基于深度学习的眼角膜图像自动化分析研究

孙 晖, 杨艾炯, 李康博, 孟浩楠, 牛立刚

(吉林大学 电子科学与工程学院, 长春 130012)

0 引 言

角膜新生血管有高达4.14%的致盲率, 我国每年有大约400万的患者因此失明[1]。角膜新生血管的产生原因有： 伤口感染、 缺血和化学烧伤等。角膜新生血管也是角膜移植发生排斥的主要原因之一, 由于目前国内相关的西药较少, 且疗效未达到理想水平, 因此临床上主要使用抗血管内皮生长因子(VEGF: Vascular Endothelial Growth Factor)进行抗体治疗, 例如： 贝伐单抗、 雷珠单抗等新型药物在早期实验中具有显著的治疗效果[2]。但是, 当前的研究样本相对较少, 临床应用中的剂量选择、 安全性等方面仍需要进一步实验探究。在小鼠动物实验中,医学研究人员需要获得并分析大量的小鼠眼角膜数据, 用以对比不同药物的治疗效果, 因此研究一种自动化、 标准化的提取眼角膜数据参数的方法迫在眉睫。

传统的小鼠眼角膜图像处理方法是基于基础的形态学图像处理[3], 包括： 多尺度分割、 边缘提取和区域生长等。在处理单张图片时, 该方法比目前通用的PhotoShop软件处理效率更好。但由于不同图片的参数不同, 需要人工调试程序的参数并不适用于大量图片的批处理, 尤其是角膜拍摄过程中出现褶皱的现象。笔者探究了角膜图片自动化分析的方法, 实现了整个图像处理和分析过程的自动化, 方便医学研究人员进行进一步处理分析, 减轻人工劳动强度, 并提高了计算精度。

目前, 国内大多利用现有的图像处理软件加人工辅助的方式进行分析[4], 赵超阳等[5]对视网膜分层图像的不同位置进行预处理, 提取边缘并进行形态学处理, 得到角膜灌注区血管的边缘轮廓, 计数视网膜锥细胞, 分析细胞密度特征。……