基于圖像識(shí)別技術(shù)的中醫(yī)肝病目診系統(tǒng)設(shè)計(jì)與研發(fā)

朱會(huì)明 趙銳 高悅

摘要 立足于“目為肝之竅”的中醫(yī)望診理論，針對(duì)傳統(tǒng)醫(yī)學(xué)中肝病目診缺少客觀化及量化指標(biāo)的問(wèn)題，研發(fā)一種可穿戴的中醫(yī)肝病智能目診系統(tǒng)（設(shè)備）。本系統(tǒng)主要是由眼部圖片自動(dòng)采集、圖譜智能生成設(shè)備及數(shù)字化診斷系統(tǒng)兩部分構(gòu)成。利用仿生模式識(shí)別理論的同源連續(xù)性算法構(gòu)建眼部特征發(fā)現(xiàn)模塊，利用仿生模式識(shí)別的高維目標(biāo)識(shí)別算法實(shí)現(xiàn)眼部肝病圖譜生成模塊。通過(guò)這2個(gè)模塊，根據(jù)中醫(yī)目診理論，對(duì)照片及識(shí)別結(jié)果進(jìn)行分層次結(jié)構(gòu)化的存儲(chǔ)，建立有中醫(yī)內(nèi)涵的健康人及肝病患者人眼庫(kù)，為提高中醫(yī)數(shù)字化、可視化診斷水平提供方法與手段。

關(guān)鍵詞 目診;目診設(shè)備;仿生模式識(shí)別;同源連續(xù)性算法

Abstract Based on the theory of “ liver opening into eye” and aiming at the lack of objectivity and quantitative indicators of eye inspection in traditional Chinese medicine， a wearable intelligent eye inspection system （equipment） for liver diseases in traditional Chinese medicine was developed. This system is mainly composed of two parts： automatic eye image acquisition， intelligent atlas generation equipment and digital diagnosis system. The bionic pattern recognition theory homology continuity algorithm was used to construct the eye feature discovery module， and the bionic pattern recognition high-dimensional target recognition algorithm was used to realize the ocular liver disease map generation module. Through these two modules， according to the eye inspection theory， the photos and recognition results were stored in a hierarchical structure， the health and liver disease patients eye banks were established to provide methods and means for improving the level of digitalization and visual diagnosis of TCM.

Keywords Eye inspection; Eye-inspection equipment; Bionic pattern recognition; Homology continuity algorithm

目診是通過(guò)觀察眼睛變化來(lái)診斷全身疾病的方法，是中醫(yī)望診中特色診法之一?！澳繛楦沃[”“心之使”“為腎精之所藏”“為血之宗”“五臟六腑之精氣皆上注于目”。在生理上，目與五臟六腑聯(lián)系密切。在病理上，察目亦可反映臟腑精氣的盛衰?！吨赜喭ㄋ讉摗罚骸胺膊≈廖＃夭靸赡?，視其目色，以知病之存亡也，故觀目為診法之首要”[1]。瑤醫(yī)目診是具有民族特色診法之一，其內(nèi)容包括白睛診法、黑睛診法、眼球經(jīng)區(qū)診法以及天、人、地三部形色目診等，其診斷符合率頗高，且一直應(yīng)用于臨床。近來(lái)隨著計(jì)算機(jī)科學(xué)與醫(yī)學(xué)的交互應(yīng)用與發(fā)展，為目診的現(xiàn)代化、客觀化的研究提供了技術(shù)支撐。

眼部識(shí)別是最自然的一種識(shí)別方式，人們甚至可以依據(jù)文字描述來(lái)區(qū)別不同人的眼睛。人類諸多疾病亦可反應(yīng)于眼，眼瞼、鞏膜、虹膜等部位上的每個(gè)特異性表現(xiàn)都可能是某種疾病生物特征在眼部反射。雖然人的眼睛會(huì)隨著年齡增長(zhǎng)發(fā)生變化，但眼表血管分布的幾何關(guān)系與虹膜邊沿紋理在人的一生中都非常穩(wěn)定，因此可以反映軀體的不同狀態(tài)?；诖?，本項(xiàng)目以肝病為切入點(diǎn)，運(yùn)用仿生模式識(shí)別及計(jì)算機(jī)圖像處理技術(shù)，通過(guò)對(duì)患者眼睛各部位形態(tài)、色澤、紋理、斑點(diǎn)及位置結(jié)構(gòu)的動(dòng)態(tài)變化與分析，來(lái)判斷軀體內(nèi)在器官病變及功能紊亂。即設(shè)計(jì)可通過(guò)自動(dòng)采集與分析眼睛的物理、生物和行為等特征來(lái)識(shí)別人體疾病的中醫(yī)肝病智能目診儀（全息仿生智能診斷設(shè)備），其前端眼睛圖片采集設(shè)備見(jiàn)圖1。

