基于PCNN的視網(wǎng)膜血管分割系統(tǒng)設(shè)計與實現(xiàn)

張柳+徐光柱

摘 要：在對視網(wǎng)膜眼底圖像中的血管進(jìn)行預(yù)處理并運(yùn)用脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network，PCNN）算法迭代原理進(jìn)行分割的基礎(chǔ)上，利用MATLAB 的圖形用戶界面開發(fā)環(huán)境（GUIDE），通過對各控件的布局設(shè)計及其回調(diào)函數(shù)的編寫，實現(xiàn)了視網(wǎng)膜血管分割系統(tǒng)。系統(tǒng)具有界面友好、操作簡單等特點(diǎn)，為醫(yī)學(xué)圖像研究提供了一種有效的視網(wǎng)膜血管分割方法，也為醫(yī)學(xué)圖像處理提供了一個操作方便的實驗平臺。

關(guān)鍵詞關(guān)鍵詞：視網(wǎng)膜；PCNN；血管分割；MATLAB；GUIDE

DOIDOI：10.11907/rjdk.161883

中圖分類號：TP319

文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2016）008-0068-03

0 引言

眼睛是人體接受外界信息最主要的器官，約75%左右的信息來源于視覺信息。因此，眼睛健康與否對人的學(xué)習(xí)、生活和工作的影響非常大。而眼底則是這個器官的重要組成部分，主要包括視網(wǎng)膜、脈絡(luò)膜、黃斑和視盤等。眼底視網(wǎng)膜中的血管是人體內(nèi)唯一可以非創(chuàng)傷的方式直接觀察到的較深層微血管，其顏色、亮度、位置分布、形狀以及曲率等變化可以直接反映出疾病對血管網(wǎng)絡(luò)形態(tài)結(jié)構(gòu)的影響，是心腦血管疾病對血管微循環(huán)檢查的重要部位。因此，視網(wǎng)膜圖像中血管網(wǎng)絡(luò)的檢測與分割對心腦血管疾病的診斷及治療具有重要意義[1]。

由于該方法計算公式復(fù)雜，涉及參數(shù)較多，且目前主要使用編寫腳本程序的方式進(jìn)行視網(wǎng)膜眼底圖像中的血管分割，各個參數(shù)的調(diào)整都要在腳本程序中進(jìn)行，非常復(fù)雜，不便于可視化地觀察實驗結(jié)果變化。因此，設(shè)計開發(fā)一款界面友好、操作簡單的視網(wǎng)膜血管分割系統(tǒng)是非常必要的。

MATLAB是一款由Mathworks公司推出的數(shù)學(xué)軟件，它在數(shù)值分析、矩陣運(yùn)算、數(shù)值擬合以及圖形繪制等方面均有極其強(qiáng)大的功能，已被廣泛應(yīng)用于數(shù)字圖像處理、信號處理和系統(tǒng)仿真等各個領(lǐng)域。同時，MATLAB 軟件具有界面友好、操作簡單的圖形可視化界面設(shè)計工具，其集成圖形用戶界面GUIDE（Graphical User Interface Development Environment）包含了窗口菜單、對話框、按鈕和文本等各種控件[2]。用戶通過對控件進(jìn)行布局，編寫控件的回調(diào)函數(shù)即可實現(xiàn)GUI 與用戶之間的交互，操作十分方便。

本系統(tǒng)在對視網(wǎng)膜眼底圖像中的血管進(jìn)行預(yù)處理并運(yùn)用脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network，PCNN）迭代原理分割的基礎(chǔ)上，利用MATLAB 的圖形用戶界面開發(fā)環(huán)境（GUIDE）實現(xiàn)了視網(wǎng)膜血管分割系統(tǒng)。該系統(tǒng)為醫(yī)學(xué)圖像研究提供了一種有效的視網(wǎng)膜血管分割方法，也為醫(yī)學(xué)圖像處理提供了一個操作方便的實驗平臺。

