123 例肝硬化患者眼底血管变化观察与分析

高悦，余上海，赵超群，周群，刘毓，任建萍，李舰，石晶琳，刘平,4，张华

目诊属中医望诊范畴，是通过观察目的神、色、形、态以诊察疾病的方法。中医认为，望目不仅可以诊察眼睛本身的疾病，同时也能反映出全身脏腑的疾病。《灵枢·经脉篇》[1]记载：“足厥阴肝经之脉，起于大趾从毛之际……连目系”。《素问·五脏生成篇》[2]曰：“肝受血而能视”。五脏中，肝与目的关系尤为密切，即“目为肝之窍”。因此，深入探索眼睛所隐含的生理病理信息对中医肝病的诊察具有重要意义。

图像特征提取是一门涉及计算机、数学、物理等交叉学科的技术，近年来被广泛应用于多个领域。运用该技术对眼底的纹理、颜色以及形态特征进行识别并对各个特征有效整合，可实现对整个图像乃至整类图像特征的全面分析及汇总，挖掘图像中尚未被发现的有价值信息[3]。

本研究基于“肝开窍于目”的中医理论及计算机图像特征提取技术，通过观察不同程度肝硬化患者的眼底血管改变，并以健康志愿者为对照，探索肝硬化疾病及其不同发展阶段的眼底血管变化特征，以延伸中医目诊范围，为肝硬化疾病的诊断及病情监测提供客观依据。

1 对象与方法

1.1 研究对象

所有病人为上海中医药大学附属曙光医院肝硬化科2018 年10 月—2020 年1 月间的门诊及住院患者，相匹配的健康志愿者来自医院体检中心。本研究通过上海中医药大学附属曙光医院伦理委员会批准后实施（伦理批号：2018-616-45-01）。

1.2 诊断标准

1.2.1 肝硬化[4]代偿期，需满足下列四条之一：（1）组织学符合肝硬化诊断；（2）内镜显示食管胃静脉曲张或消化道异位静脉曲张，除外非肝硬化性门脉高压；（3）B 超、肝脏硬度测定（liver stiffness measurement，LSM）或CT 等影像学检查提示肝硬化或门脉高压特征：如脾大、门静脉≥1.3 cm，LSM 测定符合不同病因的肝硬化诊断界值；（4）无组织学、内镜或影像学检查者，以下检查指标异常提示存在肝硬化（需符合4 条中2 条），①血小板（platelet，PLT）计数<100×109/L，且无其他原因可以解释；②血清白蛋白＜35 g/L，排除营养不良或肾脏疾病等其他原因；③国际标准化比率（international normalized ratio，INR）＞1.3 或血浆凝血酶原时间（prothrombin time，PT）延长（停用溶栓或抗凝药7 d 以上）；④谷草转氨酶/血小板比率指数（aspartate aminotransferase/platelet ratio index，APRI），成人APRI 评分＞2，需注意降酶药物等因素对APRI 的影响。失代偿期，需满足：（1）具备肝硬化诊断依据；（2）同时出现门脉高压相关并发症，如腹水、食管胃静脉曲张破裂出血、脓毒症、肝性脑病、肝肾综合征。

1.2.2 肝功能Child-Turcotte-Pugh（CTP）分级[5]根据临床和生化指标(肝性脑病、腹水、总胆红素、白蛋白以及凝血酶原时间延长的程度) 分为A、B、C 三级，5～6分为A 级，7～9 分为B 级，10～15 分为C 级（表1）。

表1 CTP 肝脏疾病严重程度记分

1.2.3 眼底血管改变诊断及分级标准[6]I 级：眼底仅可见轻度静脉扩张，余无改变；II 级：眼底静脉充盈扩张明显，走向弯曲，粗细不均匀，眼底动脉反光增强，类似铜丝样或银丝样改变，动静脉比例约为2/5～1/2；III 级：静脉扩张严重，弯曲明显，动静脉比例小于1/3，视乳头区小静脉呈螺旋状弯曲或有少量絮状渗出物。

1.3 纳入标准

符合肝硬化疾病诊断标准，年龄20～80 岁，性别不限。健康志愿者选择与病例组性别、年龄相匹配者。

1.4 排除标准

（1）合并结膜炎、结膜出血，眼部外伤等眼科疾病者；（2）合并可能引起眼底改变的心、肺、内分泌、造血、神经等其他系统的疾病及各种肿瘤者；（3）精神障碍不能配合者；（4）妊娠或哺乳期妇女以及过敏体质者。

1.5 临床信息采集

采集入组者一般资料（性别、年龄、民族、职业、身高、体重、家族史等）、体格检查、理化检查（肝肾功能、血糖、血常规、尿常规、凝血功能、肝炎病毒载量、甲胎蛋白及腹部B 超等)、肝功能CTP 分级，以及中医四诊信息。

