基于干眼症患者睑板腺腺体的面积、曲率特征自动检测算法研究

基于干眼症患者睑板腺腺体的面积、曲率特征自动检测算法研究

陈天雨

华北水利水电大学 郑州 450000

【摘要】

在干眼症的自动检测算法的研究中，通常可以把患者睑板腺腺体的面积、曲率特征作为判断患者是否患有干眼症的一个重要标准。为了能更准确的利用图像处理等技术提取腺体特征，文章首先对腺体的提取算法进行了归纳整理，分析了各自的优缺点；然后分享了面积、曲率特征的计算规则；最后详细的总结出了一套建设性、可适用的提取腺体特征的算法流程，以期望能够对干眼症自动检测领域做出贡献。

【关键词】

干眼症；自动检测；睑板腺腺体；腺体面积；腺体曲率

0引言

睑板腺（Meibomian Glands，MG），是位于眼皮睑板内，与睑缘成垂直排列，并开口于睑缘。临床医生一般认为干眼症患者都伴随着睑板腺形态上的异常变化，比如睑板腺腺体的面积、睑板腺腺体的曲率两种特征。[1-3]

国内医院在对患者的睑板腺进行观测环节时，一般采取的是非接触性睑板腺照相技术，非接触式睑板腺照相技术作为一种新兴的辅助检查手段，能够观察结膜面睑板腺形态、睑缘处睑板腺开口特征变化。但是据医院表示，受限于昂贵的价格和单薄的人力资源，眼科中心的干眼门诊实际上是人满为患的，在一些发达城市的门诊来看其实就已经影响到了干眼患者的治疗和慢性病的管理，更不用说资源非常有限的落后地区了。[4-6]

本文旨在探讨自动检测睑板腺腺体面积和曲率方法的发展现状与研究，给各位研究人员提供提取腺体特征算法的思路和未来需要改进的地方，以期有更多的研究人员探索出快速、精准的提取睑板腺腺体特征的算法，研发出成熟的、属于我国自己的检测系统，使得这一慢性病能在基层得以更好的治疗。

1数据来源

本次研究的数据来源于河南省省人民医院眼科中心提供的患者睑板腺图像，0分（正常）患者图像21张，1分（轻度）患者30张，2分（中度）患者33张，3分（重度）患者34张，共计118张医学图像，所有图像均为RGB模式及JPG格式，大小在均在4.5 MB以上，分辨率为3945像素×2620像素，均为高质量的临床采集的光学图像，环境复杂多样，这样也使得实验后的数据显得异常珍贵，对于临床自动诊断患者的研究有着很大的参考价值。

本研究经过河南省省人民医院眼科中心、华北水利水电大学审核通过。

2患者图像处理

具体的算法流程应分为五大步：1、图像预处理；2、提取眼睑区域；3、提取腺体；4、提取腺体参数—面积、曲率；5、初步分级诊断

2.1图像预处理

为了更精准的提取睑板腺腺体，很多研究人员都会对图像进行预处理。经过研究，预处理只是用一种算法去处理是不够的，需要应用多种算法才能取得更好的效果。

经过多次研究，发现使用中值滤波，Mask匀光增强算法和拉普拉斯算子去综合性处理图像会使得感兴趣区域增亮、腺体更加清晰可读取。中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。Mask匀光增强算法是基于传统的光学相片晒印技术而提炼出来的，可以用公式2.1描述：

r(x,y)=f(x,y)-g(x,y)+offset                     (2.1)

式中，f(x,y)为不均匀光照影像；r(x,y)为匀光后的光照均匀影像；g(x,y)为反映亮度分布的背景影像；offset是灰度偏移量。

拉普拉斯算子是一种高通滤波器，可以用来检测边缘。

2.2提取眼睑区域

对图像的ROI区域进行增强之后，就可以考虑提取眼睑区域方法，经过多次研究，这一步骤建议先对预处理图像进行腐蚀、膨胀操作，用于消除掉小物体和边界剔除，其次再使用凸包算法，保留最大连通区域，最后对最大连通区域进行曲线拟合算法修补眼睑角，这样可以认为该区域为眼睑区域。凸包算法是一个相对于点集的概念，对于一个已经确定的点集，凸包就是由其中某些点构成的一个子集，这个子集中的点构成一个凸多边形，该多边形完全包围点集中所有点。曲线拟合常见的是基于多项式拟合，可以根据设定的多项式幂次生成多项式方程，然后根据方程进行一系列的点生成，形成完整的曲线。

