一種基于活動(dòng)形狀模型算法的耳郭穴區(qū)定位方法

王逸卉 江淼 黃娜 溫軍玲

0 引言

祖國(guó)傳統(tǒng)醫(yī)學(xué)中，耳穴療法是中醫(yī)的重要組成部分。正如《靈樞·口問(wèn)篇》所言:“耳者,宗脈之所聚也”，人耳雖小，卻具有望耳診病、借耳治病的作用。通過(guò)刺激耳穴可以起到疏通經(jīng)絡(luò)、運(yùn)行氣血的功效。耳穴定位是治療的前提，但由于耳郭面積小，穴位多，人耳個(gè)體差異較大，導(dǎo)致耳穴的尋穴定位非常麻煩，一般由專業(yè)人士借助耳穴模型或特殊工具實(shí)現(xiàn)，常用的有觀察法、觸壓法、耳穴電探測(cè)法、耳穴染色法等[2-4]。在耳穴的傳統(tǒng)教學(xué)中，甚至還停留在徒手勾畫(huà)耳穴的階段。

根據(jù)最新的耳穴國(guó)家標(biāo)準(zhǔn)GB/T13734-2008[5]，耳穴主要以穴位所在解剖結(jié)構(gòu)的分區(qū)定位為主，區(qū)、點(diǎn)結(jié)合的方法命名與定位，共93個(gè)穴位，其中穴區(qū)76個(gè)。由此可見(jiàn)，耳穴的分區(qū)是耳穴定位的基本內(nèi)容之一，大部分耳穴都直接位于耳郭的各個(gè)分區(qū)內(nèi)，耳穴的分區(qū)對(duì)于耳穴的定位具有非常重要的意義。耳穴國(guó)家標(biāo)準(zhǔn)中規(guī)定，耳穴分區(qū)是依據(jù)解剖結(jié)構(gòu)將人耳分為耳輪、耳舟、耳甲、耳屏、對(duì)耳輪等9個(gè)大區(qū)域，其中每個(gè)區(qū)域再按照各自的標(biāo)準(zhǔn)進(jìn)行劃分，其中耳輪劃分為12個(gè)區(qū)域，耳舟為6個(gè)區(qū)域，對(duì)耳輪13個(gè)區(qū)域，三角窩5個(gè)區(qū)域，耳屏4個(gè)區(qū)域，對(duì)耳屏4個(gè)區(qū)域，耳甲18個(gè)區(qū)域，耳垂9個(gè)區(qū)域。面對(duì)區(qū)域如此繁多且面積較小的耳郭，如果僅憑手工和經(jīng)驗(yàn)劃分和定位，耳穴分區(qū)定位會(huì)耗費(fèi)大量精力和時(shí)間，迫切需要一種能快速精確實(shí)現(xiàn)耳穴分區(qū)定位的輔助方法，從而滿足耳穴療法的施治、自動(dòng)化儀器的開(kāi)發(fā)和相關(guān)中醫(yī)耳穴示教的需要。

隨著機(jī)器視覺(jué)和圖像處理技術(shù)的發(fā)展，已廣泛開(kāi)展基于圖像識(shí)別和檢測(cè)的目標(biāo)定位研究。其中，對(duì)人耳圖像的相關(guān)研究多集中在人耳識(shí)別、分割和檢測(cè)方面。如李一波等[6]利用改進(jìn)的梯度矢量流活動(dòng)輪廓模型(gradient vector flow snake,GVF snake)算法實(shí)現(xiàn)了外耳廓的自動(dòng)檢測(cè)和分割；李素娟等[7]介紹了一種對(duì)人耳圖像的歸一化方法，并驗(yàn)證了歸一化對(duì)特征提取和識(shí)別的影響；高淑欣等[8]在人耳識(shí)別研究中，運(yùn)用活動(dòng)形狀模型(active shape model,ASM)算法實(shí)現(xiàn)了外耳輪廓的檢測(cè)。以上研究多集中在外耳廓檢測(cè)、人耳歸一化、特征提取和識(shí)別等方面，對(duì)耳穴的自動(dòng)化分區(qū)和定位鮮有研究。

