眼底圖像硬性滲出物檢測(cè)算法

石佳昊，苑瑋琦

（沈陽(yáng)工業(yè)大學(xué)視覺檢測(cè)技術(shù)研究所，沈陽(yáng) 110870）

1 引 言

由糖尿病引起的眼底病變是糖尿病患者常見的并發(fā)疾病。眼底病變會(huì)引起患者視力下降，如不能及時(shí)進(jìn)行診斷治療甚至?xí)?dǎo)致失明[1]。當(dāng)前，眼科醫(yī)生通過肉眼觀察眼底圖像的方式，對(duì)眼底病變進(jìn)行篩查和診斷。其中，硬性滲出物的數(shù)量和面積是診斷的重要依據(jù)[2]。由于眼科醫(yī)生的數(shù)量限制以及巨大的糖尿病患者數(shù)量，使得眼底病變的早期診斷面臨巨大困難。如果能夠采用機(jī)器視覺技術(shù)實(shí)現(xiàn)眼底病變的自動(dòng)化輔助診斷，將大大提高眼底病變的診斷效率[3]。因此，對(duì)眼底圖像硬性滲出物檢測(cè)算法的研究具有十分重要的意義。為了實(shí)現(xiàn)眼底硬性滲出物的自動(dòng)化檢測(cè)，本研究從方向空間理論出發(fā)，結(jié)合上下采樣對(duì)眼底圖像的平滑結(jié)果，提出基于凸線段絕對(duì)幅值的眼底硬性滲出物的提取方法以及基于反向值的絕對(duì)幅值修正方法。

2 硬性滲出物檢測(cè)算法設(shè)計(jì)

所提算法的具體步驟為：①對(duì)眼底圖像先進(jìn)行下采樣再進(jìn)行上采樣，完成對(duì)眼底圖像的平滑；②根據(jù)方向空間理論計(jì)算出凸線段的絕對(duì)幅值，并通過凸線段的反向值對(duì)絕對(duì)幅值進(jìn)行修正，達(dá)到對(duì)偽陽(yáng)性區(qū)域的絕對(duì)幅值進(jìn)行抑制從而減小偽陽(yáng)性區(qū)域干擾的目的；③使用最大間距法對(duì)絕對(duì)幅值直方圖進(jìn)行二分類，得到硬性滲出物的檢測(cè)結(jié)果。

2.1 眼底圖像有效數(shù)據(jù)提取

在眼底圖像中，除了有效數(shù)據(jù)區(qū)域，還存在無(wú)效數(shù)據(jù)區(qū)域。為了減小無(wú)效數(shù)據(jù)區(qū)域的影響，根據(jù)數(shù)據(jù)集提供的掩膜圖像，如圖1 所示，對(duì)眼底圖像有效數(shù)據(jù)進(jìn)行提取。首先，使用羅伯特算子對(duì)圖1(a)的掩模圖像進(jìn)行邊緣檢測(cè)；然后，根據(jù)邊緣檢測(cè)結(jié)果，如圖1(b)所示，得到有效數(shù)據(jù)的邊界坐標(biāo)；最后，按行根據(jù)左右邊界坐標(biāo)對(duì)眼底圖像有效區(qū)域的數(shù)據(jù)進(jìn)行提取。由于眼底圖像以黃白紅色等暖色調(diào)為主，所以在綠色通道中眼底圖像的各種組織會(huì)表現(xiàn)得更為清晰明顯[4]。因此，選擇綠色通道的眼底圖像進(jìn)行有效區(qū)域數(shù)據(jù)提取。由于研究范圍僅限為眼底硬性滲出物檢測(cè)，因此對(duì)視盤區(qū)域數(shù)據(jù)進(jìn)行提前的標(biāo)記剔除。

圖1 眼底掩模圖像示意圖

2.2 眼底圖像的上下采樣平滑

由于眼底圖像中存在不同程度的噪聲，且眼底圖像中存在血管交疊以及硬性滲出物的堆積，導(dǎo)致灰度分布曲線十分復(fù)雜。在此提出一種保留眼底圖像主要目標(biāo)的平滑方法。首先，對(duì)眼底圖像采取16倍下采樣，對(duì)主要目標(biāo)進(jìn)行抽象，其公式如下：

其中，m 為輸出圖片大??；n 為輸入圖片大??；p 為補(bǔ)充像素的大小；f 為卷積核大??；p 為步長(zhǎng)。其中p 值選為0，f 選為8，s 選為16。然后，對(duì)抽象后的圖像進(jìn)行上采樣還原到圖片的原始尺寸1500×1152 像素，其公式如下：

公式(2)中字母含義與公式(1)中相同。經(jīng)過上下采樣處理過的圖片，對(duì)于眼底圖像中較小的目標(biāo)實(shí)現(xiàn)了平滑的效果，如圖2 所示。