1 研究方法

首先是對視網(wǎng)膜眼底圖像中的血管進(jìn)行預(yù)處理，然后利用PCNN方法對視網(wǎng)膜圖像中的血管進(jìn)行分割。

1.1 視網(wǎng)膜血管圖像預(yù)處理

所處理的視網(wǎng)膜圖像為眼底視網(wǎng)膜RGB彩色圖像，通過將RGB 彩色圖像分解成紅、綠、藍(lán)三通道單色圖像可以發(fā)現(xiàn)，綠色通道的視網(wǎng)膜圖像中血管和背景對比度最高， 而紅、藍(lán)色通道的單色圖像中噪聲較多、對比度較低， 因此采用綠色通道的視網(wǎng)膜圖像進(jìn)行處理。

由于視網(wǎng)膜眼底圖像是由專門的醫(yī)學(xué)設(shè)備采集的，血管周圍區(qū)域難免會對后續(xù)處理產(chǎn)生干擾，因此需要對視網(wǎng)膜圖像進(jìn)行有效區(qū)域的選取。將RGB圖像進(jìn)行二值化處理，使其歸一化到[0，1]之間，再依次應(yīng)用形態(tài)學(xué)中的開運(yùn)算、閉運(yùn)算和腐蝕操作，生成二值掩膜圖像。

由于血管直徑大小不一、背景干擾以及成像時光照不均等因素影響，使得血管與背景的對比度較低。為獲得理想的分割效果，要對眼底圖像進(jìn)行預(yù)處理，以增強(qiáng)血管和背景的對比度。本系統(tǒng)主要采用對比度受限制的自適應(yīng)直方圖均衡化（CLAHE）[3]與二維高斯匹配濾波[4]方法對視網(wǎng)膜血管進(jìn)行對比度的增強(qiáng)。

直方圖均衡化（HE）的基本思想是通過圖像的灰度分布直方圖確定一條映射曲線，用來對圖像進(jìn)行灰度變換，以達(dá)到提高圖像對比度的目的。然而HE是對圖像全局進(jìn)行調(diào)整的方法，不能有效提高局部對比度。為了提高圖像的局部對比度，有研究者提出自適應(yīng)直方圖均衡化（AHE）方法，將圖像分成若干子塊，對子塊進(jìn)行HE處理。但是AHE 對局部對比度提高過大，將導(dǎo)致圖像失真。為了解決這個問題，必須對局部對比度進(jìn)行限制，這便是CLAHE方法。CLAHE處理后的圖像既能體現(xiàn)不同位置灰度分布之間的差異，又能使全局灰度較為協(xié)調(diào)。

二維高斯匹配濾波的原理主要是根據(jù)血管曲率較小且寬度漸進(jìn)改變這一特點(diǎn)，將血管近似分段為等寬度的線段，然后用高斯曲線模擬其橫截面的灰度輪廓。由于血管方向具有任意性，因此需要旋轉(zhuǎn)高斯曲線來匹配不同方向的血管。每30°旋轉(zhuǎn)一次，得到從0°～180°的6個匹配濾波器，再分別與經(jīng)過CLAHE處理后的圖像進(jìn)行卷積，選擇其中最大的卷積值作為增強(qiáng)圖像的像素值。

最后，將經(jīng)過CLAHE處理之后的圖像減去經(jīng)過CLAHE、二維高斯匹配濾波后的圖像，即可得到最終的預(yù)處理結(jié)果。

1.2 基于PCNN的視網(wǎng)膜血管分割

脈沖耦合神經(jīng)網(wǎng)絡(luò) （PCNN ，Pulse Coupled Neutral Network）[5]是20世紀(jì)90年代形成和發(fā)展的與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)有著根本不同的新型神經(jīng)網(wǎng)絡(luò)，其模型直接來源于高級哺乳動物的視覺神經(jīng)系統(tǒng)，具有現(xiàn)實的生物學(xué)依據(jù)，在圖像處理與分析及計算機(jī)視覺領(lǐng)域中有著廣泛應(yīng)用。它不僅能夠克服微小變化造成的影響，而且能夠較完整地保留圖像的區(qū)域信息。因此，使用PCNN進(jìn)行視網(wǎng)膜血管圖像分割具有一定優(yōu)勢。

