眼底病灶的计算机图像识别及临床应用可靠性测试
作者：周 浩 李云岗 周韵秋 施鹏飞 蔡季平 王志英
单位：周 浩 周韵秋 蔡季平 王志英(第二军医大学 长征医院眼科，上海 200003)；李云岗 施鹏飞(上海交通大学 图像所，上海 200030)
关键词：眼底；计算机；图像分析
生物医学工程学杂志990314 摘要 设计眼底病灶识别的计算机程序，并进行可靠性测试。采用“区域生长法”，在Visual C++环境下设计程序；应用该程序测量糖尿病棉絮状渗出灶面积(15只眼)，计算变异系数以判断稳定性。结果表明渗出灶面积测量的变异系数为3.22%～9.46%。应用此方法识别并定量测量病灶简便迅速、稳定性好。
Computer-assisted Identification of Fundus Lesions
, 百拇医药
and a Study of Its Reliability
Zhou Hao1 Li Yungang2 Zhou Yunqiu1 Shi Pengfei2 Cai Jiping1 Wang Zhiying1
1 (Department of ophthalmology, Changzheng Hospital, Second Military Medical University, Shanghai 200003)
2(Shanghai Jiatong University, Shanghai 200030)
Abstract This study aimed at the use of computer for identifying fundus lesions quickly and reliably. We adopted the ‘area filling’ method to program in Visula C++, used the program to mesure the retina cotton-wool patches in diabetics (15 eyes), and then calculated the coefficient of variation to evaluate its reproducibility. The results showed that the coefficient of variation of the measurements ranged from 3.22% to 9.46%. In conclusion, this method is convient, quick and reliable.
, 百拇医药
Key words Fundus Computer Image angalysis
1 前 言
眼底图像计算机分析是80年代兴起的一项新技术，它对眼底形态学方面的观察具有客观、可重复和可靠三方面的优点[1]。眼底图像计算机分析系统在国外已被越来越广泛地应用，将逐步取代传统的眼底照相方法，成为眼底病定量研究必不可少的工具。而国外产品价格昂贵，国内同类产品的研制尚处于起步阶段[2]。
我们在Visual C++环境下开发成功的真彩眼底图像分析软件1.0版(以下简称ZW-1.0)，除了具有一般眼底图像分析功能之外，尚能交互式地识别病灶，并计算病灶面积，这一功能的实现使眼底结构和病灶的测量更为快速和精确。而国外同类产品如日本的“Image Net”尚缺乏此项功能。
, http://www.100md.com
2 方 法
2.1 交互式眼底病灶识别的功能实现
2.1.1 算法设计 目前国内外的一些眼底图像处理系统所采取的核心方法，通常是通过操作者手动勾勒曲线，然后系统自动计算曲线封闭面积来进行设计的[3]。而本系统在提供此方法的同时，利用图像处理的知识，向用户提供了更为简洁的科学工具。这种工具采用“区域生长”的方法，利用用户的先验知识选取“种子”点，系统自动根据种子点的特征并结合色度学的知识进行边缘跟踪，从而检测出感兴趣的区域，并计算出相应的医学参数。这种工具科学地利用了图像处理的知识，避免了手工勾勒曲线的主观性和烦琐性，方便可靠。在阈值选取方面，系统提供了自适应阈值选取和人机交互选取两种方法，可结合使用。
2.1.2 区域生长算法的实现 令边界点标号为E，区域填充标号为C，种子点为P，程序伪代码如下：
, http://www.100md.com
Function Fill(P)
f(P)←C；
P1←P的左邻点；
P2←P的右邻点；
P3←P的右邻点；
P4←P的右邻点；
for(i=1;i<4;i++)
if[(f(Pi)≠E and f(Pi)≠C)]
Fill(Pi)；
return；
Visula C++环境下编程，编制Windows下应用程序，可在Windows 3.x及Windows 95下运行。
, 百拇医药
2.1.3 临床试用可靠性分析 图像扫描仪将彩色眼底照片扫入计算机，用ZW-1.0软件进行图像分析，分析变异系数，以初步了解该软件的测量精度和重复性。分析方法参见文献[4～6]。
选择糖尿病性视网膜病变眼底图像(15只眼)进行分析，应用以上程序识别并测量兴趣区内棉絮状渗出灶面积，每幅图像测量10次，最后计算变异系数。
3 结 果
计算每幅图像10次测量值的平均值、标准差及变异系数，结果见表1：
表1 病灶识别的变异系数
Table 1 Coefficient of variation (CV) of lesion identification No.
