基于图割及目标识别的瞳孔直径计算机辅助自动测量

摘要

瞳孔直径的大小以及变化是临床检测的重要指标，对瞳孔的定时定量监控可以反映生理觉醒、反映和评价自主神经活动、反映心率变化并实现无接触无损伤测量心率变异性。定量分析和评价瞳孔具有重要的临床意义，尤其是在急诊以及重症监护科室的检查与监控中。临床中，瞳孔直径的测量方式包括医生人工测量方式、红外瞳孔测量仪、角膜地形图、波前像差仪和超声生物显微镜等，以上瞳孔直径测量方法均要求患者配合医生做一定姿势的动作，并且需要拨开眼睑测量，不但测量不方便而且有可能造成患者的眼部二次损伤。而超声成像一直以来以其实时、廉价和无损伤的优势被广泛用于医学成像，利用超声对瞳孔进行成像可以解决以上测量方法中的不足。由于超声成像中存在的斑点噪声以及分辨率低的问题，因此要利用超声成像来测量瞳孔就需要研究一套准确稳定的超声组织分割方法。
　　本文提出了一种基于目标识别以及图割(Graph-Cut)的瞳孔直径自动测量算法，该算法首先利用梯度向量直方图(HOG)和支持向量机(SVM)训练分类器识别瞳孔位置，从而自动划分出感兴趣区域区域(ROI);接着在划分好的ROI中采用Graph-Cut算法分割瞳孔;最后在分割好的图像上测量瞳孔直径。本套算法可用于连续瞳孔图像的分割，从而可以得到瞳孔直径动态变化曲线。
　　由临床实验结果可知:本文直径测量算法的实验结果与医生人工测量结果的相关系数高达0.99，并且自相关系数最高可达0.999，表明本文直径测量算法对于瞳孔直径的临床定量检查与监控具有较高的可行性以及较好的稳定性，同时可以用于瞳孔直径动态监控。