本系統(tǒng)采用PCNN簡化模型對視網(wǎng)膜圖像血管自動分割，該模型不僅保持了原始模型的重要特性，而且減少了部分參數(shù)。用迭代公式可以描述為：

式中，Sij是外部刺激，即點(diǎn)（i，j）對應(yīng)像素的灰度值，F(xiàn)ij是神經(jīng)元的輸入項，Lij、Uij、Yij、Eij分別是神經(jīng)元的耦合連接輸入、內(nèi)部活動項、脈沖輸出和動態(tài)閾值。VL為連接輸入域的放大系數(shù)，β為神經(jīng)元之間的連接強(qiáng)度系數(shù)，VE和αE分別為動態(tài)閾值的放大系數(shù)和衰減常數(shù)因子，W為連接加權(quán)系數(shù)矩陣。PCNN應(yīng)用于眼底圖像處理時，其神經(jīng)元數(shù)目與圖像像素數(shù)目一致，各神經(jīng)元與像素一一對應(yīng)，像素的灰度值作為對應(yīng)神經(jīng)元的輸入Sij。當(dāng)連接加權(quán)系數(shù)矩陣W所在鄰域內(nèi)有相似灰度值像素時，若其中某個神經(jīng)元點(diǎn)火產(chǎn)生脈沖輸出，會引起鄰域內(nèi)相近灰度值像素對應(yīng)的神經(jīng)元點(diǎn)火，產(chǎn)生脈沖序列輸出，這些輸出脈沖序列構(gòu)成的二值圖像Y即為輸出的分割圖像。

2 系統(tǒng)設(shè)計思路及方法

根據(jù)上述分割過程，將系統(tǒng)設(shè)計成兩大模塊，分別對應(yīng)于兩個界面，主界面為視網(wǎng)膜圖像預(yù)處理模塊，子界面為視網(wǎng)膜血管分割模塊。通過使用MATLAB GUIDE中的控件進(jìn)行布局和編寫相應(yīng)的回調(diào)函數(shù)來實現(xiàn)各模塊功能。

利用MATLAB GUI實現(xiàn)視網(wǎng)膜血管分割系統(tǒng)的過程可以分為GUI 圖形界面布局和GUI 程序?qū)崿F(xiàn)兩部分[6]。對于界面布局，首先要考慮窗口大小、控件位置以及界面所要實現(xiàn)的功能及各控件需要完成的任務(wù)。完成控件的布局之后，接著應(yīng)對控件屬性進(jìn)行設(shè)置，通過在相應(yīng)的控件上雙擊鼠標(biāo)左鍵，打開屬性查看器，設(shè)置該控件屬性。最后需要對各個控件進(jìn)行回調(diào)函數(shù)的編寫，這是界面設(shè)計的關(guān)鍵一步，直接影響界面各個功能的實現(xiàn)。

3 系統(tǒng)功能實現(xiàn)

3.1 視網(wǎng)膜圖像預(yù)處理模塊

視網(wǎng)膜圖像預(yù)處理模塊包括選擇圖片、選擇RGB通道、CLAHE增強(qiáng)處理、二維高斯匹配濾波處理以及最終預(yù)處理結(jié)果5個子模塊，如圖1所示。