1 基于中醫(yī)目診理論的數(shù)據(jù)采集與分析

以中醫(yī)目診理論為指導(dǎo)，基于圖像處理技術(shù)，研發(fā)目診圖像采集功能模塊和圖像采集設(shè)備，形成可穿戴中醫(yī)肝病目診儀圖像采集樣機(jī)。眼瞼及眼前血管紋理等在可見(jiàn)光波長(zhǎng)照明下即可采集，鞏膜與虹膜圖片也可采用大景深鏡頭高清晰采集。通過(guò)采集被試人員（健康人及肝病患者）眼部（眼瞼及眼球）彩色及紅外線照片，建立不同疾病眼部圖片庫(kù)，并基于圖像處理技術(shù)進(jìn)行眼部特征提取及關(guān)聯(lián)分析，以獲得不同年齡段的健康人及不同疾病的眼部特異性特征。

1.1 眼部圖片采集

運(yùn)用目診儀采集被測(cè)試者眼部高清彩色照片，通過(guò)無(wú)線傳輸模塊將圖像傳至計(jì)算機(jī)，人工標(biāo)注年齡，性別，職業(yè)等一般資料，形成眼部多粒度信息采集。

1.1.1 采集人群 肝病患者主要來(lái)自于上海中醫(yī)藥大學(xué)附屬曙光醫(yī)院肝硬化科住院及門診的肝硬化患者。健康志愿者來(lái)源于曙光醫(yī)院體檢中心，其中性別、年齡與患者相匹配。為了便于機(jī)器學(xué)習(xí)尋找特征，需采集盡量多的不同年齡段的眼睛圖片，現(xiàn)階段完成并用于分析的樣本數(shù)為200例。

1.1.2 采集方法 運(yùn)用目診儀采集全部入組人員眼部照片，采集時(shí)矚受試者盡量睜大眼睛，并保持1 s直視前方，軟件自動(dòng)采集眼部圖片5張，并根據(jù)虹膜內(nèi)徑邊沿紋理清晰程度，選取其中3張進(jìn)行圖片識(shí)別。見(jiàn)圖2。同時(shí)以眼科裂隙燈拍攝照片做對(duì)照。

1.2 眼部特征分類 根據(jù)中醫(yī)理論將眼部特征劃分為神態(tài)及形色兩部分，神態(tài)指眼球動(dòng)態(tài)變化的特征，以神、態(tài)為主要元素進(jìn)行人工標(biāo)注，如眼瞼，目珠、瞳孔等。形色指眼球中基本固定不變的特征，以色澤、形狀為主要元素進(jìn)行人工標(biāo)注，如眼前血管，虹膜邊沿鋸齒分布，以及各部位的顏色等?；趫D像處理技術(shù)對(duì)眼部圖像進(jìn)行七區(qū)定位，將眼部視覺(jué)信息轉(zhuǎn)換為相應(yīng)部位的數(shù)值化信息。

2 眼部圖像特征（肝病）區(qū)域劃分與生成

本研究選用針對(duì)眼睛眼表特征識(shí)別以進(jìn)行疾?。ㄒ愿尾榍腥朦c(diǎn)）診斷的研究，目前，利用自制目診儀既可在可見(jiàn)光也可以紅外光下采集眼部照片，且所采集照片已達(dá)到虹膜識(shí)別的準(zhǔn)確度。見(jiàn)圖3。

2.1 眼部圖片識(shí)別及匹配算法 鞏膜位于眼球外圍，是由不透明白色膠原和彈力纖維組成，虹膜是鞏膜與瞳孔之間的環(huán)形區(qū)域。鞏膜本身無(wú)血管組成，其上面的血管是球結(jié)膜血管覆蓋鞏膜的表面所致，雖然眼前血管結(jié)構(gòu)具有個(gè)體差異性，但是病理反射區(qū)域相對(duì)固定，這使得基于眼前血管紋理、鞏膜色彩、虹膜肌肉紋理及板塊變化能夠用于進(jìn)行醫(yī)學(xué)輔助診斷。本研究算法基于快速魯棒特征的方法、微小偵測(cè)法以及直接關(guān)聯(lián)注冊(cè)與匹配的方法作為特征生成函數(shù)[2]。