2.3腺体提取

腺体的提取一般采用的思路是先利用提取出的眼睑区域映射出来包含眼睑腺的眼睑区域，再对这映射出来的区域进行预处理和滤波等操作，进而排除非眼睑腺干扰来提取眼睑腺。经过多次研究，提取腺体可以对截取过的原始眼睑图像再次进行图像的预处理，再对图像进行中位数过滤器和方向运算器，用于去除小于45度和大于135度的物体，再利用腐蚀膨胀操作去除小物体，对剩下物体进行标签，这些标签物体既可以认为是睑板腺的腺体。

2.4提取腺体参数—面积、曲率

2.4.1腺体面积缺失率

在可以提取眼睑区域和腺体之后，可以通过计算腺体占据的像素数与眼睑区域占据的像素数的比值来计算腺体所占面积，进而获得腺体面积的缺失率，具体公式如下：

式中：：腺体面积缺失率。：腺体占据的像素数。：眼睑区域占据的像素数。

2.4.2腺体弯曲曲率

腺体的弯曲曲率可以作为判断睑板腺腺体病变的一个标准，经过查阅文献，可以总结出如下公式：

式中MG tortuosity：腺体弯曲度。MG perimeter：腺体周长。height of the minimum external rectangle of the MG：腺体最小外部矩形的高度。

2.5初步分级诊断

目前国际上只是根据医生的主观判断对患者病症等级进行划分，还没有公认的一个标准化分级数据，但是完全可以利用大量的患者图像收集数据进行分级，最普遍的就是根据腺体面积缺失率进行分级，以下是依据现有的数据进行的一个划分标准：实验认为睑板腺占比小于23%时，检测为干眼，睑板腺占比大于23%，检测为正常。

3结论

不难看出，越来越多的研究人员开始投入到干眼症自动检测的领域中，并且取得了一些成果，但是却依然还有很多可以改进、优化的地方，需要更多的研究人员深入的研究、挖掘，比如以下：

1）如何利用更好的算法去处理原始图像，以期望得到更利于提取睑板腺腺体的处理图，现有的算法还是对于一些临床上的图像处理的过于简单，很多时候，临床上的图像是环境非常复杂的，对于这些环境复杂的图像，应该如何处理，是一个值得研究的问题。

2）在提取最大连通域这一步骤时是经常遇到最大的连通域并不是眼睑区域的问题，经常被下眼睑等问题进行干扰。在这一问题中其实可以选择使用yolov5去做一个初步的识别截取眼睑区域，本次研究也进行了数据实验，证实是可行的。

3）睑板腺腺体的提取算法不完整，经常被其他因素干扰，这些需要进行进一步的改善。

在我国干眼症患者的基数是十分庞大的，而其中的关于睑板腺的算法更是目前没有完全攻克的一大难题，因此，在此对这一算法的发展现状进行综合性的整理，总结现有的研究成果，发现目前面临的问题，展望未来的发展方向。因此，本文的研究对干眼症的自动检测这一领域的发展具有一定的参考意义。

参考文献

[1]Mishima S, Maurice DM. The oily layer of the tear film and evaporation from the

corneal surface. Exp Eye Res 1961;1:39–45.

[2] Nelson JD, Shimazaki J, Benitez-del-Castillo JM, et al. The international workshopon meibomian gland dysfunction: report of the definition and classification

subcommittee. Invest Ophthalmol Vis Sci 2011;52:1930–7.

[3] Shimazaki J, Sakata M, Tsubota K. Ocular surface changes and discomfort in

patients with meibomian gland dysfunction. Arch Ophthalmol 1995;113:1266–70.

[4] Lemp MA. Report of the National Eye Institute/Industry Workshop on Clinical Trialsin Dry Eyes. CLAO J 1995;21:221–32.

[5] Pult H, Riede-Pult BH. Non-contact meibography: keep it simple but effective. ContLens Anterior Eye 2012;35:77–80.

[6] Pflugfelder SC, Tseng SC, Sanabria O, et al. Evaluation of subjective assessments

and objective diagnostic tests for diagnosing tear-film disorders known to cause

ocular irritation. Cornea 1998;17:38–56.