圖像處理領(lǐng)域中的ASM算法作為一種特征點(diǎn)定位算法，目前已在人臉識(shí)別、人眼狀態(tài)檢測(cè)、醫(yī)學(xué)圖像分割及提取[9-12]等領(lǐng)域獲得了廣泛應(yīng)用。ASM算法包括訓(xùn)練和搜索兩個(gè)過(guò)程，具有迭代次數(shù)少、實(shí)時(shí)性好的特點(diǎn)，特別適合于外形相似的物體的識(shí)別和定位。常夢(mèng)龍[11]借助人臉識(shí)別技術(shù)，利用ASM算法實(shí)現(xiàn)了和面部特征點(diǎn)重合的穴位點(diǎn)的定位，繼而利用同身寸和神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)人臉其他部分穴位的定位。受文獻(xiàn)[11]的啟發(fā)，本文結(jié)合耳穴國(guó)家標(biāo)準(zhǔn)，將ASM算法應(yīng)用到耳穴分區(qū)定位方面，以期解決耳郭穴區(qū)的自動(dòng)化定位問(wèn)題。

1 ASM算法

ASM 是一種基于模型的特征匹配方法，利用統(tǒng)計(jì)形狀信息作為先驗(yàn)知識(shí)，通過(guò)靈活改變模型的形狀進(jìn)行迭代演化，從而得到目標(biāo)圖像的形狀[13]。ASM算法主要分為訓(xùn)練過(guò)程和搜索過(guò)程兩部分，具體算法流程如圖1所示。

圖1 ASM算法流程圖Figure 1 ASM algorithm flowchart

其中ASM的訓(xùn)練過(guò)程主要步驟包括構(gòu)建訓(xùn)練樣本集，對(duì)訓(xùn)練樣本集的每幅圖像進(jìn)行特征點(diǎn)人工標(biāo)記，特征點(diǎn)個(gè)數(shù)需相同，且標(biāo)記順序要一致，建立點(diǎn)分布模型(point distribution model,PDM)，將特征點(diǎn)坐標(biāo)依次串聯(lián)形成一個(gè)形狀向量來(lái)表示構(gòu)建形狀向量；對(duì)形狀向量進(jìn)行歸一化處理，通過(guò)適當(dāng)?shù)钠揭?、旋轉(zhuǎn)、縮放將一系列形狀向量進(jìn)行對(duì)齊，之后采用主成分分析法(principal component analysis,PCA)對(duì)形狀向量進(jìn)行降維，得到平均模型，并為每個(gè)特征點(diǎn)構(gòu)建局部灰度特征。

在ASM的搜索過(guò)程中，首先將訓(xùn)練所得的平均形狀進(jìn)行仿射變換得到初始模型。之后，用該初始模型在新的測(cè)試圖像中搜索目標(biāo)形狀，通過(guò)匹配函數(shù)值最小搜索與訓(xùn)練過(guò)程中所構(gòu)建的局部灰度特征值最接近的局部灰度特征值，即為特征點(diǎn)在新的測(cè)試圖像上的新位置。最后，通過(guò)仿射變換并調(diào)整其參數(shù)，利用馬氏距離衡量從而尋找特征點(diǎn)最佳的位置，當(dāng)兩次特征點(diǎn)的位置基本不變或迭代次數(shù)達(dá)到要求后結(jié)束搜索匹配過(guò)程[13]。

2 耳郭穴區(qū)定位實(shí)驗(yàn)

2.1 實(shí)驗(yàn)數(shù)據(jù)來(lái)源

根據(jù)文獻(xiàn)[14]中的結(jié)論，搜索定位過(guò)程中平均誤差距離隨著角度的增大也逐漸變大，因此本實(shí)驗(yàn)均采用正前方拍攝的正面人耳圖像。本文實(shí)驗(yàn)訓(xùn)練樣本圖像來(lái)自于北京科技大學(xué)人耳識(shí)別實(shí)驗(yàn)室的USTB人耳圖像庫(kù)2，共30幅；測(cè)試圖像一部分USTB圖像庫(kù)里的圖像，一部分為自行采集圖像，共完成10幅圖像的測(cè)試。圖像尺寸無(wú)需完全一致，大小裁剪約為170×270像素，并轉(zhuǎn)化為灰度圖像，部分訓(xùn)練樣本圖像如圖2所示。