2.2 眼部圖片處理與匹配 基于眼部圖像識(shí)別技術(shù)對(duì)采集圖片進(jìn)行處理。首先，基于中醫(yī)“五輪學(xué)說(shuō)”對(duì)所采集眼部圖片進(jìn)行截取，分別截取出眼瞼、鞏膜、虹膜、瞳仁、內(nèi)眥5個(gè)部分;其次，利用特征增強(qiáng)算法濾除血管紋理之外的背景;再次，設(shè)定眼表血管紋理描述符，從已經(jīng)濾除背景的圖片中分別提取各圖片的特征形成描述符集合，即眼部特征;最后，對(duì)眼部特征進(jìn)行比對(duì)以實(shí)現(xiàn)生物識(shí)別。

以鞏膜特征提取為例，首先截取眼部圖像的鞏膜部分。因所截取圖像存在自身比較度偏低的局限，難以直接提取眼前血管及肌肉紋理特征。因此，首先，需要采用多方向的Gabor濾波器來(lái)增強(qiáng)眼前血管紋理特征，即利用多尺度區(qū)域增長(zhǎng)的方法過(guò)濾圖片背景來(lái)增強(qiáng)眼前血管分布形態(tài)及血管顏色特征。其次，基于類似RANSAC算法進(jìn)行眼部圖片的注冊(cè)，通過(guò)注冊(cè)參數(shù)估算兩鞏膜模板之間最佳注冊(cè)參數(shù)組以實(shí)現(xiàn)圖片注冊(cè)。最后，通過(guò)比較各測(cè)試模板中的曲線段與目標(biāo)模板中的線段以完成匹配[2]。

3 眼部圖像特征識(shí)別與提取

3.1 肝病圖像特征識(shí)別

3.1.1 仿生模式識(shí)別理論 傳統(tǒng)模式識(shí)別基本數(shù)學(xué)模型是從特征空間中不同類樣本的劃分出發(fā)，然而本研究需要?jiǎng)澐值氖?個(gè)“同源”（同類）而不完全相等的事物（如人類同年齡同性別群體，但存在不同疾病的眼睛特征）。自然界任何欲被認(rèn)識(shí)的同源的2種事物間的差別若是可以漸變的（如眼部圖像由正常到疾病狀態(tài)），那它們之間必然存在一個(gè)漸變過(guò)程（連續(xù)性）。故本研究采用同源連續(xù)性原理（PHC，Principle of Homology-Continuity）的仿生模式識(shí)別方法尋找特征空間中同類樣本全體的連續(xù)性規(guī)律。在仿生模式識(shí)別中，連續(xù)性規(guī)律也被用來(lái)作為樣本點(diǎn)分布的“先驗(yàn)知識(shí)”，以此來(lái)提高對(duì)事物的認(rèn)識(shí)能力[3]。

3.1.2 高維復(fù)雜幾何形體覆蓋方法識(shí)別 仿生模式識(shí)別的要點(diǎn)為特征空間中同類樣本全體的連續(xù)性規(guī)律。如特征空間中任何一類事物A類（如肝病患者眼前血管紋理）全體在空間中連續(xù)映射的“像”所形成的點(diǎn)集都是一個(gè)封閉子空間，即集合A（肝病眼前血管紋理特征）。在仿生模式識(shí)別中，采用軟件或硬件的方法來(lái)判斷是否屬于集合A。在特征空間中構(gòu)筑一個(gè)能覆蓋集合A的n維空間幾何形體，根據(jù)連續(xù)性的維數(shù)推測(cè)原理，若把n維空間分成2部分，其界面必須是一個(gè)n-1維的超平面或超曲面。而人工神經(jīng)網(wǎng)絡(luò)的一個(gè)神經(jīng)元正是在n維空間中作一個(gè)n-1維的超平面或超曲面，或者為復(fù)雜的封閉超曲面[3]。因而，人工神經(jīng)網(wǎng)絡(luò)是十分合適的實(shí)現(xiàn)仿生模式識(shí)別手段。而同族事物對(duì)應(yīng)點(diǎn)分布的規(guī)律性，為研究用高維復(fù)雜幾何形體對(duì)同族事物進(jìn)行覆蓋的最佳化點(diǎn)覆蓋識(shí)別提供了基礎(chǔ)。

