打开文本图片集
摘要： 远程医疗技术应用是卫生信息化的主要建设内容，也是医疗信息平台之智慧医疗建设的主要任务之一。本研究将开发一种能应用于远程诊断人眼屈光不正的技术，该技术将对广泛人群眼屈光状态的筛查和及时处理具有重要作用和意义。目前常用的屈光不正检查方法有三种，分别是电脑验光、摄影验光和视网膜检影验光。本研究将基于视网膜检影技术原理，结合数字影像识别技术，开发一套远程诊断技术装置。该技术装置具有视频显示眼底影动功能，可存储影像信息、传递诊断信息，使检查者更能直观、简易、准确地诊断人眼屈光不正，特别是针对老人、儿童、残障等沟通有障碍的患者，其影像识别程序可辅助检查者（特别针对非专业人士）判断屈光不正诊断，适用于家庭、学校、社康中心和医院等场所使用。系统中的影像、视频存储和数据传输功能可供临床医生共享屈光诊断电子病历和远程诊断。
关键词：屈光不正；远程诊断；数字化；影像
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）08-0171-04
Abstract： Telemedicine application is the main construction content of health information technology， is also one of the main tasks of smart medical health information platform construction. This study will develop a application of the remote diagnosis technology of myopia diagnosis. The technology has important f and profound significance for myopia diagnosis and treatment. There are three methods of ametropia inspection technology such as computer optometry technology， photography optometry and retina shadow optometry technology at present. Unfortunately these detection equipments are not only expensive， but also need strong professional knowledge and skills， which leads to an clinician mastering the skill is very difficult. In order to overcome the above disadvantages， we use retinoscopy theory combining with the digital image technology to develop a myopia inspection technology suitable for household， and reduce the difficulty of optometry check. The technology has the following characteristics such as video display eye shadow， Image recognition program aided inspectors to determine ametropia diagnosis ， store image information， transfer diagnostic information and so on. Which make the inspectors more intuitive， simple and accurate diagnosis of myopia. The system is suitable for families ，school， community healthy center and hospital， Especially for the elderly， children， the disabled and other communication disorders of the patients. The functions such as images and video storage ，data transmission is available for clinicians to share myopia diagnosis of electronic data and remote diagnosis.