具體操作如下：界面初始化后自動加載一幅默認(rèn)圖片，也可以由用戶選擇其它圖片；單擊“選擇圖片”按鈕，之后會彈出一個對話框，選擇要載入的圖片，可以看到圖片顯示在界面的左上角，文件名顯示在圖片正下方；然后選擇彩色通道，默認(rèn)為綠色通道，選擇的通道圖像顯示在右邊區(qū)域左上角。如果勾選 “生成掩膜”選項，則后面的運(yùn)行結(jié)果均會顯示出單擊“生成掩膜”之后的圖像，默認(rèn)狀態(tài)為未勾選；接下來需要進(jìn)行CLAHE處理，以增強(qiáng)圖像對比度。在這里，主要是對adapthisteq函數(shù)中的參數(shù)進(jìn)行設(shè)置；最后單擊“運(yùn)行”按鈕，結(jié)果顯示在右邊區(qū)域的右上角。在進(jìn)行CLAHE處理之后，需要進(jìn)行二維高斯匹配濾波處理，主要是對濾波核個數(shù)、血管半徑及血管段長度進(jìn)行設(shè)置，以進(jìn)一步增強(qiáng)血管與背景的對比度；然后單擊“運(yùn)行”按鈕，結(jié)果顯示在右邊區(qū)域的左下角；單擊“最終預(yù)處理結(jié)果”按鈕，結(jié)果顯示在右邊區(qū)域的右下角。

3.2 視網(wǎng)膜血管分割模塊

視網(wǎng)膜血管圖像分割模塊主要是根據(jù)PCNN算法迭代原理，調(diào)節(jié)PCNN各個參數(shù)，對視網(wǎng)膜血管圖像進(jìn)行分割，如圖2所示。

具體操作如下：單擊主界面中的“PCNN分割”按鈕，即可進(jìn)入視網(wǎng)膜血管分割模塊的界面；接著選擇所需PCNN模型和核，并設(shè)置核的半徑大小。若選擇“原始模型”，則需要設(shè)置PCNN的6個參數(shù)，若選擇“改進(jìn)模型”，則只需設(shè)置PCNN的4個參數(shù)；之后設(shè)置迭代次數(shù)和beta的值，單擊“運(yùn)行”按鈕，在彈出的對話框中，選擇一幅迭代圖片，將自動生成分割結(jié)果；對于分割后的結(jié)果，單擊“保存”按鈕，可以保存圖片；最后單擊“返回”按鈕，可以返回主界面。

4 結(jié)語

基于MATLAB 軟件在圖形繪制、數(shù)值運(yùn)算及可視化界面開發(fā)等方面的優(yōu)勢，在對視網(wǎng)膜眼底圖像中的血管預(yù)處理并運(yùn)用PCNN算法迭代原理進(jìn)行分割的基礎(chǔ)上，通過MATLAB GUI 設(shè)計完成了視網(wǎng)膜血管分割系統(tǒng)，可以實現(xiàn)視網(wǎng)膜血管圖像的增強(qiáng)處理，進(jìn)而利用脈沖耦合神經(jīng)網(wǎng)絡(luò)方法對視網(wǎng)膜血管圖像進(jìn)行分割。本系統(tǒng)提供了一種有效的視網(wǎng)膜血管分割方法，在醫(yī)學(xué)圖像研究方面具有一定參考價值。同時，系統(tǒng)具有界面友好、操作簡單等特點(diǎn)，為醫(yī)學(xué)圖像處理提供了一個操作方便的實驗平臺。

參考文獻(xiàn)：

[1] 姚暢，陳后金，李居朋. 基于過渡區(qū)提取的視網(wǎng)膜血管分割方法[J].電子學(xué)報，2008，36（5）：974-978.

[2] 姚秀芳，崔松菲. 基于MATLAB GUIDE的程序設(shè)計[J]. 電腦知識與技術(shù)，2009，27（5）：7767-7768.

[3] 陳萌夢，熊興良，張琰，等. 1種視網(wǎng)膜眼底圖像增強(qiáng)的新方法[J]. 重慶醫(yī)科大學(xué)學(xué)報，2014，39（8）：1087-1090.

[4] 姚暢，陳后金. 一種新的視網(wǎng)膜血管網(wǎng)絡(luò)自動分割方法[J].光電子·激光，2009，20（2）：274-278.

[5] 馬義德，綻琨，王兆濱，等.脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像處理 [M].第2版.北京：高等教育出版社，2008.

[6] 羅華飛. MATLAB GUI設(shè)計學(xué)習(xí)手記[M].北京：北京航空航天大學(xué)出版社，2011.

（責(zé)任編輯：黃 健）