灰度图像校正在视网膜内源光信号探测中的应用

张洁瑞1,郭学谦2,马丽萍2,侯钧杰1,邵双运1

1. 北京交通大学 理学院,北京 100044;2.首都医科大学 生物医学工程学院,首都医科大学临床生物力学应用研究北京市重点实验室,北京 100069

[摘 要]目的 对视网膜内源光信号的图像进行预处理,消除测试眼因眨眼抖动而产生的图像位置偏移;降低因图像灰度不均匀而产生的背景噪声。方法 本文首先采用归一化相关系数匹配法对图像进行配准,然后采用灰度线性变换对获取的图像进行灰度校正,最后提取视网膜黄斑区的内源光信号。结果 灰度图像校正能有效提高内源光信号的相对强度,波谷幅度相对处理之前增强两倍(5%提高到12%;12%提高到26%);还可以改善内源光信号变化曲线,能观察到更多的信号细节变化。结论 文中方法与已有文献中的结果相似,说明该方法是有效可靠的,为探索信号生理学意义奠定了基础。

[关键词]光学成像;灰度处理;内源光信号;信号探测;视网膜

引言

就世界范围内来看,老年性黄斑变性、糖尿病视网膜病变、青光眼等眼疾已经给患者带来了很大困扰,其中青光眼的致盲率居世界第二[1]。而这些致盲性眼病与视网膜感光细胞或内层视网膜神经的病理生理性改变有关[2],在患者检查出视野缺损之前,已有大量的视网膜节细胞凋亡,造成了永久性的损伤,因此探寻一种具有高时空分辨率的方法,来对视网膜进行早期诊断,对预防和治疗视网膜病变具有重要意义。

目前国内外对视网膜临床诊断及功能评价的主要方法有视野检查、电生理检查、光学检查和光学成像,但这些方法都存在未能解决的问题。视野检查可用于反映除黄斑区之外其他区域的视网膜功能,通过观察视野缺失与否来判断视网膜功能是否完整,但是当神经节细胞丧失大于50%以上时,视野才发生改变,即无法进行早期诊断,并且无法确定是何种眼疾引起的视野缺失;电生理检查可以测量到视网膜功能性活动引起的电位变化,但是空间分辨率低,不能得到视网膜的微观形态[3];光学检查方法如眼底镜检查可以提供高空间分辨率的视网膜图像,反映由于视网膜病变带来的视网膜形态的改变,但是,视网膜结构性变化和功能性变化之间并非总是关联的[4];光学成像中,以光学相干层析成像技术为主[5],一些光学成像技术被广泛地应用于生物组织无损成像中,这些技术具有纵向的高空间分辨率,但极易受眼球移动影响。

综上所述,当前临床上还没有一种客观有效的检查方法可以在视网膜病变早期评价视网膜的功能损伤。对于很多眼科疾病来说,早期诊断有助于降低致盲率。

内源光信号探测技术就是一种无创非接触高时空分辨率的光学探测方法[6-8]。内源光信号是在对组织不施加荧光标记和染色物质等任何外源性条件的情况下,组织本身由于吸收和散射的变化而产生的光学信号变化[9-11]。它的原理是利用内源光信号的变化,采用非接触性光学探测方法对生物组织进行直接探测,具有高时间分辨率和空间分辨率特征,它直接探测由生物组织反射、散射或者透射光信号的变化,不会影响生物体的正常活动,能够同时探测视网膜结构变化和功能变化。内源光信号的变化是由于神经系统的反应而带来的多重代谢变化,如毛细血管的血容量变化,血红蛋白的含氧水平变化,及细胞对红外光的散射的变化等[11]。这种反应可以由电荷耦合器件记录,不需要外加探测器。因此内源光信号的探测技术可用于视网膜等组织的非接触性光学探测。

人眼视网膜内源光信号的探测对于临床研究具有重要意义[12]。但对于在体人眼视网膜来说,存在多种影响因素造成的噪声,包括头部的稳定性、瞳孔位置的改变、与心跳呼吸相关的变化等。当眼球存在微小运动时,由于照明光范围有限,光束相对瞳孔入口位置和角度发生变化,会导致最后获取图像背景亮度改变,形成背景噪声。这种噪声对所需要探测的黄斑区中心凹处的内源光信号造成影响,干扰正常的信号探测。现有研究提出可运用外部固定方式和硬件视网膜跟踪系统来消除噪声,但这些方式复杂性和成本较高,且不适用于广泛测试[5]