Key words： ametropia ； remote diagnosis； digital； image
1 概述
远程医疗技术应用是卫生信息化的重要建设内容，也是医疗信息平台之智慧医疗建设的主要任务之一。本研究将开发一种能应用于远程诊断人眼屈光不正的技术，该技术将对广泛人群眼屈光状态的筛查和及时处理具有重要作用和意义。目前常用的屈光不正检查方法有三种，分别是电脑验光、摄影验光和视网膜检影验光。本研究将基于视网膜检影技术原理，结合数字影像识别技术，开发一套远程诊断技术装置。该技术装置具有视频显示眼底影动功能，可存储影像信息、传递诊断信息，使检查者更能直观、简易、准确地诊断人眼屈光不正，特别是针对老人、儿童、残障等沟通有障碍的患者，其影像识别程序可辅助检查者（特别针对非专业人士）判断屈光不正诊断[1-7]，适用于家庭、学校、社康中心和医院等场所使用。系统中的影像、视频存储和数据传输功能可供临床医生共享屈光诊断电子病历和远程诊断。关于基于视网膜检影技术原理的数字化检影装置研究有：国内温州医学院曾有人将检影镜进行数字化改造[8]，装置能将视网膜反光影动显示于屏幕上；另外，本研究小组曾对模拟眼数字化研究[9]和检影眼底影像进行数字化采集和该类装置的移动化改造[10]。而本研究的创新和重点研究内容在于设计眼底影像的识别软件，进而自动判断患者屈光不正性质。
本文第二部分提供了本系统的基本设计思路，包括系统总体结构图、模块图和数据流图。第三部分提出了一种数字化影像识别屈光不正的算法框架，在第四部分中我们总结本系统的特点和提供了未来进一步的研究工作。
2 系统设计思路
本系统主要设计目标是使用数字影像系统取代人眼观察，使在传统视网膜检影验光中，检查者直接观察到的被检者眼底反射光影转化为视频图像显示于液晶屏幕上，通过影像识别程序判断影动性质（顺动、逆动、不动、剪动），提示检查者有无近视、远视和散光，再通过液晶屏的数字显示标记来确定被检者的屈光不正参数，如散光轴向，来方便远程家庭检查者、医生更加准确地观察判断被检者屈光不正度数。
根据设计目标，屈光不正数字影像识别系统由图像采集装置、光源、模拟眼、机械装置、PC机、显示装置组成。其中图像采集装置视觉传感器由CCD视觉传感器、镜头组成。如图1所示。
光源来自传统带状光检影镜，机械装置由调节装置、固定底座、固定支架、运动滑轨组成，机械装置将视觉传感器、光源组合起来，通过调节装置可调整图像采集装置和光源的位置和角度，通过移动模拟眼支架在滑轨中的位置可以调节模拟眼与图像采集装置之间的工作距离，在X86平台的PC机上运行识别软件，对图像传感器采集的模拟眼图像进行分析。
带状光检影镜将带状光投射到模拟眼上，CCD图像采集装置采集到模拟眼图像后，传送到PC机上，识别软件将模拟眼识别为“正常”、“散光”、“远视”、“近视”四种状态，并将四种状态输出显示。系统数据流图如图2所示。
3 系统处理流程
3.1 总体流程
一种屈光不正的数字化影像识别方法过程可以简单表示如下：
1）将带状光光源投射到人眼上，驱动带状光光源沿水平方向运动，采用CCD图像采集装置对人眼拍照，连续获取多帧原始灰度图像数据；
2）对单帧原始灰度图像数据进行眼球反射光带重心识别处理，得到眼球反射光带的重心位置Peye_ctr（x，y），并放入眼球重心序列；
3）对单帧原始灰度图像数据进行带状投射光带重心和最小外接矩形识别处理，得到带状投射光带最小外接矩形的顶点坐标Rectlight（P0（x，y）， P1（x，y）， P2（x，y）， P3（x，y））和带状投射光带的重心位置Plight_ctr（x，y），并将带状投射光带的重心位置放入光带重心序列；
4）对单帧原始灰度图像数据进行眼球反射光带角度识别处理，得到眼球反射光带的角度值∮eye；
5）对步骤3处理得到的带状投射光带的最小外接矩形的顶点坐标Rectlight（P0（x，y）， P1（x，y），P2（x，y）， P3（x，y））进行处理，得到带状投射光带的角度值∮light；
6）对步骤四得到的眼球反射光带的角度值∮eye和步骤五得到的带状投射光带的角度值∮light进行比较，若眼球反射光带的角度值∮light和带状投射光带的角度值∮eye的差值大于预设阈值，则作为散光处理；
