一种基于MATLAB的临床瞳孔孔径测量方法.pdf

28医疗装备 2024 年 4 月第 37 卷第 7 期 Medical Equipment,April.2024,Vol.37,No.7一种基于 MATLAB 的临床瞳孔孔径测量方法陈慧茜1，周文博2，3，袁莹11南部战区海军第一医院（广东湛江524009）；2解放军第九一三八八部队（广东湛江 524022）；3国防科技大学计算机学院（湖南长沙410073）摘要医护人员可通过观察患者瞳孔孔径大小及其动态变化，实现对昏迷、中毒、心衰、颅脑损伤等多种病症判断。瞳孔检查具有客观、无创、易操作的优点，已成为临床常用的疾病检测手段。目前，临床主要采用目测或瞳孔尺进行瞳孔状态的主观评测，虽操作简单，但存在检测灵敏度低、测量精度不高、测量值可复现性差等缺点，特别是当急危重症患者的瞳孔尺寸发生微小变化时，难以准确及时地监测瞳孔状态，导致患者错过最佳治疗窗口期。针对传统图像处理方法中瞳孔孔径测量精度受伪边界点干扰问题，该研究以MATLAB 作为瞳孔图像处理软件平台，采用图像灰度转化、高斯滤波去噪、二值化处理、边缘检测等步骤得到瞳孔轮廓坐标，通过构建伪边界点检测模型实现伪边界点的准确剔除，并在此基础上采用最小二乘圆拟合算法实现瞳孔孔径计算。实验结果表明，与传统方法相比，该研究方法可有效降低外界干扰对瞳孔孔径测量的影响，测量准确度较传统方法最低提升约6.1%，测量时间较传统方法最低减少约 0.52 s，具备较高的临床应用价值。关键词瞳孔；伪边界点；最小二乘圆拟合；hough 变换；准则中图分类号TP391 文献标识码B 文章编号1002-2376（2024）07-0028-04DOI10.3969/j.issn.1002-2376.2024.07.007收稿日期：2023-09-20医学工程A Clinical Pupil Aperture Measurement Method Based on MATLABChen Huiqian 1,Zhou Wenbo 2,3,Yuan Ying 1.1 First Naval Hospital of Southern Theater Command,Zhanjiang Guangdong 524009,China;2 No.91388 Troops of PLA,Zhanjiang Guangdong 524022,China;3 School of Computer,National University of Defense Technology,Changsha Hunan 410073,China【Abstract】The diagnosis of various diseases such as coma,poisoning,heart failure,and traumatic brain injury can be achieved by the medical staffs observation of the pupil aperture size and its dynamic changes.With the advantages of objectivity,non-invasive,and easy operation,pupil examination has become one of the commonly used disease detection methods in clinical practice.At present,visual or pupil rulers,as subjective evaluation methods for pupil status in clinical practice,are simple to operate,but they have disadvantages such as low detection sensitivity,low measurement accuracy,and poor reproducibility of measurement values.Especially when the pupil size of critically ill patients undergoes minor changes,it is difficult to accurately and timely monitor the pupil status,which can lead to patients missing the