摘　要　介绍了数字化裂隙灯生物显微镜外眼图象分析系统。系统通过改造传统裂隙灯生物显微镜的摄像光路,用数码相机取代普通光学相机,记录不同尺寸的放大图象,从而获得高清晰度数码图象。利用数字图象处理技术对裂隙灯生物显微镜图象进行处理,为临床提供客观和定量化的诊断依据,同时可以实现患者信息资料与图象的高效存储、管理与远程传输。

　　1　引　言

　　外眼病是眼科常见病。其中角膜病是第二大致盲病因。

　　裂隙灯生物显微镜是外眼病检查最主要的仪器,被称作眼科的“三大件”之一。眼科医生通过由不同宽度和形状的裂隙光源形成的光学切面来观察眼前部不同深浅层次的变化,特别是角膜晶体等透明组织的细微病变[1]。通过普通相机系统拍摄以裂隙灯为光源的生物显微镜放大后的外眼部图象,以卤化银感光乳剂的底片照片或幻灯片的形式来记录图象,以便对病情进行研究。传统裂隙灯生物显微镜摄影用于临床有许多不足之处:

　　生成的图象由于载体面积的限制,难以观察细微病变;

　　难以提供量化分析指标,无法进行病程中的动态随诊比较;

　　病情记录不够充分,病人的异地就诊和医生的远程会诊受到限制;

　　信息交流方式落后,不能满足科研和教学的需要;

　　生成图象的周期长,采集的图象不能即时再现;

　　资料积累和管理的效率低下。

　　因此,通过将裂隙灯图象数字化,运用图象处理技术,结合眼科专家的临床经验,实现图象分析,不仅可以为临床提供客观和定量化的诊断依据,还将实现患者信息资料和图象的高效存储、管理和远程传输。特别是对外眼病的病变特征及其程度变化进行量化分析,对外眼病的诊断治疗、科研教学以及药物疗效客观评价具有重要意义。

　　2　系统结构

　　数字化裂隙灯生物显微镜(简称“数字化裂隙光显微镜”,以下同。)外眼图象分析系统由采集、处理、输出等子模块组成。图象采集主要通过改造国产裂隙光显微镜上的摄像光路,设计光电接口,使裂隙光显微图象能够用高分辨率的数码相机拍摄。采集到的高清晰度图象通过USB接口传送到计算机,以照片或幻灯片存储的图象可以通过扫描输入;由PC机完成图象处理、分析、存储、以及有关信息的管理;处理分析的结果可以在监视器上输出,也可以直接显示或打印,还可以通过局域网传送进行远程会诊或教学。系统结构如图1所示。系统外观如图2所示。

　　采集图象的质量直接影响图象分析的结果。图象质量主要包括清晰度、空间分辨率、颜色深度、视场、信噪比、光照均匀性、几何畸变程度和颜色畸变程度等方面[2]。为了通过裂隙光显微镜直接获取高质量的数码图象,需要对传统的裂隙光显微镜进行改造,包括引出系统的设计、图象采集设备的选择,同时要考虑同步曝光等。

　　数字化裂隙光显微镜图象要求引出模块的图象视场与原传统摄影系统象方视场尺寸相同,并且引出图象的分辨率满足计算机高分辨率显示屏的要求。经过论证和实验比较,我们采用的方案是:在原摄影光路中仅保留显微物镜,然后重新设计后续光路,用数码相机接收成象光线。从性能价格比,通用性,使用和升级方便等考虑,选用Kodak DC290数码相机[3]。它的CCD解析度为1792×1200,彩色深度为24bit,自动对焦,0·5m至无限远3倍变焦镜头[4]。

　　为保证闪光的瞬时数码相机快门同步打开,需要设计联动装置;为保证有正确的曝光量,需要在原闪光光路中设置光衰减器。

　　3　数字化裂隙光显微镜外眼图象的处理

　　采集到的图象要进行处理,才能更好地为临床诊断服务。数字化裂隙光显微镜图象处理系统包括图象的处理、分析和管理模块,各模块应完成的功能为:

　　3·1　图象处理模块

　　图象格式转换

　　亮度调整

　　对比度调整

　　图象旋转

　　无级缩放

　　图象漫游和局部放大

　　图象打印

　　3·2　图象分析模块

　　图象预处理

　　角膜血管分布和面积测量

　　角膜病灶分布和面积测量

　　角膜浑浊度程度标定

　　评估角膜厚度变化

　　结膜充血程度标定

　　结膜病变分布和面积测量

　　3·3　图象数据库模块

　　典型外眼病图象

　　电子病历,图象及其信息的添加、修改和删除

　　病例检索

　　综合数字化裂隙光显微镜外眼图象及相关信息的采集、处理、存储、管理、检索、传输和输出,系统的软件结构如图3所示。

　　各模块说明如下:

　　用户界面在Windows98平台上,用Visual Ba-sic开发工具完成。采用多文档模式,在统一的用户界面下,各子模块完成特定的功能。

　　信息输入管理模块用Visual Basic编制。可以把数码相机或扫描仪获得的数字图象保存在图象数据库中,并完成病员的病历信息录入;

　　图象压缩解压模块用Visual C++编制成动态连接库函数,对图象实施JPEG无损压缩和解压,有利于节省存储空间;

　　数据库管理模块采用在Visual Basic下编制SQL语言,完成数据库内容的组合查询、更改、删除、转存等功能;数据库采用Access;

　　图象处理模块用Visual C++编制ActiveX控件,完成图象的格式转换、亮度对比度调整、翻转旋转、无级缩放、动态漫游和感兴趣区调整等;

　　图象分析模块用Visual C++编制成ActiveX控件,完成角膜病变面积与分布状况、角膜血管分布状况与密度、结膜病变面积与分布状况、结膜血管分布状况与密度以及角膜浑浊度的分析等。图象分析的结果可以存入数据库或以分析报告的形式打印出来,也可以通过远程传输模块传至远端进行异地交流和会诊; 远程传输模块采用Internet的Browser/Server模式,通过ODBC与数据库进行数据交换,通过TCP/IP协议与远程计算机进行数据通信;

　　系统帮助模块为用户提供系统性能的说明和操作指导。

　　4　数字化裂隙光显微镜外眼图象的分析

　　图象分析过程如图4所示。

　　图象预处理通常包括图象的降噪、颜色校正、对比度增强和几何校正等方面[5]。图象预处理可以提高图象的视觉质量或有利于提取图象的特征。本系统采集到的图象存在颜色畸变和光照不均匀,应进行颜色校正和对比度增强。颜色畸变是由数码相机的颜色特性造成的,光照不均匀是由于普通裂隙灯采用单侧光源以及人眼的三维结构对光线产生不同的反射与折射。本系统采用BP神经网络[6]进行颜色校正,采用直方图均衡化进行对比度增强。 特征提取是进行有效图象分割的关键技术之一。特征提取可以认为是对图象的某类特性进行数学建模的过程,而这些数学抽象通常可进一步作为图象分割和理解的依据。在数字化裂隙光显微镜图象分析中,主要采用RGB、HIS、CY和Ohta等色度空间内的颜色特征。

　　图象分割是将一幅图象分解为若干互不交迭区域的集合的过程,是进行有效图象分析和理解的重要前提。本系统中,主要采用阈值法、模糊聚类和数学形态学滤波等对数字化裂隙光显微镜图象上的角膜病灶、血管、浑浊区、结膜病灶、血管进行分割。由于裂隙灯眼科图象复杂多样,因此采用自动分割和有人工交互的半自动分割相结合的方法。 定量分析是在图象分割的基础上,提取代表一定分析内容和意义的数据指标的过程。本系统中,主要对角膜和结膜的病灶面积及分布、角膜和结膜的血管密度及分布、角膜浑浊区的分级特征等数据进行定量分析。

　　5　数字化裂隙光显微镜图像分析中的主要算法

　　5·1　采用BP算法进行颜色校正

　　BP算法的权值调整采用反向传播的学习方法。图5是本系统采用的一个三层BP网络,它可以实现从输入到输出的任意非线性映射。神经元变换函数采用Sigmoid函数,隐节点选择6个。训练样本集采用如下方法获得:一组色标经过系统成像后,用颜色检测器获得相应的像素平均颜色值,用成像前后的颜色值作为训练样本。

　　5·2　数字化裂隙光显微镜图象分割血管分割

　　在图象特征上血管区是红色的,其它颜色都是背景,但血管区红色会在色调、饱和度和亮度等方面有诸多变化,而且血管区与其它背景颜色的界限并不清晰。角膜上的血管有主血管、支血管和毛细血管之分。主血管较粗,支血管较细,毛细血管如果充血严重则呈片状,如果轻微充血,则根据颜色很难分辨出。我们采用以下的算法实现了角膜血管的分割:在HSB色域对Hue分量按阈值对角膜进行粗分割,得到血管上偏红的像素,但这些像素多数成散状分布。对粗分割的结果应用基于模糊基元的数学形态学处理(先膨胀后腐蚀),即可分割出血管区域,同时滤除非血管区域的噪音点。所用的模糊基元大小为7×7