1.6 眼底图像采集及处理

1.6.1 眼底图像采集 使用数字眼底照相机（重庆康华瑞明科技股份有限公司，型号APS-AER，最小瞳孔拍摄直径3.3 mm，像素2410 万）拍摄肝硬化患者及健康志愿者的眼底照片，由专业人员基于图像算法设定统一标准（质量控制）。图像数据以两种模式存储，一种是原始分辨率，用于临床人工诊断，另一种是数字化矩阵（张量），用于深度学习，供模型调用。

所有眼底图片均由曙光医院眼科同一名高级职称医师综合双眼的结果进行判读并标记。异常眼底改变主要包括：眼底动静脉比例失调、动静脉交叉处见血管压迹、血管壁反光增强（类似铜丝样或银丝样改变）、血管形态扭曲、视网膜渗出等5 个方面（具体量化分级见诊断标准）。

1.6.2 图像轮廓提取 运用计算机算法对原始分辨率为2584×1981 像素的图像进行预处理，切除图像中空白区域，缩小分辨率至564×512 像素后提取出眼底轮廓（图1）。

图1 眼底轮廓提取

1.6.3 图像分割 应用U-Net 网络（图2）进行图像分割，其结构包含下采样、上采样以及跳跃连接三部分[7]。通过Python 调用深度学习框架TensorFlow，读入轮廓提取之后的眼底照片，转化成黑白模式后输出眼底血管轮廓提取结果（图3）。

图2 U-Net 示例

图3 黑白模式的眼底血管轮廓提取结果

为解决照片数量相对少、单张照片像素大的问题，血管分割前先对图像进行增广处理，将每张照片切割成多份分辨率为48×48 像素的小照片，并调整成灰度模式（图4）。以原始图像的灰度图作为训练的特征集，将每个像素标注为“属于血管”和“不属于血管”两类，把标注图像当作标签，训练U-Net 模型。经过20 次迭代后，模型准确率达到0.952，精度召回的曲线下面积（AUC）为0.896，F1 得分为0.797。基于该模型对眼底照片进行预测，从而实现血管分割（图5）。分割后每幅图片中的血管都显示为很多段。

图4 增广图像示例

图5 眼底血管分割结果

1.6.4 图像特征提取 对所拍摄的肝硬化患者及健康人的双眼照片分别进行标注，将同一人的双眼眼底图像特征转化为函数值形式进行后续分析。以标注数据为因变量，分割处理后的数据为自变量，提取图像特征后建立机器学习模型，采用支持向量机（support vector machine，SVM）训练分类模型，以错误率和接受者操作特性（receiver operating characteristic，ROC）曲线为评价指标进行参数调节。

（1）形态和颜色特征：①血管总面积（area），描述血管的丰富程度；②血管平均宽度（width），描述血管的粗细情况；③血管细小分支的比例（small rate）；④血管的弯曲程度（curved），基于椭圆拟合计算每个分支的的弯曲程度；⑤血管细小分支的弯曲程度（small curved），衡量血管末端的扭曲程度；⑥血管的颜色特征，指颜色强度的均值（b mean）、标准差（b standard deviation，bsd）。

（2）血管纹理特征：采用Haralick 定义的灰度共生矩阵（gray level co-occurrence matrix，GLCM）来描述。①同质度，也称逆差距（inverse difference moment，idm），图像的局部灰度越均匀则越大；②对比度（contrast，con），反应局部灰度变化总量，差别越大则该值越大；③熵（entropy，ent），度量图像信息量，图像纹理越复杂则越大；④角二阶矩（asm），度量图形灰度均匀性，越均匀其值越大；⑤相关性（correlation，cor），表示灰度值沿某方向的延伸长度，越长其值越大；⑥方差（variance，var），描述偏差的程度；⑦和平均值（sum average，sav）；⑧和方差（sum variance，sva）；⑨差分方差（difference variance，dva）；⑩和熵（sum entropy，sen）；⑪差分熵（difference entropy，den）；⑫相关性的信息度量“f12”；⑬相关性的信息度量“f13”。

1.7 统计学方法

运用SPSS 21.0 软件进行统计分析。符合正态分布和方差齐性的计量资料，用均数±标准差（）描述，多样本组间比较采用方差分析。不符合正态分布或方差不齐的计量资料，用中位数M(P25,P75)描述，两组间比较采用Mann-Whitney U 秩和检验，多组间比较采用Kruskal Wallis H 秩和检验；计数资料用相对数（%）描述，组间比较采用卡方检验。年龄、体重指数、实验室指标、眼底改变等所有变量进行相关及Logistic 回归分析，设定α=0.05，P＜0.05 为差异有统计学意义。