optimal treatment window period.In response to the problem of pseudo boundary point interference in the accuracy of pupil aperture measurement,in this study,with the use of MATLAB as a software platform for pupil image process，image gray conversion,gaussian filtering denoising,binarization processing,edge detection and other steps were used to obtain the pupil contour coordinates.In addition,accurate removal of pseudo boundary points was achieved by constructing a pseudo boundary point detection model,and on this basis,the least squares circle fitting method was used to calculate the pupil aperture.The experimental results showed that compared with traditional methods,this research method can effectively reduce the impact of external interference on pupil aperture measurement.The measurement accuracy was improved by about 6.1%compared to traditional methods,and the measurement time was reduced by about 0.52 seconds compared to traditional methods,with a high clinical application value.【Key words】Pupils;Pseudo boundary points;Least squares circle fitting;Hough transform;criterion29医疗装备 2024 年 4 月第 37 卷第 7 期 Medical Equipment,April.2024,Vol.37,No.7人眼虹膜中央颜色较深且呈圆形形状的区域为瞳孔。瞳孔孔径变化与人体病症间存在相关性，可为青光眼、视网膜色素病变、颅内高压等多种疾病的治疗提供临床依据1-4。因此，瞳孔检测可为医护人员诊断疾病提供科学有效的技术支撑，确保患者得到及时预防、治疗及术后康复指导，有效提高医护人员的治疗和护理水平，减轻患者病痛，具有重要的临床理论与实用价值5。党媛媛等6提出了一种基于灰度积分投影与 Hough 变换圆检测算法的人眼瞳孔检测方法，与传统目测或瞳孔尺测量方法相比，其测量准确度高，且易于实现自动化监测，但 Hough 变换圆检测算法需对每个边界点求出所有可能的解，并对每组解进行统计投票，将得票数最高的解作为瞳孔孔径计算值，运算量大、复杂度高，在实现瞳孔孔径动态测量方面7对硬件平台的运算性能要求较高，使用成本较高。现有的瞳孔测量方法均存在较多缺陷7-9。因此，本研究提出了一种基于 MATLAB10的临床瞳孔孔径测量方法，以实现瞳孔孔径的准确测量，现报道如下。1 基于 MATLAB 的临床瞳孔孔径测量方法该方法以MATLAB为瞳孔图像处理软件平台，通过图像灰度化处理、高斯滤波去噪、图像二值化处理、边缘检测等步骤获得瞳孔轮廓坐标，根据瞳孔边界点、伪边界点与瞳孔中心的偏离程度不同，通过构建的伪轮廓点检测模型实现伪轮廓点剔除，实现瞳孔孔径的准确测量。1.1 图像灰度转化人眼图像通常色彩丰富，图像数据存储量大，为减少不必要的背景色彩对瞳孔轮廓提取的影响与干扰，进一步降低人眼图像存储量，提高算法计算效率，本研究采用 MATLAB 软件中的 rgb2gray()函数对所获取的人眼图像进行灰度化处理。rgb2gray()函数通过消除色调和饱和度信息，同时保留亮度的方法将图像转换为灰度图。人眼图像11经灰度化处理后如图 1 所示。