　　基元中的每一分量表示该像素点隶属于血管的程度。

　　病灶分割

　　病灶与其周围的正常区域在颜色上有较大差异,而同一病灶区内各像素的颜色具有一定程度的一致性。同时不同病灶在颜色、形态上有很大差别。以上特点是本系统对病灶区分割的主要依据。在B超、CT和核磁共振诊断仪上,病灶面积的测量方法是用鼠标或轨迹球画出病灶所在的矩形域,以此矩形域的面积近似病灶面积。我们采用C-Y色差

　　空间内的阈值分割法来获得相对准确的病灶区。即分别测量矩形区内待分类像素点与一组样本典型值间的色差距离,其中的最小距离小于某一阈值时可认为是病灶区。样本典型值来源于病灶区内的一个典型小区域。由于C-Y色差空间在视觉上是不均匀的[7],因此采用加权的欧氏距离:

　　角膜浑浊区分割

　　角膜浑浊度反映了角膜的透明程度,在图象上表现为虹膜与瞳孔的清晰程度。通常浑浊区呈白色或淡黄色。对浑浊区进行分级在临床上很有意义,例如,分成透明、轻微、中等和严重等四级。本系统在HIS色度空间内,以像素亮度和饱和度为特征,用阈值法将角膜分成若干区域,这些区域反映了不同的浑浊程度。

　　5·3　数字化裂隙光显微镜图象的定量分析角膜血管分析

　　手工给出角膜轮廓上的几个点,用一个椭圆拟合角膜的近似轮廓线。对角膜区采用一种新的分区方法(如图6所示),用直角坐标系把角膜区分成四个象限区;用等距环形域把角膜区分成三个环形区。这种角膜分区方法有利于反映病变的位置信息和病变对视力的影响程度。

　　分别计算角膜各分区内的血管像素数与该分区总像素数之比,得到的百分比反映了血管分布情况。红色色差值大的区域,在原始裂隙光显微镜图象上呈深红色,表示有多层血管重叠,说明该区域血管密度较大。用红色色差值作为加权因子来统计各分区内的血管像素,得到的数值经归一化后可反映各分区的血管密度情况。

　　上睑结膜血管分析

　　上睑结膜血管分析主要针对血管密度情况。手工给出上睑结膜轮廓的几个点,用曲线拟合的方法,得到上睑结膜的近似轮廓线。用上面提到的方法,计算上睑结膜轮廓线内的血管密度。球结膜血管分析主要针对角膜轮廓线外一定范围内的球结膜进行密度分析。这个范围可以是与角膜轮廓线同心的椭圆。

　　角膜病灶分析

　　分别计算角膜各分区内的病灶像素数与该分区内总像素数之比,得到的百分比反映了角膜病灶的相对面积及分布情况。

　　上睑结膜病灶分析

　　按照上面提到的方法得到上睑结膜的近似轮廓线,计算轮廓线内病灶的相对面积。

　　球结膜病灶分析

　　计算球结膜病灶的相对面积与分布,主要是参考范围的问题,这个参考范围可以与球结膜血管分析中提到的范围相同。

　　角膜浑浊区分析

　　用不同程度的角膜浑浊区在角膜各分区中所占的比值来反映浑浊区的分布情况。

　　6　结束语

　　当今医学仪器正朝着数字化、智能化的方向发展。数字图象处理技术的广泛应用,使医学仪器的检测功能、分析处理的深度和精度都大大提高。医学图象分析与处理的数字化、智能化是今后医学仪器的发展趋势。数字化裂隙光显微镜外眼图像分析系统的研制和应用将进一步推动国内这一重要领域的发展。致谢:北京大学生物系王发辉教授对本文提出了不少宝贵意见,在此表示衷心感谢。

　　参考文献

　　[1]　施殿雄等.眼科检查与诊断.上海:上海科学技术出版社,1983

　　[2]　沈兰荪.图象编码与异步传输.北京:人民邮电出版社,1998

　　[3]　王永刚等.基于数码相机的图象采集系统.测控技术,2000,5:17~19

　　[4]　Kodak Expands Digital Choices for Personal and Business Use.drgNews,1999,3(3):2~3

　　[5]　K R Castleman, Digital Image Processing, Printice-Hall, Inc.,1996,中译:朱志刚、林学、石定机.数字图像处理.北京:电子工业出版社,1998

　　[6]　赵忠旭等.基于人工神经网络的彩色校正方法的研究.中国图象图形学报,2000,5(9):785~789

　　[7]　柏子游等.一种彩色图象的色彩分割方法.模式识别与人工智能,1999,12(2):241~244

　　本文作者：卫保国　王兴伟　刘党辉　沈兰荪

上一篇 : 暂无             下一篇 : 烤地瓜机 烤地瓜机烤地瓜的原理