2 结果

2.1 一般特征

共入组208 例，其中肝硬化组123 例（伴门脉高压组79 例，无门脉高压44 例；CTP A 级44 例、B 级40 例、C 级8 例，因实验室指标缺失无法分级者31例），健康组85 例。两组性别构成比、年龄及体重指数之间差异无统计学意义（P>0.05）（表2）。

表2 肝硬化组及健康人组基线资料比较

2.2 眼底血管改变

肝硬化与健康人两组间的眼底改变分级有统计学意义（U=2062.500，P=0.000）（表3）。眼底血管改变构成比比较，眼底动静脉比例失调（χ2=22.712，P=0.000）、血管壁铜丝样改变（χ2=20.089，P=0.000）、血管扭曲（χ2=28.609，P=0.000）及视网膜渗出（χ2=5.575，P=0.017），均有统计学意义（表4）。Logistic 回归分析两组间眼底动静脉比例失调及血管扭曲的OR 值＞1（P=0.000）（表5）。

表3 肝硬化患者与健康人的眼底血管改变分级比较[例数（%）]

表4 肝硬化患者与健康人的眼底血管改变构成比比较[例数（%）]

表5 肝硬化患者与健康人的眼底血管改变Logistic 回归分析

2.3 肝硬化伴与不伴门脉高压患者的眼底血管改变

肝硬化伴与不伴门脉高压组之间的眼底血管改变分级无统计学意义（P＞0.05）（表6），但无门脉高压组的视网膜动静脉比例失调的比例高于有门脉高压组，差异有统计学意义（U=742.000，P=0.043）（表7）。

表6 肝硬化伴与不伴门脉高压患者的眼底血管改变分级比较[例数（%）]

表7 肝硬化伴与不伴门脉高压患者的眼底血管改变构成比比较[例数（%）]

2.4 肝硬化不同CTP 分级组的眼底血管改变

因本研究肝硬化患者中CTPC 级的过少（8 例），故不纳入统计分析。比较CTP A 级与B 级两组间眼底血管分级差异，结果示B 级的眼底改变为I、II、III 级的总比例明显高于A 级（χ2=9.133，P=0.026）（表8），但二者眼底改变的构成比比较，无统计学意义（P＞0.05）（表9）。

表8 肝硬化CTP A 级与B 级的眼底血管改变分级比较[例数（%）]

表9 肝硬化CTP A 级与B 级的眼底血管改变构成比比较[例数（%）]

2.5 计算机眼底图像特征分析

采用计算机图像识别技术，将所有眼底血管图像特征量化后进行统计分析。由计算机专业人员按图像识别技术要求选择符合条件的图像进行分析，共选择不同程度肝硬化患者77 例，其中，有门脉高压的38 例，无门脉高压的39 例。CTP A 级19 例，B级13 例，C 级4 例。

2.5.1 肝硬化伴与不伴门脉高压者眼底血管图像特征 肝硬化伴与不伴门脉高压两组间的眼底血管图像的bsd、var 特征值有统计学意义（Ubsd=508.000，P=0.018；Uvar=511.000，P=0.019），伴门脉高压的低于无门脉高压的（表10）。

表10 肝硬化伴与不伴门脉高压的眼底血管图像特征比较[M(P25,P75)]

表10 肝硬化伴与不伴门脉高压的眼底血管图像特征比较[M(P25,P75)]（续1）

表10 肝硬化伴与不伴门脉高压的眼底血管图像特征比较[M(P25,P75)]（续2）

2.5.2 肝硬化不同CTP 分级的眼底血管图像特征不同CTP 分级眼底图像的bsd，asm，con，var，idm，sen，ent，dva，den 特征值有统计学意义，CTPA 级患者眼底图像的asm值大于B 级及C 级（H=10.037，P=0.007），ent 值小于B 级及C 级（H=9.669，P=0.008），CTP B 级的bsd、con、var、sen、dva、den 的值大于A 级（Hbsd=7.398，P=0.025；Hcon=7.493，P=0.024；Hvar=6.721，P=0.035；Hsen=8.251，P=0.016；Hdva=7.493，P=0.024；Hden=7.761，P=0.021），idm 值小于A 级（H=6.805，P=0.033），均有统计学意义（表11）。

表11 不同CTP 分级的眼底血管图像特征比较[M(P25,P75)]

表11 不同CTP 分级的眼底血管图像特征比较[M(P25,P75)]（续1）

表11 不同CTP 分级的眼底血管图像特征比较[M(P25,P75)]（续2）

3 讨论

眼底是人体唯一能直接窥探神经和血管结构的部位，很多疾病会出现不同程度的眼底改变[8]。目前，心脑血管系统、呼吸系统及神经系统疾病的眼底改变临床报道较多，而对肝病的眼底观察较少。肝硬化是多种慢性肝病发展到终末期的不可逆的病理变化，严重危害患者的生命健康，故早期诊断与治疗对于减缓进展、改善预后有重要的意义。除肝穿刺活检有创检查外，目前缺少有效的诊断早期肝硬化的无创检查方法[9-11]。基于“肝开窍于目”的中医理论，本研究运用眼底照相机观察肝硬化患者的眼底改变，并结合计算机图像处理技术，对眼底图像特征进行分析，以期为肝硬化疾病的诊断及监测提供一定的参考。