Lesion area(
±s,n=10)
, http://www.100md.com
CV
1
3.2363±0.2563
7.92%
2
2.6472±0.1142
4.31%
3
0.1542±0.0096
6.23%
4
1.4643±0.0836
, http://www.100md.com
5.71%
5
2.3542±0.0868
3.69%
6
2.6451±0.0852
3.22%
7
0.0763±0.0025
3.28%
8
3.3458±0.2437
, http://www.100md.com
7.28%
9
2.7854±0.2032
7.30%
10
1.5124±0.1342
8.87%
11
2.1454±0.1846
8.60%
12
1.4376±0.0476
, 百拇医药
3.31%
13
0.8874±0.0765
8.62%
14
1.8764±0.1432
7.63%
15
1.2135±0.1148
9.46%
结果显示：该程序对渗出灶病灶面积的测量，变异系数在3.22%～9.46%之间。
, http://www.100md.com 4 讨 论
以往对眼底图像的分析只局限于对黑白眼底图像处理，如果将真彩眼底图像转化为黑白图像，势必要损失大量图像信息，使分析精度下降。真彩图像分析软件设计的难度在于：计算量大，算法设计较为复杂。同等条件下，对真彩图像的识别处理的理论计算量是黑白图像的100万倍。不佳的算法及程序设计将使真彩图像处理、分析速度大大下降，无法在短时间内完成所需的图像识别处理工作，使软件缺乏实用性。
ZW-1.0对真彩图像进行RGB象元分解后，采用“区域生长法”进行病灶及眼底结构的识别、分析。我们采用“东海牌”微机(内置奔腾-133芯片，16兆内存)，运行该程序，数秒钟内即能完成有关的病灶识别、分析工作。从对渗出灶识别的变异系数结果来看，该程序的稳定性和精度较高。本软件同时能对黑白图像及二值化图像进行处理及分析。
参考文献
1 钟 勇.计算机图像分析在眼科的应用.国外医学眼科分册，1989；13(2)∶99
, 百拇医药
2 孙 同，张 威，王维兴等.青光眼眼底图像处理系统的研制.中华眼科杂志，1994；30(2)∶140
3 李震超，罗成仁，杨兰芬等.糖尿病视网膜黄斑无血管区图像定量研究.中华眼底病杂志，1995；11(4)∶229
4 Kruse FE, Burk ROW, Volcker, HEH et al. Reproducibility of topographic measurements of the optic nerve head with laser tomographyic scanning. Ophthalmol, 1989; 96(9)∶1320
5 Caprioli J, Klingbeil U, Sears M et al. Reproducibility of optic disc measurement with computerized analysis stereoscopic video images. Arch Ophthalmol, 1986; 104(7)∶1035
6 Dandona L, Quigley HA, Jampel HD et al. Reliability of optic nerve head topographic measurement with comuterized image analysis. Am J Opthalmol, 1989; 108(4)∶414
(收稿：1998-02-03), 百拇医药
单位：周 浩 周韵秋 蔡季平 王志英(第二军医大学 长征医院眼科，上海 200003)；李云岗 施鹏飞(上海交通大学 图像所，上海 200030)
关键词：眼底；计算机；图像分析
生物医学工程学杂志990314 摘要 设计眼底病灶识别的计算机程序，并进行可靠性测试。采用“区域生长法”，在Visual C++环境下设计程序；应用该程序测量糖尿病棉絮状渗出灶面积(15只眼)，计算变异系数以判断稳定性。结果表明渗出灶面积测量的变异系数为3.22%～9.46%。应用此方法识别并定量测量病灶简便迅速、稳定性好。
Computer-assisted Identification of Fundus Lesions
, 百拇医药
and a Study of Its Reliability
Zhou Hao1 Li Yungang2 Zhou Yunqiu1 Shi Pengfei2 Cai Jiping1 Wang Zhiying1
1 (Department of ophthalmology, Changzheng Hospital, Second Military Medical University, Shanghai 200003)
2(Shanghai Jiatong University, Shanghai 200030)
Abstract This study aimed at the use of computer for identifying fundus lesions quickly and reliably. We adopted the ‘area filling’ method to program in Visula C++, used the program to mesure the retina cotton-wool patches in diabetics (15 eyes), and then calculated the coefficient of variation to evaluate its reproducibility. The results showed that the coefficient of variation of the measurements ranged from 3.22% to 9.46%. In conclusion, this method is convient, quick and reliable.
