武劲圆，游国栋，孙丰源，唐东润

(1天津市第一中心医院，天津300192;2天津科技大学电子信息与自动化学院)

对于糖尿病性视网膜病变(DR)，目前其诊断及分期主要依靠眼底彩色图像及眼底荧光素血管造影(FFA)图像的表现［1，2］。计算机图像处理技术是一门多学科交叉技术，与数学、计算机、多媒体、信息处理等技术密切相关［3～5］。建立眼底图像的计算机分析系统，可以对眼底许多组织进行定性分析和定量测量，在正常和异常之间做出明确的鉴别，使眼底系统形态的研究向标准化和功能化进展。本研究选择一组糖尿病患者的眼底图像，借助计算机图像处理技术，采用图像分割法对眼底图像中的视网膜血管进行分割、提取并观察分析，以探讨DR的有效诊断方法。

1 资料与方法

糖尿病患者30例(60眼)，男16例，女14例;年龄40～70岁;糖尿病史均在10 a以上。采用国际标准视力表检查其矫正视力为0.1～1.0。使用Topcon.TRC.50DX眼底荧光照相系统摄眼底彩色图像、FFA图像，对两种图像进行分析。采用DR国际临床分类法，对眼底病变进行诊断分型:正常组8眼，无明显视网膜血管病变;病变组52眼，其中轻度非增殖性DR 15眼、中度非增殖性DR 19眼、重度非增殖性DR 15眼、增殖性DR 3眼。

将60眼的眼底彩色图像、FFA图像采用先验知识随机游走模型进行视网膜血管分割处理。具体方法是根据视网膜血管特征，通过建立图像的归一化梯度向量散度场，提取高、低对比度血管的中心线，并将先验知识随机游走模型用于图像分割，实现低对比度、微弱边界的视网膜血管的分割与提取并进行观察分析［3，4］。为了检验该图像分割法对DR血管处理的有效性，采用接受机工作特性曲线(ROC)［3，4］对分割精度进行分析。实验中采用Pentium-Ⅳ计算机(CPU为2.6 GHz，内存为512 M，MATLAB仿真软件)。

2 结果

采用图像分割法对眼底图像中的视网膜血管进行分割与提取后，正常组和病变组眼底图像视网膜血管分割均较为完整，并且可以很好地分割出大部分的细小血管，而这些血管在眼底彩色图像和FFA图像中都不能被显示。同时，对图像分割后，视网膜血管连通性也较好。另外，该图像分割法对带有病变的视网膜图像依然具有很高的鲁棒性(鲁棒性是指控制系统在一定结构、大小的参数摄动下维持某些性能的特性)，对病变区域血管分割效果较好，特别是在FFA图像中，如果显示视网膜出血和棉絮斑、病变区域血管显示不佳的情况下，图像分割后更容易显示血管。

ROC曲线证实，虽然眼底彩色图像和FFA图像显示视网膜血管的真阳性率很高，平均达90%，但其假阳性率也很高，平均达6%;图像分割后显示视网膜血管的假阳性率与上述相差不大，但真阳性率却达99%;这意味着在相同错误分割率的情况下，与眼底彩色图像和FFA图像相比，图像分割可以分割出更多的真实血管。眼底彩色图像、FFA图像、图像分割后显示视网膜血管的准确度分别为92.97%、92.93%、93.75%，以后者最高。

3 讨论

DR是因糖尿病所致微血管病变而诱发的视网膜缺血性改变，为糖尿病最严重的眼部微血管并发症。目前，本病的临床诊断有赖于检眼镜检查眼底及眼底彩色图像、FFA检查;根据眼底及FFA图像是否出现视网膜无灌注区和新生血管，来制定治疗方案，包括药物治疗和激光光凝、玻璃体切除术等。但眼底彩色图像和FFA检查并不能完全清晰显示病变视网膜的血管，无论是药物还是激光治疗，针对性不强，治疗效果不理想。

本研究发现，图像分割法对于眼底彩色图像和FFA图像中正常和病视网膜血管的分割均较完整，与眼底图像及FFA图像相比，分割后的视网膜血管更清晰、精确。眼底彩色图像、FFA图像、图像分割后显示视网膜血管的准确度分别为 92.97%、92.93%、93.75%，以后者最高。

图像分割方法克服了血管分割断续的问题，解决了血管连通性的难题，而且分割出了大部分的细小血管，保留了视网膜血管网络的特性。证实了基于先验知识随机游走模型的视网膜血管分割方法对视网膜血管进行图像处理与分析，能够实现低对比度、微弱边界的视网膜血管的分割与提取。这将有助于DR早期诊断，也将有助于本病治疗方案的选择。

［1］张燕中.医学影像学的进展及展望［J］.中华现代影像学杂志，2005，2(6):520-522

［2］杨文利，王兰，胡士敏.常见眼底疾病的计算机辅助三维超声诊断检查特征［J］.中华眼底病杂志，2005，21(6):381-383.

［3］姚畅，陈后金.病变视网膜图像血管网络的自动分割［J］.电子学报，2010，38(5):1226-1233.

［4］李居朋，陈后金，张新媛.基于先验知识随机游走模型的视网膜血管分割方法［J］.中国生物医学工程学报，2009，28(4):501-507.

［5］Ricci E，Perfetti R.Retinal blood vessel segmentation using line operators and support vector classification［J］.IEEE Trans Med Imag，2007，26(10):1357-1365.