建立高維仿生人眼特征坐標(biāo)系：以一個(gè)標(biāo)準(zhǔn)人眼為原點(diǎn)，將采集到的健康及所要判識(shí)疾病患者圖片表示到N維坐標(biāo)系，建立疾病的M維超曲面。識(shí)別時(shí)導(dǎo)入N維個(gè)體眼部特征超曲面，當(dāng)M維與N維超曲面平行時(shí)，表示被測(cè)試對(duì)象健康，反證為某種疾病，此時(shí)M維與N維相交的點(diǎn)即為病患的幾何空間分布特性，映射到坐標(biāo)軸即為具體的病患[4]。根據(jù)仿生模式識(shí)別同源連續(xù)性原理，人體病變是同源連續(xù)的過(guò)程，因此針對(duì)某種疾病應(yīng)該存在一個(gè)由健康到病變的連續(xù)變化的N維曲面，該曲面表征了各種病變間的高維度連續(xù)變化關(guān)系或聯(lián)系的集合。見(jiàn)圖4、圖5。

3.1.3 眼部模式空間的構(gòu)造與識(shí)別 本研究采用文獻(xiàn)[5]提出的構(gòu)建封閉區(qū)域法。首先確定表征某一類樣本的特征空間走向，然后確定在該走向上封閉區(qū)域向四外的伸延。利用已知樣本構(gòu)造出代表該類樣本的高維空間的封閉區(qū)域的支撐“骨架”來(lái)描述該封閉區(qū)域的走向。最后，在該“骨架”的基礎(chǔ)上按照一定策略向四外伸延，“生長(zhǎng)”出高維空間封閉區(qū)域。

在滿足同類樣本全體的連續(xù)性原則的基礎(chǔ)上，將已有樣本看成是特征空間中分布的一個(gè)點(diǎn)集。將每個(gè)樣本看成一個(gè)節(jié)點(diǎn)，兩節(jié)點(diǎn)相連就認(rèn)為在這兩點(diǎn)之間有一個(gè)連接。根據(jù)同類樣本全體連續(xù)性原則，每一個(gè)樣本都和其他任何樣本相連，由此可得到一個(gè)無(wú)向全連通圖，即“骨架”，骨架的形狀和走向?qū)τ谝獦?gòu)造的封閉區(qū)域影響重大。為了最大程度降低“骨架”的不確定性，故常將生成骨架的問(wèn)題轉(zhuǎn)成在一個(gè)無(wú)向全連通圖上找一個(gè)最小生成樹(shù)的問(wèn)題。在仿生模式識(shí)別理論中，封閉空間的構(gòu)造通常以“骨架”上的每個(gè)點(diǎn)為中心做超球，求所有超球的并集就構(gòu)成了高維空間封閉區(qū)域。該算法的關(guān)鍵是確定每個(gè)超球的半徑，根據(jù)一個(gè)樣本與其他類別樣本的關(guān)聯(lián)程度，自適應(yīng)地確定其小球半徑。見(jiàn)圖6。

綜上所述，骨架是由同類樣本之間的關(guān)系確定的，而如何在骨架的基礎(chǔ)上生長(zhǎng)出封閉區(qū)域就是由不同樣本之間的關(guān)聯(lián)性確定的。基于此，我們利用已知的樣本構(gòu)造出代表該類樣本的高維空間的封閉區(qū)域，以后每學(xué)習(xí)一種新的類型，就根據(jù)這個(gè)方法構(gòu)造出代表該類樣本的高維空間的封閉區(qū)域，然后調(diào)節(jié)原有各個(gè)類別封閉區(qū)域占據(jù)的空間。

基于上述方法，本研究根據(jù)現(xiàn)有樣本所設(shè)計(jì)的仿生肝病圖像特征識(shí)別分類器，智能地分類已采集50例肝硬化患者及200例健康人，實(shí)驗(yàn)結(jié)果顯示：在訓(xùn)練集和測(cè)試集數(shù)據(jù)2∶1情況下，測(cè)試集上分類錯(cuò)誤率為8.333%。

3.2 基于局部二值模式特征法提取眼部特征 局部二值模式（Local Binary Patterns）特征又稱“LBP特征”。它主要用于提取圖像局部的紋理特征描述算子。它的優(yōu)點(diǎn)在于具有較強(qiáng)的分類能力、較高的計(jì)算效率及較好的灰度不變性。本研究首先將眼部彩色圖像灰度化，其次將LBP圖像劃分為均勻子塊圖像，成為一個(gè)組合單元，接著在每個(gè)柄中定義像素3×3鄰域內(nèi)，將圖像閾值化處理，即周圍像素小于中心像素值，則該像素點(diǎn)的位置被標(biāo)記為0，否則為1。可以形成一個(gè)二進(jìn)制的LBP值[6]。見(jiàn)圖7。將所采集的40例健康人及40例肝?。ǜ斡不┗颊叩膱D像資料進(jìn)行LBP法分析，分別計(jì)算每個(gè)組合單元中矩陣（圖7），按順序串聯(lián)子塊圖像，最后形成相應(yīng)的共生矩陣，從而實(shí)現(xiàn)眼部圖像LBP特征提取。