根據(jù)耳穴的國(guó)家標(biāo)準(zhǔn)GB/T13734-2008中依據(jù)解剖結(jié)果進(jìn)行耳穴分區(qū)的原則，對(duì)訓(xùn)練集圖像手工標(biāo)定，選取包含耳郭邊緣點(diǎn)、曲率極大值點(diǎn)、等分點(diǎn)在內(nèi)的65個(gè)特征點(diǎn)構(gòu)建PDM。通過(guò)對(duì)形狀向量進(jìn)行歸一化、對(duì)齊等處理，再采用PCA方法對(duì)對(duì)齊后的形狀向量統(tǒng)計(jì)建模，最后在目標(biāo)圖像上利用馬氏距離進(jìn)行特征點(diǎn)新位置的搜索匹配，之后通過(guò)調(diào)整平移、尺度和旋轉(zhuǎn)參數(shù)不斷進(jìn)行循環(huán)迭代，最終完成定位。耳郭穴區(qū)定位實(shí)驗(yàn)的ASM算法訓(xùn)練過(guò)程如圖3所示，其中圖3(a)是形狀向量對(duì)齊前的訓(xùn)練樣本集，圖3(b)是采用普氏分析法(Procrustes analysis)對(duì)形狀向量對(duì)齊后的樣本集，圖3(c)是經(jīng)過(guò)PCA降維后得到的耳郭平均模型。

圖2 部分訓(xùn)練樣本圖像Figure 3 Certain training sample images

由圖3可以看出，通過(guò)歸一化對(duì)齊處理，可以使雜亂無(wú)章的形狀向量分布具有一定的統(tǒng)計(jì)規(guī)律，從而可利用統(tǒng)計(jì)形狀信息作為先驗(yàn)知識(shí)進(jìn)行搜索匹配。

圖3 耳穴穴區(qū)定位實(shí)驗(yàn)的ASM算法訓(xùn)練過(guò)程Figure 3 ASM algorithm training process of the location experiment for auricular acupoint divisions

迭代次數(shù)和平均形狀的初始位置關(guān)系密切，利用仿射變換可對(duì)初始位置圖像進(jìn)行平移、縮放、旋轉(zhuǎn)的操作變換使之更接近于搜索圖像[15]。本文實(shí)驗(yàn)過(guò)程中，迭代次數(shù)設(shè)為40次，平均形狀初始放置時(shí)仿射參數(shù)設(shè)平移量為0、旋轉(zhuǎn)角度為0°、縮放比例為1，即可得到較為滿意的匹配效果。耳郭穴區(qū)定位實(shí)驗(yàn)的ASM算法搜索匹配過(guò)程如圖4所示，其中圖4(a)是平均模型在待測(cè)圖像的初始化位置，圖4(b)是迭代20次時(shí)演化結(jié)果，圖4(c)是迭代40次的演化結(jié)果。ASM算法可以較好地得到待測(cè)圖像的定位，最終定位結(jié)果與耳郭的輪廓吻合較好。

圖4 耳穴穴區(qū)定位實(shí)驗(yàn)的ASM算法搜索過(guò)程Figure 4 ASM algorithm search and matching process of the location experiment for auricular acupoint divisions

完成特征點(diǎn)的定位后，提取耳穴穴區(qū)相關(guān)的特征點(diǎn)坐標(biāo)并進(jìn)行連線，即可完成對(duì)耳輪12個(gè)穴區(qū)、耳舟5個(gè)穴區(qū)、三角窩5個(gè)穴區(qū)、對(duì)耳屏表面的3個(gè)穴區(qū)的定位。其中耳垂部分的穴區(qū)在完成相關(guān)特征點(diǎn)的連線后，取耳垂上線進(jìn)行三等分，并向下引垂線得到，實(shí)現(xiàn)了耳垂的7個(gè)分區(qū)。本文共實(shí)現(xiàn)了耳郭表面區(qū)域耳輪、耳舟、三角窩、對(duì)耳屏和耳垂共32個(gè)穴區(qū)的定位。結(jié)果見(jiàn)圖5。

圖5 耳穴穴區(qū)定位結(jié)果Figure 5 The location results of the auricle acupoint divisions

除人耳圖像庫(kù)的耳穴穴區(qū)定位之外，本文還進(jìn)行了自行采集圖像的穴區(qū)定位，耳郭穴區(qū)劃分后的最終定位結(jié)果如圖6所示。

圖6 自行采集圖像實(shí)驗(yàn)結(jié)果Figure 6 Experimental results of our images

2.3 定位精度評(píng)價(jià)

本文采用歐幾里得距離對(duì)耳穴分區(qū)定位的精度進(jìn)行評(píng)價(jià)。對(duì)比算法定位與手工標(biāo)記特征點(diǎn)的結(jié)果，進(jìn)行特征點(diǎn)定位精度的評(píng)價(jià)。

(1)