本研究以性别年龄相匹配的85 例健康人为对照，观察了123 例肝硬化患者的眼底临床改变。发现肝硬化患者出现眼底动静脉比例失调及血管扭曲的比例明显升高，与前期文献[6]报道一致。中医认为，肝有条畅气机及储藏血液和调节血量的生理功能，肝经上连目系。肝失疏泄、气血失调，从而可致眼底血管改变。此外，肝硬化患者因造血功能下降、脾功能亢进等伴发不同程度的贫血及细胞缺氧改变，亦可致眼底静脉血管扩张及视网膜渗出等改变[12-13]。

门脉高压是肝硬化常见并发症。当发生肝硬化时，肝窦状隙变窄，门静脉的血流压力增高，形成侧支循环。同时血液中前列腺素、组织胺、胰高血糖素、胃肠组织中的胃泌素及血管活性肠肽水平升高，均可致内脏与周围血管扩张，从而影响全身（包括眼底）血流动力学，而发生不同程度的眼底改变[14]。本研究比较伴与不伴门脉高压症患者的眼底改变，结果发现无门脉高压的视网膜动静脉比例失调的比例高于有门脉高压的患者，而通过对应用计算机提取的20 个眼底图像特征进行观察分析，发现肝硬化伴门脉高压眼底血管图像的bsd、var 值低于不伴门脉高压的患者。提示眼底血管改变能在一定程度上反映肝硬化患者血液动力学的变化，但眼底图像特征值与肝硬化门脉高压间具体的内在关联关系，需要进一步探索。

肝功能CTP 分级是临床对肝脏储备功能量化评估的分级标准，对评价肝脏损害程度、指导治疗及评估预后具有重要的意义。本研究受样本量局限，仅对A 级与B 级的肝硬化患者眼底特征进行了比较，结果示CTP B 级的眼底改变为I、II、III 级的总比例明显高于A 级。基于计算机图像技术分析，亦发现肝硬化不同CTP 分级之间某些特征值差异有统计学意义。CTP A 级患者眼底图像的asm 值大于B 级及C 级，ent 值小于B 级及C 级，CTP B 级的bsd、con、var、sen、dva、den 的值大于A 级，idm 值小于A级。从一定程度上证实眼底血管改变与肝功能进展相关。与前期报道[15]肝硬化患者眼底血管随疾病的进展发生不同程度的改变，且与门脉高压的程度呈正相关，与肝功能呈负相关的结果类似。

伴随现代计算机技术进步，医学图像已步入数字化时代，构建中医目诊数字平台也成为可能[16]。本研究将U-Net 网络引入对眼底图像进行血管分割及特征提取、识别和比较分析，发现了伴与不伴门脉高压及不同CTP 分级肝硬化患者之间在某些眼底血管特征上存在差异，拓展和延伸了中医目诊的观察分析范围。但因是首次将U-Net 网络技术引入对眼底图像的分析，加之样本量不足，故其识别准确性及结果还需进一步验证与不断完善。

综上，本研究发现肝硬化患者眼底改变主要表现为眼底动静脉比例失调、血管壁铜丝样改变、血管扭曲及眼底渗出。不同肝功能CTP 分级及是否伴有门脉高压的肝硬化患者间眼底血管改变均存在差异，提示眼底血管改变可在一定程度上反映肝硬化疾病的进展。

此外，本研究还存在一定的局限，一是囿于所采用计算机分析技术水平，仅针对眼底血管的形态及色泽等进行观察分析，没有分析其他诸如视网膜、黄斑等结构的变化；二是因肝功能CTP 分级C级患者过少，仅对A 和B 级的进行了比较，有失完整；三是基于计算机图像识别技术的眼底特征提取与分析部分，因受到照片拍摄质量及分析技术的影响，仅纳入了77 例符合要求的患者眼底图像进行分析，结果有待验证；四是本研究仅以健康人为对照观察了肝硬化患者的眼底血管改变，缺少与其他疾病的比较。因此，今后拟进一步开展与其他可以出现眼底改变的诸如高血压病、糖尿病等疾病的比较观察，以期发现肝硬化的特征性改变。同时，也需扩大样本量，验证所得到的结果并阐释其与其他理化检查指标间的关联关系，从而建立基于眼底改变的肝硬化疾病诊断判识模型，为肝硬化疾病的诊断及病情监测提供客观依据与支撑。