圖2 眼底圖像較小目標(biāo)平滑處理

2.3 凸線段絕對(duì)幅值計(jì)算

2.3.1 絕對(duì)幅值計(jì)算

對(duì)凸線段絕對(duì)幅值的計(jì)算是基于方向空間理論來完成的。方向空間理論是指：在笛卡爾坐標(biāo)系中，灰度圖像的灰度曲面在與X-Y 平面垂直的灰度級(jí)截面內(nèi)，與灰度級(jí)曲面相交的部分是一條波動(dòng)的曲線，稱為灰度分布曲線，示意圖如圖3 所示。在灰度分布曲線中，通過計(jì)算凸線段最大灰度值與相鄰凹線段最小灰度值的差值，可以得到凸線段和凹線段的幅值。以凸線段為例，定義較大的差值為該凸線段的相對(duì)幅值，較小的差值為該凸線段的絕對(duì)幅值。絕對(duì)幅值較大的凸線段代表亮目標(biāo)[5]。

圖3 凸線段示意圖

首先按邊界坐標(biāo)對(duì)每行有效數(shù)據(jù)進(jìn)行提取，然后對(duì)每行有效眼底數(shù)據(jù)進(jìn)行極值點(diǎn)計(jì)算，原理為：當(dāng)被判斷像素點(diǎn)的像素值大于附近像素點(diǎn)的像素值，則該點(diǎn)為極大值點(diǎn)；如果被判斷像素點(diǎn)的像素值小于附近像素點(diǎn)的像素值，則該點(diǎn)為極小值點(diǎn)。根據(jù)極大值點(diǎn)與相鄰極小值點(diǎn)的灰度值對(duì)凸線段的絕對(duì)幅值進(jìn)行計(jì)算，公式為：

其中，i 代表凸線段序號(hào)；f(i)代表凸線段絕對(duì)幅值；下標(biāo)left 代表凸線段左側(cè)的幅值，下標(biāo)right 代表凸線段右側(cè)的幅值。得到的凸線段幅值情況如圖4 所示。對(duì)圖4(a)中亮線所示眼底圖像數(shù)據(jù)進(jìn)行凸線段絕對(duì)幅值計(jì)算，得到如圖4(b)的凸線段絕對(duì)幅值分布直方圖。位于直方圖中間的幅值具有較大的幅值。對(duì)于代表眼底背景的凸線段而言，由于其與周圍灰度值差異不大，通常情況下不應(yīng)具有較大的幅值。并且該位置的幅值不僅會(huì)對(duì)眼底背景和硬性滲出物的二分類造成干擾，還會(huì)造成硬性滲出物的誤檢。因此，需要對(duì)該位置幅值異常的原因進(jìn)行分析，并根據(jù)異常原因?qū)^對(duì)幅值進(jìn)行修正。

圖4 凸線段絕對(duì)幅值分布檢測(cè)

2.3.2 絕對(duì)幅值修正

得到的眼底組織灰度分布曲線如圖5 所示。其中圖5(a)兩條豎線之間的凸線段代表硬性滲出物，對(duì)應(yīng)的極大值點(diǎn)灰度值較高，與背景差異較大，具有較大的絕對(duì)幅值；圖5(b)曲線中豎線之間的凸線段代表眼底背景，對(duì)應(yīng)的極大值點(diǎn)灰度值較低，與背景差異較小，但由于兩側(cè)凹線段距離較近，對(duì)應(yīng)這兩個(gè)凹線段的極小值點(diǎn)的灰度值較低，造成該凸線段的絕對(duì)幅值偏大。

圖5 眼底組織灰度分布曲線

由分析可知，代表硬性滲出物的凸線段由于自身原因，絕對(duì)幅值較大。而代表背景的凸線段由于附近凹線段影響，絕對(duì)幅值較大。因此，可以從凸線段兩側(cè)凹線段的絕對(duì)幅值出發(fā)，對(duì)絕對(duì)幅值進(jìn)行修正，對(duì)干擾進(jìn)行抑制。對(duì)圖5 觀察可知，代表硬性滲出物的凸線段兩側(cè)凹線段的絕對(duì)幅值對(duì)凸線段的絕對(duì)幅值影響有限，而由近距血管割裂眼底背景形成的凸線段受兩側(cè)凹線段絕對(duì)幅值影響很大。因此，定義凸線段兩側(cè)凹線段的絕對(duì)幅值為對(duì)應(yīng)側(cè)的反向值。當(dāng)計(jì)算凸線段幅值時(shí)，左右兩側(cè)幅值分別先減去對(duì)應(yīng)側(cè)反向值得到對(duì)應(yīng)的幅值，公式為：

其中，i 代表凸線段序號(hào)；t(i)代表修正后的幅值；f(i)代表修正前的幅值；g(i)代表反向值。按公式(3)對(duì)絕對(duì)幅值進(jìn)行判斷，最終得到修正后的絕對(duì)幅值。將如圖4(a)中亮線所示眼底圖像數(shù)據(jù)按以上算法進(jìn)行計(jì)算、修正、判斷，得到絕對(duì)幅值直方圖，如圖6 所示。觀察可知，修正幅值形成的直方圖對(duì)于代表硬性滲出物幅值與代表眼底背景的幅值具有較好的區(qū)分度，并且抑制了近距血管割裂背景的干擾。