7）对经过步骤二处理得到的眼球重心序列进行运动位置识别处理，若判断为不动，作为正视处理，否则，得出眼球重心序列的运动方向，包括以下内容：
对由连续n帧（n>1）原始灰度图像数据经过步骤二处理后得到的眼球反射光带的重心位置序列Peye_ctr（xi，yi） （其中i=1…n）进行运动位置识别处理，若任意眼球反射光带的重心位置Peye_ctr（xi，yi）与眼球反射光带重心位置序列的平均值Peye_ctr0 = ∑Peye_ctr（xi，yi） / n （其中i=1…n）之间的差值的绝对值Diffeye（i） = " Peye_ctr（xi，yi） - Peye_ctr0 |小于预设阈值，则可判别为不动，作为正视处理；否则，可得出连续n帧眼球反射光带的运动方向（向左或向右），即眼球重心序列的运动方向（向左或向右）；
8）对经过步骤三处理得到的光带重心序列进行运动位置识别处理，若判断为不动，作为错误识别处理，否则，得出光带重心序列的运动方向，包括以下内容：
对由连续n帧（n>1）原始灰度图像数据经过步骤三处理后得到的带状投射光带的重心位置序列Plight_ctr（xi，yi） （其中i=1…n）进行运动位置识别处理，若任意带状投射光带的重心位置Plight_ctr（xi，yi）与带状投射光带重心位置序列的平均值Plight_ctr0 = ∑Plight_ctr（xi，yi） / n （其中i=1…n）之间的差值的绝对值Difflight（i） = | Plight_ctr（xi，yi） - Plight_ctr0|小于预设阈值，则可判别为识别错误；否则，可得出连续n帧（n>1）带状投射光带的运动方向（向左或向右），即光带重心序列的运动方向（向左或向右）；
9）对步骤7得到的眼球重心序列的运动方向和步骤八得到的光带重心序列的运动方向进行比较，两个运动方向一致则判别为顺动，作为远视处理，两个运动方向不一致则判别为逆动，作为近视处理。
基于以上分析，整个系统流程框架如图3所示。
根据以上所述，在系统整个处理流程中，有四个步骤至关重要，即眼球反射光带的重心识别处理、带状投射光带的重心识别处理、带状投射光带的角度值识别处理以及眼球反射光带的角度值识别处理。
3.2 眼球反射光带重心位置识别处理
对单帧原始灰度图像数据进行眼球反射光带重心识别处理，得到眼球反射光带的重心位置，包括以下步骤：
1）对原始灰度图像数据进行图像二值化处理，得到眼球反射光带的二值化图像数据，有关图像二值化的详细内容请参见[11]；
2）对眼球反射光带二值化图像数据进行图像腐蚀处理，得到眼球反射光带二值腐蚀图像，有关图像腐蚀算法的更多内容，参见[12]；
3）对眼球反射光带二值腐蚀图像进行图像平滑处理，得到眼球反射光带平滑图像，有关图像平滑处理算法的更多内容，参见[13]；
4）对眼球反射光带平滑图像进行图像膨胀处理，得到眼球反射光带膨胀图像，有关图像膨胀算法的更多内容，参见[14]；
5）对眼球反射光带膨胀图像进行图像腐蚀处理，得到眼球反射光带腐蚀图像；
6）对眼球反射光带腐蚀图像进行最大连通域处理，若最大连通域不存在，则丢弃该帧图像，若最大连通域存在，则可计算出该最大连通域的最小外接矩形，从而计算出该最小外接矩形的重心位置即眼球反射光带的重心位置，并放入眼球重心序列。
根据上述步骤，简要介绍眼球反射光带重心位置问题，如图4所示。
3.3 带状投射光带重心及角度识别处理
对单帧原始灰度图像数据进行带状投射光带重心和最小外接矩形识别处理，得到带状投射光带的重心位置和最小外接矩形顶点坐标，并将带状投射光带的重心位置放入光带重心序列，包括以下步骤：
1）对原始灰度图像数据进行图像避位处理，得到带状投射光带避位处理图像数据，避位区域内的所有像素值置为0，避位区域将人眼眼球部分全部覆盖；
2）对带状投射光带避位处理图像数据进行图像二值化处理，得到带状投射光带的二值化图像数据；
3）对带状投射光带二值化图像数据进行图像腐蚀处理，得到带状投射光带二值腐蚀图像；
4）对带状投射光带二值腐蚀图像进行图像平滑处理，得到带状投射光带平滑图像；
5）对带状投射光带平滑图像进行图像膨胀处理，得到带状投射光带膨胀图像；
6）对带状投射光带膨胀图像进行图像腐蚀处理，得到带状投射光带腐蚀图像；
7）对带状投射光带腐蚀图像进行最大连通域处理，若最大连通域不存在，则丢弃该帧图像，若最大连通域存在，则可计算出该最大连通域的最小外接矩形，从而计算出该最小外接矩形的顶点坐标和该最小外接矩形的重心位置即带状投射光带的重心位置，并将带状投射光带的重心位置放入光带重心序列。