图 1灰度处理后人眼图像1.2 图像滤波去噪电子图像不可避免会存在图像噪声，为减小图像噪声对后续计算的影响。本研究采用高斯滤波去噪方法对灰度化的瞳孔图像进行降噪处理。高斯滤波去噪是以某 1 像素为中心，在该像素周围选择 1 个矩形邻域，对邻域内像素的灰度值进行高斯正态分布统计，并分配对应的权值系数，然后以邻域内所有点的加权均值来代替原像素值，通过降低噪声点与周围像素点的差值来去除噪声点。本研究采用 matlab 软件中的 imgaussfilt()函数对所获取的瞳孔图像进行去噪处理。高斯滤波效果如图 2 所示。图 2高斯滤波去噪的人眼灰度图像1.3 图像二值化处理图像二值化处理是指将图像像素点的灰度设置为 0 或 255，使图像呈现出黑白效果的过程。二值化处理可使图像纹理变得简单，进一步减小数据存储量且能在一定程度上能凸显感兴趣目标，有利于目标轮廓的后续提取。本文采用 matlab 软件中的imbinarize()函数实现瞳孔灰度化图像的二值化处理。图像二值化效果如图 4 所示。图像经二值化处理后，人眼瞳孔区域得到有效保留，有效避免了巩膜、眉毛、眼睑等部位像素对后续瞳孔轮廓提取的干扰。图 4人眼高斯滤波去噪图像二值化处理效果图1.4 瞳孔轮廓边缘检测在对瞳孔实现二值化处理的基础上，本研究采用 edge()函数检测瞳孔的边缘，得到瞳孔边界点数据集N=xi，yi，in；其中参数xi代表第i个边界点的横坐标，参数 yi代表第 i 个边界点的纵坐标，参数 n 代表边界点的总个数。本研究采用经典的 canny 算子12实现瞳孔边缘检测，瞳孔轮廓检测效果如图 5 所示。30医疗装备 2024 年 4 月第 37 卷第 7 期 Medical Equipment,April.2024,Vol.37,No.7 图 5瞳孔轮廓边缘检测效果图1.5 基于 3 准则的伪边界点检测模型高斯滤波并不能完全剔除图像噪声，二值化处理的瞳孔图像由于噪声影响存在明显偏离瞳孔轮廓的边界点，传统方法采用含有伪边界点的坐标数据计算瞳孔孔径将会导致较大误差9。为减小伪边界点坐标数据对瞳孔孔径计算的影响，本研究构建了基于 3 准则13的伪边界点检测模型，模型根据瞳孔边界点、伪边界点与瞳孔中心的偏离程度不同，通过 3 准则剔除伪边界点，包括 5 个步骤。第一，对数据集 N=xi，yi，i n（参数 xi代表第 i 个边界点的横坐标，参数 yi代表第 i 个边界点的纵坐标，参数 n 代表边界点的总个数），进行最小二乘圆拟合，由式（1）（6）求解得到瞳孔中心坐标估计初值（A，B），A 代表瞳孔中心坐标估值的横坐标，B 代表瞳孔中心坐标估值的纵坐标。A=-0.5HD-EGCG-D2B=-0.5HC-EDD2-GC（1）其中，参数 C、D、E、H、G 的取值如式（2）（6）进行计算。C=n ni2-xi xini=1ni=1ni=1（2）D=n xi yi-xi yini=1ni=1ni=1（3）E=n xi3+n xi yi2-（x2+y2）xini=1ni=1ni=1ni=1（4）G=n yi2-yi-yini=1ni=1ni=1（5）H=n xi2 yi+n yi3-（xi2+yi2）yini=1ni=1ni=1ni=1（6）第二，根据式（7）求解单个边界点 xi，yi 到瞳孔中心坐标估值（A，B）间的距离 di，得到所有边界点的距离数据集合 D=di，0 i n。di=（xi-A）+（yi-B）i n（7）第三，根据式（8）求解距离di的均值d和方差。第四，采用 3 准则，即式（9），判断集合N=xi，yi，0 i n 是否存在异常边界点。当第i 个 xi，yi 边界点到瞳孔中心坐标估值（A，B）的距离 满足式（9）时，判定该点为伪边界点，将该边界点的坐标数据从集合 N 中剔除，重复第一至四；当集合N中所有边界点的距离值都不满足式（9）时，说明已经完全剔除集合 N 中的伪边界点，得到不含伪边界点的集合N=xi，yi，0i n，其中，n n。d=di1n=ni=11n-1（di-d）2（8）|di-d|3（9）第五，对数据集 N，进行最小二乘圆拟合由式（10）求解得到瞳孔孔径 R。R=A2+B2-F （10）其中，参数 F 的计算方法如式（11）所示。F=（xi2+yi2）+2A xi+2B yinni=1ni=1ni=1（11）2 实验验证2.1 实用性验证本研究采用联想E580笔记本电脑作为硬件平台，平台安装 64 位 Win10 操作系统，CPU 的主核频率为2.7 GHz、内存为 16 GB。