, 百拇医药
Key words Fundus Computer Image angalysis
1 前 言
眼底图像计算机分析是80年代兴起的一项新技术，它对眼底形态学方面的观察具有客观、可重复和可靠三方面的优点[1]。眼底图像计算机分析系统在国外已被越来越广泛地应用，将逐步取代传统的眼底照相方法，成为眼底病定量研究必不可少的工具。而国外产品价格昂贵，国内同类产品的研制尚处于起步阶段[2]。
我们在Visual C++环境下开发成功的真彩眼底图像分析软件1.0版(以下简称ZW-1.0)，除了具有一般眼底图像分析功能之外，尚能交互式地识别病灶，并计算病灶面积，这一功能的实现使眼底结构和病灶的测量更为快速和精确。而国外同类产品如日本的“Image Net”尚缺乏此项功能。
, http://www.100md.com
2 方 法
2.1 交互式眼底病灶识别的功能实现
2.1.1 算法设计 目前国内外的一些眼底图像处理系统所采取的核心方法，通常是通过操作者手动勾勒曲线，然后系统自动计算曲线封闭面积来进行设计的[3]。而本系统在提供此方法的同时，利用图像处理的知识，向用户提供了更为简洁的科学工具。这种工具采用“区域生长”的方法，利用用户的先验知识选取“种子”点，系统自动根据种子点的特征并结合色度学的知识进行边缘跟踪，从而检测出感兴趣的区域，并计算出相应的医学参数。这种工具科学地利用了图像处理的知识，避免了手工勾勒曲线的主观性和烦琐性，方便可靠。在阈值选取方面，系统提供了自适应阈值选取和人机交互选取两种方法，可结合使用。
2.1.2 区域生长算法的实现 令边界点标号为E，区域填充标号为C，种子点为P，程序伪代码如下：
, http://www.100md.com
Function Fill(P)
f(P)←C；
P1←P的左邻点；
P2←P的右邻点；
P3←P的右邻点；
P4←P的右邻点；
for(i=1;i<4;i++)
if[(f(Pi)≠E and f(Pi)≠C)]
Fill(Pi)；
return；
Visula C++环境下编程，编制Windows下应用程序，可在Windows 3.x及Windows 95下运行。
, 百拇医药
2.1.3 临床试用可靠性分析 图像扫描仪将彩色眼底照片扫入计算机，用ZW-1.0软件进行图像分析，分析变异系数，以初步了解该软件的测量精度和重复性。分析方法参见文献[4～6]。
选择糖尿病性视网膜病变眼底图像(15只眼)进行分析，应用以上程序识别并测量兴趣区内棉絮状渗出灶面积，每幅图像测量10次，最后计算变异系数。
3 结 果
计算每幅图像10次测量值的平均值、标准差及变异系数，结果见表1：
表1 病灶识别的变异系数
Table 1 Coefficient of variation (CV) of lesion identification No.
Lesion area(
±s,n=10), http://www.100md.com
CV
1
3.2363±0.2563
7.92%
2
2.6472±0.1142
4.31%
3
0.1542±0.0096
6.23%
4
1.4643±0.0836
, http://www.100md.com
5.71%
5
2.3542±0.0868
3.69%
6
2.6451±0.0852
3.22%
7
0.0763±0.0025
3.28%
8
3.3458±0.2437
, http://www.100md.com
7.28%
9
2.7854±0.2032
7.30%
10
1.5124±0.1342
8.87%
11
2.1454±0.1846
8.60%
12
1.4376±0.0476
, 百拇医药
3.31%
13
0.8874±0.0765
8.62%
14
1.8764±0.1432
7.63%
15
1.2135±0.1148
9.46%
结果显示：该程序对渗出灶病灶面积的测量，变异系数在3.22%～9.46%之间。
, http://www.100md.com 4 讨 论
以往对眼底图像的分析只局限于对黑白眼底图像处理，如果将真彩眼底图像转化为黑白图像，势必要损失大量图像信息，使分析精度下降。真彩图像分析软件设计的难度在于：计算量大，算法设计较为复杂。同等条件下，对真彩图像的识别处理的理论计算量是黑白图像的100万倍。不佳的算法及程序设计将使真彩图像处理、分析速度大大下降，无法在短时间内完成所需的图像识别处理工作，使软件缺乏实用性。
ZW-1.0对真彩图像进行RGB象元分解后，采用“区域生长法”进行病灶及眼底结构的识别、分析。我们采用“东海牌”微机(内置奔腾-133芯片，16兆内存)，运行该程序，数秒钟内即能完成有关的病灶识别、分析工作。从对渗出灶识别的变异系数结果来看，该程序的稳定性和精度较高。本软件同时能对黑白图像及二值化图像进行处理及分析。
参考文献
1 钟 勇.计算机图像分析在眼科的应用.国外医学眼科分册，1989；13(2)∶99
, 百拇医药
2 孙 同，张 威，王维兴等.青光眼眼底图像处理系统的研制.中华眼科杂志，1994；30(2)∶140
3 李震超，罗成仁，杨兰芬等.糖尿病视网膜黄斑无血管区图像定量研究.中华眼底病杂志，1995；11(4)∶229
4 Kruse FE, Burk ROW, Volcker, HEH et al. Reproducibility of topographic measurements of the optic nerve head with laser tomographyic scanning. Ophthalmol, 1989; 96(9)∶1320
5 Caprioli J, Klingbeil U, Sears M et al. Reproducibility of optic disc measurement with computerized analysis stereoscopic video images. Arch Ophthalmol, 1986; 104(7)∶1035
6 Dandona L, Quigley HA, Jampel HD et al. Reliability of optic nerve head topographic measurement with comuterized image analysis. Am J Opthalmol, 1989; 108(4)∶414
(收稿：1998-02-03), 百拇医药