圖6 修正絕對(duì)幅值直方圖

在絕對(duì)幅值分布直方圖中，代表背景的幅值與代表硬性滲出物的幅值間具有該直方圖中最大的幅值空白間距。以此為依據(jù)，可以尋找直方圖中的最大空白區(qū)域，并以此為依據(jù)對(duì)目標(biāo)進(jìn)行區(qū)分，此區(qū)分方法稱之為最大間距法?？梢允褂迷摲椒▽?duì)眼底背景和硬性滲出物進(jìn)行有效的區(qū)分。使用該算法對(duì)眼底圖像進(jìn)行硬性滲出物檢測(cè)，檢測(cè)結(jié)果如圖7 所示。觀察可知，算法在對(duì)近距血管進(jìn)行較好抑制的同時(shí)，可以有效地對(duì)眼底硬性滲出物進(jìn)行檢測(cè)。

圖7 檢測(cè)結(jié)果

3 實(shí)驗(yàn)結(jié)果與分析

使用DIARETDB1 數(shù)據(jù)集對(duì)所提出的算法進(jìn)行評(píng)估。該數(shù)據(jù)集包含在不同光照條件下拍攝的，包含各種眼底病變的眼底圖像89 張。其中包含硬性滲出物的眼底圖像有65 張[6]。該數(shù)據(jù)集由眼科專家對(duì)包含硬性滲出物的區(qū)域進(jìn)行了標(biāo)記，如圖8 所示。

圖8 給定病變范圍

醫(yī)學(xué)上采用陽(yáng)性和陰性對(duì)診斷結(jié)果進(jìn)行描述，因此對(duì)眼底圖像中硬性滲出物所在區(qū)域?yàn)殛?yáng)性，正常區(qū)域?yàn)殛幮?。檢測(cè)結(jié)果對(duì)應(yīng)陽(yáng)性正確檢測(cè)、陰性正確檢測(cè)、誤檢和漏檢有4 種表述方式。對(duì)應(yīng)圖7圖像，根據(jù)數(shù)據(jù)集給定的硬性滲出物范圍，當(dāng)檢測(cè)結(jié)果位于給定范圍內(nèi)則該檢測(cè)結(jié)果為真陽(yáng)性（TP）；檢測(cè)結(jié)果不在給定范圍內(nèi)則該檢測(cè)結(jié)果為假陽(yáng)性（FP）；當(dāng)陰性圖片中不存在硬性滲出物的檢測(cè)標(biāo)記，該檢測(cè)結(jié)果為真陰性（TN）；當(dāng)陽(yáng)性眼底圖片中不存在硬性滲出物的檢測(cè)標(biāo)記，該檢測(cè)結(jié)果為假陰性（FN）[7]。根據(jù)這四個(gè)參數(shù)和如下公式，可以分別對(duì)算法的靈敏度、特異度和準(zhǔn)確度進(jìn)行計(jì)算：

對(duì)所提出算法的檢測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)分析，得出該眼底硬性滲出物檢測(cè)算法的敏感度、特異度和準(zhǔn)確度分別為81.8%、74.1%和81.7%。

可見，本算法敏感度較高，特異度一般，整體準(zhǔn)確度可以達(dá)到80%以上。根據(jù)醫(yī)學(xué)診斷準(zhǔn)確率的標(biāo)準(zhǔn)，初次診斷準(zhǔn)確率應(yīng)大于80%[8]，表明該算法可以有效幫助醫(yī)生進(jìn)行輔助診斷。該算法對(duì)于眼底圖像中明顯的硬性滲出物具有比較好的檢測(cè)效果，并且解決了由于圖像采集條件限制以及滲出物堆疊造成的灰度分布曲線復(fù)雜，以及近距離血管割裂眼底背景造成誤檢等極具挑戰(zhàn)性的問題。但是對(duì)于血管大曲率彎折與眼底本身的劇烈灰度變化疊加情況造成的誤檢問題仍無(wú)法得到有效的解決。

4 結(jié)束語(yǔ)

作為一種對(duì)眼底圖像硬性滲出物檢測(cè)的自動(dòng)化眼科輔助診斷算法，本算法基于方向空間理論，結(jié)合適當(dāng)倍率的上下采樣圖像平滑算法，使用較為簡(jiǎn)單的算法解決了眼底圖像灰度分布曲線復(fù)雜的問題，實(shí)現(xiàn)了凸線段的有效提取。在不單獨(dú)去除眼底血管的情況下，解決了近距血管造成誤檢的問題，在不同光照條件下的眼底圖像中表現(xiàn)穩(wěn)定，具有很好的魯棒性。在DIARETDB1 數(shù)據(jù)集上的測(cè)試結(jié)果達(dá)到較高的敏感度與準(zhǔn)確度，可以作為眼科硬性滲出物輔助診斷的有效工具。