综上所述,运用内源光信号进行人眼视网膜探测过程中,存在因为无法控制眼球移动而带来的噪声,且尚未有较好的解决方法[13-17]。本文利用改造的海德堡视网膜脉络膜同步血管造影仪Ⅱ对视网膜进行光学探测及成像,采用归一化互相关系数匹配法对图像进行配准后,采用灰度线性变换对获取的图像进行灰度校正,最后提取视网膜黄斑区的内源光信号。实验结果表明,该灰度处理方法可以消除因眼球移动等原因造成的光照不均匀所引起的图像背景噪声,得到较为理想的内源光信号,且我们得到的内源光信号与Tsunoda等[18]报导的用视网膜电图记录的光刺激下视网膜光反射率的变化趋势相似,说明我们的方法是有效可靠的,为探索信号生理学意义奠定了基础。

1 内源光信号的探测

1.1 实验装置及方法

本文采用改造过的视网膜脉络膜同步血管造影仪(图1)的近红外光普通眼底成像功能来获取视网膜图像[6]。将刺激光源固定在测试眼正前方,为测试眼提供可见光刺激,并在测试眼左侧固定荧光光源,供非测试眼注视,以减小眼球移动的范围与频率。

图1 海德堡视网膜脉络膜同步血管造影仪Ⅱ

照明光源为波长是808 nm的红外光(Near-Infrared Ray,NIR),刺激光源采用LED可见光:黄光(中心波长为585 nm)、绿光(中心波长为475 nm),具体时序,见图2。

图2 探测时序图

实验过程中,NIR作为照明及记录光源持续亮起10 s,LED在图像采集开始1.5 s后亮起并持续0.5 s,提供可见光刺激信号,造影仪对视网膜图像进行探测并存储在硬盘中。视网膜探测持续时间为10 s,共获得约87张视网膜序列图像。

2 图像处理及内源光信号的提取原理

2.1 图像匹配校准

由于测试对象眼球的运动,采集到的图像中黄斑区的位置发生抖动,为使序列图像中的黄斑区位置都处在同一参考系的同一位置,我们采用归一化相关系数匹配法对图像进行配准,选取一幅基准图像,以基准图像的黄斑区作为基准点对其余图像进行匹配校准,以降低眼球运动对内源光信号的影响。

匹配之前,需要先将图像转换为灰度图,运用归一化互相关(Normalized Cross Correlation,NCC)算法计算模板图像和匹配图像的互相关值,来确定匹配的程度,NCC是一种基于统计学计算两组样本数据相关性的算法,其取值范围为[-1,1]之间,而对图像来说,每个像素点都可以看作是色域数值,这样整幅图像就可以看成是一个样本数据的集合,如果它有一个子集与另外一个样本数据相互匹配则它的NCC值为1,表示相关性很高,如果是-1则表示完全不相关,基于这个原理,实现图像基于模板匹配识别算法,其中第一步就是要归一化数据,数学公式如下:

其中f 表示像素点的灰度值;μ表示图像所有像素平均值;σ表示标准方差,假设t表示基准图像像素值,则完整的NCC计算公式表示如下:

其中n表示基准图像的像素总数;n-1是自由度。

2.2 灰度校正原理

本文采用线性运算对图像进行灰度校正,这样的运算可以表示为:

其中,A(x)为原始图像灰度;B(x)为线性变换后图像的灰度;c与d为变换常数;c的变化影响整个图像的对比度;d的变化改变整张图像的灰度值[16]

实验图片的灰度校正流程,见图3。首先对图像进行分析,找出整个实验序列图像中的每张图像黄斑区的位置和参考区域的位置,见图4。参考区域位置要求选为没有内源光信号变化的区域(图4白色实线框区域)。对视网膜图像来说,视盘区域没有内源光信号的变化。其次,算出前5张图像的4个参考区域的灰度均值,该均值作为基准,与待校准的4个参考区域进行比较,采用最小二乘法对灰度进行线性拟合,得到公式(3)的校准参数c和d,确定灰度线性变换函数;然后,将图像的黄斑区灰度代入拟合出的线性变换函数(3)中,实现该图像的灰度校正。最后对校正过的图像进行处理,得到黄斑区在光刺激前后的内源光信号变化情况。

图3 灰度校正流程

图4 图像黄斑区及参考区选取示意图

注:白色虚线框为选取的黄斑区,白色实线框为选取的参考区。

2.3 内源光信号的提取

为了提取视网膜的内源光信号,将可见光刺激前的10幅图像取平均得到I,作为提取内源光信号的基准光强。每幅图像的光强减去基准光强得到变化光强,即:

则视网膜内源光信号的变化可表示为:

其中:It(x, y)是t时刻获取的视网膜图像中的一点(x,y)的光强,Iref(x,y)是基准光强,可表示为:

本文采用公式(4)获得序列图像的相对光强变化,再利用公式(5)得到视网膜上每一点的内源光信号。

3 信号分析及讨论

为消除被测眼球移动对信号的影响,我们选取一幅基准图像来对其余图像进行位置校准,以基准图像的黄斑区作为基准点对其余图像进行匹配校准,使序列图像中的黄斑区位置都处在同一参考系的同一位置,见图5。

配准后的图像黄斑区都处在同一位置,为视网膜同一位置的内源光信号的提取奠定了基础(图5)。

由于测试对象眼球的运动及自然眨眼,造影仪获得的序列图像,会出现因眼球运动及自然眨眼带来的图像背景灰度的改变,这在一定程度上影响对内源光信号的探测和分析,需要对图像进行灰度校正,降低灰度变化对内源光信号的影响。

图像进行灰度校正前后对比图,见图6。可以看出,校正前后的图像灰度值变化并不大,但图像更加清晰,能看到视网膜血管更多的细节结构,视网膜黄斑区也更加明显。

按照上文3.3公式(5)所介绍的内源光信号的提取方法,得到视网膜内源光信号的变化,见图7。纵坐标为内源光信号(,变化光强与基准光强比值),横坐标为时间。

校正后的内源光信号比校正前的信号峰值有所增加,图7c峰值由5%增加到12%,图7d峰值增加由12%到26%。灰度校正前后,视网膜黄斑区内源光信号的趋势相似,但由于背景变化的影响,校正前受到刺激后光信号的变化不明显如图7a,c(黑色实线框),经过校正后发现,同一位置的内源光信号得到了明显增强,并且内源光信号的曲线变化得到了一定的改善,能够提取出一些细节信号的变化如图7b,d黑色实线框),为今后探究内源光信号的生理学意义奠定了基础。

图5 图像配准

注:a.配准前图像;b.基准图像,其中白色方框为基准点(黄斑区);c.配准后图像。

图6 图像进行灰度校正前后对比图

注:a为未经处理的原始图像,白色框标出区域为黄斑区,平均灰度为103.7180;b为进行灰度线性校正后的图像,白色框标出区域为黄斑区,平均灰度为99.6709。

4 结论

在运用视网膜脉络膜同步血管造影仪对人眼进行光刺激下视网膜内源光信号图像检测过程中,眼球的轻微移动就会造成视网膜图像位置的抖动及灰度变化,影响对黄斑区内源光信号的采集。本文通过采用归一化相关系数匹配法对图像进行配准后,采用灰度线性变换对获取的图像进行灰度校正,最后提取视网膜黄斑区的内源光信号。实验结果表明,经过校正后的图像获得的内源光信号与校正前内源光信号趋势相同,但信号增强且能观察到更加细节的信号变化,说明通过灰度线性变换对获得图像进行灰度校正能增加人眼视网膜内源光信号探测的准确性,降低背景灰度变化对内源光信号变化产生的干扰影响,为进一步探究视网膜内源光信号与视网膜生理学意义的关联提供了可能性。

图7 为可见光刺激下灰度校正前后视网膜图像内源光信号对比图

注:a~b为黄光(中心波长为585 nm)刺激下灰度校正前后视网膜图像的内源光信号;c~d为绿光(中心波长为475 nm)刺激下灰度校正前后视网膜图像的内源光信号。图像横坐标为探测时间,纵坐标为黄斑区内源光信号。

[参考文献]

[1] Yao XC,Li YC.Functional imaging of retinal photoreceptors and inner neurons using stimulus-evoked intrinsic optical signals[J].Retin Dev Meth Protoc,2012:277-285.

[2] Lima VC,Prata TS,De Moraes CGV,et al.A comparison between microperimetry and standard achromatic perimetry of the central visual fi eld in eyes with glaucomatous paracentral visual- fi eld defects[J].Brit J Ophthalmol,2010,94(1):64-67.

[3] 朱敏,李国培.视觉电生理联合对比敏感度检查对原发性开角型青光眼早期诊断的意义[J].临床眼科杂志,2011,1:34-36.

[4] Hirohara Y,Mihashi T,Kanda H,et al.Optical imaging of retina in response to grating stimuli in cats[J].Exp Eye Res,2013,109:1-7.