本研究采用 MATLAB2018A编写程序进行实验，对采集到的瞳孔图像进行灰度转化、高斯滤波、二值化处理、边缘检测等步骤得到瞳孔轮廓坐标，通过构建的伪边界点检测模型实现伪边界点的准确剔除。最终，瞳孔孔径测量情况如图 6 所示。为验证本研究算法的实用性，采用含有光斑、遮挡、暗光等因素干扰的瞳孔图像14-16进行测试，结果显示，本研究方法可在光斑、遮挡、暗光等干扰条件下测量瞳孔孔径，见图 79。图 6瞳孔孔径测量情况图 7光斑干扰下的测量情况31医疗装备 2024 年 4 月第 37 卷第 7 期 Medical Equipment,April.2024,Vol.37,No.7图 8翼状胬肉遮挡下的测量情况图 9暗光条件下的测量情况2.2 算法性能验证为对比算法的性能，从中科院虹膜数据库中每次随机抽取 15 张图片，累计抽取 20 次，分别使用本研究方法、文献 6 和文献 9 方法对抽取到的包含光斑、遮挡、图像模糊等不同情况下的图片进行测量，对比 3 种瞳孔孔径测量方法的平均测量准确度和平均测量时间。其中，平均准确度的计算方法如下：（1）分别采用 3 种方法求解到单张图像的瞳孔中心坐标（A，B）和瞳孔半径r；（2）根据3种方法分别获取到的瞳孔边界点坐标 N=xi，yi，0 i n；求解得到瞳孔中心坐标（A，B）到瞳孔所有边界点距离的均值 d和方差；（3）采用 3 准则判断 3 种方法计算得到的瞳孔半径 r 是否为准确值，当瞳孔半径 r 不满足 3 准则时，则判定r为测量准确值，否则为错误值；（4）统计3种方法总测量次数和测量准确次数，计算平均测量准确度。3 种瞳孔孔径测量方法的测量结果如表 1 所示。与传统测量方法相比，本研究方法的平均测量准确度最低提高约 6.1%，平均测量时间最低减少约 0.52 s。表 13 种瞳孔孔径测量方法结果比较方法平均测量准确度（%）平均测量时间（s）文献 693.20.98文献 992.50.86本研究方法98.30.343 结论本研究提出的基于 MATLAB 的临床瞳孔孔径测量方法，根据瞳孔边界点、伪边界点与瞳孔中心的偏离程度不同，采用 3 准则实现瞳孔伪边界点剔除，进一步采用最小二乘圆拟合算法计算得到瞳孔准确孔径，可有效降低伪边界点对孔径测量的影响，明显提升测量准确率和测量时效性，可满足临床瞳孔孔径准确测量的需求。参考文献1 叶炜.瞳孔检查与青光眼损伤的相关性研究D.南昌：南昌大学，2019.2 樊晓蕊，李书剑，李玮，等.神经元核内包涵体病伴视网膜色素变性1例 J.中国临床案例成果数据库，2022，4（1）：E06573-E06573.3 吴友红，黄学才.渗透疗法对重型颅脑损伤合并颅内高压患者瞳孔反应性的影响 J.护士进修杂志，2021，36（22）：2058-2061.4 程科.有创动态颅内压监测在重度颅脑损伤治疗中的临床应用 D.芜湖：皖南医学院，2019.5 师琳，吴春双，张茂.自动瞳孔测量技术在急危重症应用的研究进展 J.医学综述，2021，27（21）：4279-4284.6 党媛媛，华侨，陈兆学.基于灰度积分投影与霍夫圆变换算法的人眼瞳距自动检测 J.计算机系统应用，2022，31（7）：259-264.7 白若冰.便携式瞳孔监测仪监测瞳孔对光反射与颅内压关系的研究 D.兰州：甘肃中医药大学，2018.8 张慧敏，罗珮允，隋建峰.基于图像处理的瞳孔大小检测算法研究 J.半导体光电，2017，38（1）：136-141.9 王鹏，陈园园，邵明磊，等.基于眼动跟踪的智能家居控制器 J.电机与控制学报，2020，24（5）：151-160.10 茅晓栋.基于 MATLAB 的微量注射泵证书生成与数据管理软件的设计 J.医疗装备，2022，35（23）：27-30，34.11 Daniel Boschung.借助机械臂拼接拍摄9亿像素人脸照片 J/OL.2014-03-18.https:/ 曹燕妮.基于高斯滤波器的 Canny 边缘检测算法在医学图像中的应用 J.中国地方病防治杂志，2019，34（5）：532-533.13 周文博，张勇，孙良义，等.一种改进的无线传感器网络节点定位算法研究 J.舰船电子工程，2021，41（5）：53-57.14 Jgade.Red Human eye DB/OL.2023-09-18.https:/ 贾宝玉.看图知健康翼状胬肉J/OL.2020-03-30.https:/ CASIA Iris Image Database DB/OL.2023-09-18.http:/biometrics.idealtest.org/findTotalDbByMode.do?mode=Iris#/datasetDetail/2.