式中：n為特征點(diǎn)的個(gè)數(shù)；dist(pi,p′i)為兩點(diǎn)間的歐幾里得距離；pi為搜索匹配得到的特征點(diǎn)；p′i為手工標(biāo)記的特征點(diǎn)。部分圖像的定位誤差如圖8所示。統(tǒng)計(jì)計(jì)算出由ASM算法得到的定位結(jié)果與人工標(biāo)定的特征點(diǎn)定位的歐幾里得距離平均誤差為6.246±0.429。

圖8 定位誤差箱線圖Figure 8 Boxplot of location error

3 討論

本文借助圖像處理技術(shù)中的ASM算法，結(jié)合耳穴國(guó)家標(biāo)準(zhǔn)GB/T13734-2008構(gòu)建PDM，初步實(shí)現(xiàn)了耳郭分區(qū)的定位，且算法較為簡(jiǎn)單，迭代次數(shù)少，最終定位結(jié)果與耳郭的輪廓吻合較好，與人工標(biāo)定的特征點(diǎn)平均定位誤差為6.246±0.429，基本實(shí)現(xiàn)了耳穴分區(qū)的自動(dòng)化定位，初步證實(shí)了方法的可行性。通過(guò)實(shí)驗(yàn)可以發(fā)現(xiàn)，ASM算法的特點(diǎn)是利用統(tǒng)計(jì)形狀信息作為先驗(yàn)知識(shí)，通過(guò)靈活改變模型的形狀進(jìn)行迭代演化，實(shí)現(xiàn)目標(biāo)形狀的匹配。在構(gòu)建形狀信息時(shí)，本文開(kāi)創(chuàng)性地將耳穴的國(guó)家標(biāo)準(zhǔn)應(yīng)用到建立PDM環(huán)節(jié)，從而實(shí)現(xiàn)了耳郭穴區(qū)定位。本文的研究是將圖像處理技術(shù)應(yīng)用于中醫(yī)耳郭分區(qū)定位的首次嘗試，為中醫(yī)耳穴定位提供了借鑒。

本研究的不足之處主要表現(xiàn)在以下兩個(gè)方面。(1) 在結(jié)合耳穴國(guó)家標(biāo)準(zhǔn)建立PDM時(shí)，對(duì)耳郭的解剖結(jié)構(gòu)尚采用的人工標(biāo)定，導(dǎo)致構(gòu)建PDM會(huì)耗費(fèi)大量的時(shí)間和精力。另一方面，人工標(biāo)定也導(dǎo)致大部分耳穴分區(qū)等分的準(zhǔn)確度不高，需進(jìn)一步尋求提高耳穴分區(qū)精度的自動(dòng)化或半自動(dòng)算法。(2) 目前的研究尚屬初步階段，本研究?jī)H實(shí)現(xiàn)了部分耳穴的分區(qū)，且訓(xùn)練樣本量和測(cè)試數(shù)據(jù)量偏少。本文算法僅初步證實(shí)了耳穴分區(qū)方法的可行性，離實(shí)現(xiàn)全部耳穴的精確定位仍有較大差距，因此仍需進(jìn)一步深入研究。

4 結(jié)論

本文通過(guò)對(duì)北京科技大學(xué)人耳識(shí)別實(shí)驗(yàn)室人耳圖像構(gòu)建訓(xùn)練集，在最新耳穴國(guó)家標(biāo)準(zhǔn)GB/T13734-2008的基礎(chǔ)上，選取包含耳郭邊緣點(diǎn)、曲率極大值點(diǎn)、等分點(diǎn)等在內(nèi)的65個(gè)特征點(diǎn)構(gòu)建PDM，采用基于ASM算法的圖像處理方法，對(duì)待測(cè)人耳圖像進(jìn)行搜索匹配后，通過(guò)分別連接構(gòu)成耳區(qū)的特征點(diǎn)，實(shí)現(xiàn)對(duì)人耳圖像的穴區(qū)定位。最后通過(guò)計(jì)算所得穴區(qū)定位結(jié)果與人工標(biāo)定的特征點(diǎn)之間的歐幾里得距離，對(duì)定位的精度進(jìn)行評(píng)估。為今后基于圖形學(xué)的耳穴定位做了基礎(chǔ)性研究，不但方便非專業(yè)人士使用，且有利于耳穴的示教和耳穴療法的相關(guān)自動(dòng)化儀器的設(shè)計(jì)與開(kāi)發(fā)。

致謝：北京科技大學(xué)人耳識(shí)別實(shí)驗(yàn)室的USTB人耳圖像庫(kù)。