通过边缘检测无法识别出来。本研究通过提取血管主干，定位出眼底图像中的视盘位置，再通过分析视盘与黄斑相对位置，在ROI最暗处定位出黄斑中心。由于血管主干与视盘识别度比较高，因此通过这两类标识物的定位有效提高黄斑定位的准确性。

本研究黄斑定位方法，对黄斑中心凹周围有特别大面积深色出血，或者黄斑中心凹附近特别大块黄斑水肿病变的情况会造成误判断。由于出血部位与黄斑中心都表现为低灰度值区域，如果出血面积与黄斑大小相当，灰度等高线会混淆大片出血部位，可能将出血点中心认为成黄斑中心。中心凹附近黄斑水肿，同样对黄斑灰度等高线造成干扰，遮盖住黄斑的水肿病变面积，较多情况下可能会使定位偏离正确中心。

对于健康人的眼底图像，本研究的方法识别黄斑运算量不大，无需提前训练集，即使针对眼部有局部微小病理改变的眼底图像也有非常好的效果。在针对存在糖尿病视网膜病变、黄斑水肿等眼底图像时，依靠视盘与黄斑相对位置来确定黄斑位置ROI，仍可以很大程度的提高定位准确率。本研究的定位眼底图像中的黄斑中心凹的方法，可以作为计算机辅助诊断的一个基础，为未来的基于计算机图像的诊断糖尿病视网膜病变的研究奠定基础。