基于以上分析，带状投射光带重心及角度识别处理流程如图5所示。
3.4 眼球反射光带角度识别处理
对单帧原始灰度图像数据进行眼球反射光带角度识别处理，得到眼球反射光带的角度值，包括以下步骤：
1）对原始灰度图像数据进行图像二值化处理，得到眼球反射光带的二值化图像数据；
2）对眼球反射光带二值化图像进行图像膨胀处理，得到眼球反射光带的膨胀图像数据；
3）对眼球反射光带膨胀图像数据进行最佳二值化阈值处理，得到眼球反射光带最佳二值化阈值图像；
4）对眼球反射光带最佳二值化阈值图像进行直线拟合处理，若不存在满足条件的最长线段，则丢弃该帧图像，若存在满足条件的最长线段，则可计算出该最长线段与水平线的夹角即眼球反射光带的角度值。
基于以上分析，眼球反射光带角度识别处理流程如图6所示。
4 结论
本文将数字影像技术与传统光学设备的进行结合，提出了一种新的数字化影像识别方法代替人工进行诊断，该方法可应用于远程筛查人眼屈光不正。该系统由摄像头（透镜）、CCD芯片、显示器等组成，通过数字影像系统取代人眼观察，可将眼底影动显示于液晶屏幕上供检查者观察。同时系统辅助影像识别程序设计，将采集到的眼底影动电信号，通过计算编程识别，自动判断影动性质、显示屈光不正性质（近视、远视及散光），可供非专业人士使用。该系统除了可以对人眼屈光不正进行有效的筛查外，它还能解决了视网膜检影验光法一直以来存在的主要两个问题：
其一，解决了学习视网膜检影验光法较难的现状。眼科医生和验光师只能靠经验来掌握该项临床检查技能，依靠语言和示意图进行交流，难免出现交流理解上的差异。
其二，解决了视网膜检影的昏暗环境所造成眼科医生、验光师以及患者的不适，特别是儿童易在昏暗环境中感受到恐惧，以致不能有效配合屈光检查的问题。
本系统具有非常显著的经济效益和社会效益，对于家庭，该技术能方便家庭成员使用，随时观察家庭成员（特别是儿童和青少年）的屈光不正，如有问题可及时就诊，给予矫治，避免屈光性弱视的发生；对于临床工作，该技术能提高眼科医师、验光师以及全科医师检影验光的工作效率和准确率。在本系统中患者眼底影动图像、视频可以存储，并可通过有线网络传输影像资料，以供临床医生共享资料或远程诊断。
尽管本文提出的屈光不正的数字化影像识别方法有着上述优势，但未来的研究还须在两个点上着力。一方面，没有对算法进行深度的理论研究。另一方面，在目前的工作中，系统只解决了屈光不正检测的效率问题，对屈光不正检测的准确率还有待进一步研究和验证等。
参考文献：
[1] 娄志武，唐剑波，陆莉，等.小瞳检影法在学龄前儿童弱视筛查中的应用[J].浙江预防医学，2012，24（1）：57-58.
[2] 张宁，陶晗，张春丽，等.近视性学龄前儿童复方托吡卡胺与阿托品散瞳后检影验光的比较性研究[J].中国妇幼保健，2011，2（26）：222-223.
[3] 刘博，郑志刚，方燕.检影验光在圆锥角膜筛查与诊断中的应用研究[J].大连医科大学学报，2012，34（3）：252-256.
[4] 杨小红，郭瑞，尹东明.早产儿及早产儿视网膜病变婴幼儿屈光状态的临床分析[J].实用医学杂志，2013，29（16）：2660-2662.
[5] 曹宜，廖孟.视力低常的学龄前儿童屈光状态分析[J].重庆医学，2009，38（1）：62-63.
[6] 李灿，陈潇，王恩洪，等.不同类型老年性白内障屈光状态变化观察[J].重庆医学，2011，40（6）：571-572.
[7] 赵丹妮，李平华.5～13岁儿童屈光不正状态的预测分析[J].重庆医学，2013，42（31）：3798-3800.
[8] 叶良，王晓幸，蔡显峰，等.基于数字化技术改造的检影验光理论的教学应用[J]. 健康研究，2010，30（2）：159-161.
[9] 金晨晖，滕坚. 新型检影模拟眼的设计理论分析[J].中国组织工程与临床康复，2009，1（1）：50-52.
[10] 金晨晖，滕坚，张艳玲，等. 基于数字影像技术的视网膜检影验光装置的实验研究[J]. 中国医学装备，2014（12）.
[11] 楚亚蕴，詹小四，孙兆才，等.一种结合方向信息的指纹图像二值化算法[J].中国图象图形学报，2006（6）：856.
[12] 李晓飞，马大玮，粘永健，等.图像腐蚀和膨胀的算法研究[J].影像技术，2005（1）：37-39.
[13] 梁一江，图像平滑处理方法初探及简单的算法介绍[J].才智，2009（4）：133-135.
[14] 桑庆兵，梁狄林，吴小俊，等.基于膨胀的梯度结构相似度图像质量评价方法[J].计算机科学，2014（6）：287-290.