本研究通過(guò)LBP特征將彩色圖像灰度化以排出顏色因素干擾，最后生成眼部圖像相應(yīng)的共生矩陣。依據(jù)8位二進(jìn)制數(shù)值范圍在1～255之間，故每張圖像LBP特征頻數(shù)面積共255層。計(jì)算每層LBP頻數(shù)面積百分比以量化眼部圖像紋理特征，得到肝病患者與健康人LBP特征頻數(shù)圓環(huán)圖。經(jīng)統(tǒng)計(jì)學(xué)分析，發(fā)現(xiàn)兩者間差異有統(tǒng)計(jì)學(xué)意義。見(jiàn)圖8。此外，通過(guò)計(jì)算圖像LBP值頻數(shù)面積百分比，并結(jié)合方差分析、秩和檢驗(yàn)等統(tǒng)計(jì)學(xué)方法對(duì)相關(guān)指標(biāo)進(jìn)行篩選，可以找出二者間具體的差異性特征。

4 小結(jié)

生物識(shí)別是利用物理、生物和行為等特征來(lái)自動(dòng)識(shí)別目標(biāo)特征的技術(shù)。依據(jù)生物全息理論，人類的許多特征都可以用作疾病診斷，如脈診，舌診，面診等。但各種診法都各有其優(yōu)勢(shì)與不足。因此，生物信息學(xué)研究正在尋找新的識(shí)別技術(shù)以為人類診斷疾病提供更多的選擇。

本研究基于中醫(yī)目診理論，探索并研發(fā)了一種適用于中醫(yī)肝病臨床診斷的可穿戴式目診設(shè)備及其智能診斷系統(tǒng)。首先，通過(guò)鏡頭、芯片及相應(yīng)電子元器件等圖像采集功能模塊設(shè)計(jì)制備移動(dòng)終端設(shè)備，形成中醫(yī)肝病目診儀圖像采集樣機(jī)。其次，通過(guò)移動(dòng)終端實(shí)現(xiàn)對(duì)眼表圖像的自動(dòng)采集，清楚、精確呈現(xiàn)眼前血管形態(tài)、色澤，虹膜紋理等解剖結(jié)構(gòu)，并實(shí)現(xiàn)結(jié)構(gòu)化存儲(chǔ)，建立目標(biāo)人群眼庫(kù)。最終，利用仿生模式識(shí)別技術(shù)對(duì)所采集的大樣本被試人員（健康人及患者）眼部（眼瞼及眼球）彩色照片，進(jìn)行眼部特征提取及關(guān)聯(lián)分析，實(shí)現(xiàn)基于眼部特征的疾病診斷，同時(shí)，通過(guò)提取LBP特征法等圖像處理技術(shù)，提取眼部特征并最后找出具體可描述的差異性特征。推動(dòng)中醫(yī)數(shù)字化、客觀化、可視化診斷技術(shù)的進(jìn)步與發(fā)展。

參考文獻(xiàn)

[1]吳銳，謝建祥，趙鳳達(dá)，等.望白睛赤絡(luò)理論與臨床[J].新中醫(yī)，2007，39（2）：3-5.

[2]藺勇.基于GPU的并行鞏膜識(shí)別與LDPC譯碼研究[D].西安：西安電子科技大學(xué)，2014.

[3]王守覺(jué).仿生模式識(shí)別（拓?fù)淠Ｊ阶R(shí)別）——一種模式識(shí)別新模型的理論與應(yīng)用[J].電子學(xué)報(bào)，2002，30（10）：1417-1420.

[4]王俊勇.ICA/PCA虹膜識(shí)別方法中預(yù)處理與分類的改進(jìn)方法研究[D].長(zhǎng)春：吉林大學(xué)，2011.

[5]肖瀟.高維仿生信息幾何學(xué)研究及其在模式識(shí)別中的應(yīng)用[D].杭州：浙江工業(yè)大學(xué)，2012.

[6]王凱.基于圖像紋理特征提取算法的研究及應(yīng)用[D].成都：西南交通大學(xué)，2013.