[5] Michel MT,Barry C,Mark JJP,et al.Impact of motionassociated noise on intrinsic optical signal imaging in humans with optical coherence tomography[J].Biomed Opt Express,2015,6(5): 1632-1647.

[6] Yang YH,Shao SY,Tian B,et al.Optical functional imaging of retina using stimulus-evoked intrinsic optical signals[J].Opt Health Care Biomed Opt,2014,6:1-6.

[7] Das A.Task-related responses in intrinsic-signal optical imaging[J].J Vision,2015,15(12):1415.

[8] Yao XC.Intrinsic optical signal imaging of retinal activation[J]. Jpn J Ophthalmol,2009,53(4):327-333.

[9] Li YC,Luo JM,Lu RW,et al.Dynamic intrinsic optical signal monitoring of electrically stimulated inner retinal neural response[J].J Mod Opt,2012,59(11):967-971.

[10] Hansen MB,Abràmoff MD,Folk JC,et al.Results of aut-omated retinal image analysis for detection of diabetic retinopathy from the Nakuru Study, Kenya[J].PloS one,2015,10(10): e0139148.

[11] Li YC, Strang C,Amthor FR,et al.Parallel optical monitoring of visual signal propagation from the photoreceptors to the inner retina layers[J].Opt Lett,2010,35(11):1810-1812.

[12] Tao J,Jian W,Zhong L,et al.Population response characteristics of intrinsic signals in the cat somatosensory cortex foll owing canine mechanical stimulation[J].Neuroscience, 2016,329:254-263.

[13] 孙劲光,张文斌,朱世安.图像灰度的处理方法及实现[J].辽宁工程技术大学学报(自然科学版),2002,21(3):340-341.

[14] 储颖,唐超伦,纪震,等.基于直方图信息和灰度偏移网格的数字减影图像灰度矫正算法[J].电子学报,2006,34(1):159-162.

[15] 焦亚冰.一种灰度模糊图像清晰化处理方法的实现[A].2011年亚太信息网络与数字内容安全会议(APCID2011)论文集[C].珠海:中国人工智能学会,2011:230-235.

[16] 林天圆,王杰,李金屏.一种光照不均匀图像的灰度校正方法[J].济南大学学报(自然科学版),2015,29(6):401-405.

[17] 靳雁霞.数字图像的灰度处理[J].测试技术学报,2004,18s: 97-100.

[18] Tsunoda K,Hanazono G,Inomata K,et al.Origins of retinal intrinsic signals: a series of experiments on retinas of macaque monkeys[J].Jpn J Ophthalmol,2009,53(4):297-314.

本文编辑 袁隽玲

Application of Gray Image Level Correction in the Detection of Intrinsic Optical Signals in Retina

Z H A N G J i e-r u i1, G U O X u e-q i a n2MA L i-p i n g2, H O U J u n-j i e1, S H A O S h u a n g-y u n1,

1.School of Science, Beijing Jiaotong University, Beijing 100044, China; 2.Beijing Key Laboratory of Fundamental Research on Biomechanics in Clinical Application, Capital Medical University, Beijing 100069, China

A b s t r a c t:Ob j e c t i v e The image of intrinsic optical signals (IOSs) was preprocessed to eliminate the image position offset caused by the blink of the test eye and to reduce background noise caused by image gray level uneven. Me t h o d s We have adopted the normalized correlation coefficient of registration for image registration. Then, the gray linear transformation was used to obtain image gray scale correction. Finally we extracted IOSs of the macular area in retinal. R e s u l t s Experimental results indicated that it could effectively improve the relative intensity of IOSs, trough amplitude was twice as high as the relative treatment (5% to 12%; 12% to 26%); in addition, we could observe more changes in signal details by improve the endogenous optical signal curve. C o n c l u s i o n The results we get are similar to the results of existing literature. Thus, the method is effective and reliable, which lay a foundation for exploring signal physiology significance.

K e y Wo r d s:optical imaging; gray scale; intrinsic optical signals; signal detection; retina

[中图分类号]R770.4;TN911.6

[文献标识码]B

doi:10.3969/j.issn.1674-1633.2017.07.015

[文章编号]1674-1633(2017)07-0051-05

收稿日期:2017-01-16

修回日期:2017-03-04

基金项目:北京市教育委员会科技计划一般项目(KM201610025010)。

通讯作者:邵双运,副教授,主要研究方向为光电检测技术、光学三维测量技术。

通讯作者邮箱:shao_sy@tom.com