摘要：隨著計(jì)算機(jī)應(yīng)用技術(shù)的發(fā)展和圖像處理技術(shù)的進(jìn)步，數(shù)據(jù)挖掘技術(shù)的應(yīng)用也越來(lái)越廣泛，基于醫(yī)學(xué)圖像處理與分析的計(jì)算機(jī)輔助診斷技術(shù)是計(jì)算機(jī)科學(xué)與醫(yī)學(xué)相結(jié)合的具體應(yīng)用，利用臨床醫(yī)學(xué)成像設(shè)備獲取高質(zhì)量的醫(yī)學(xué)圖像，通過(guò)數(shù)字圖像處理技術(shù)對(duì)醫(yī)學(xué)圖像進(jìn)行處理，并應(yīng)用數(shù)據(jù)挖掘技術(shù)分析醫(yī)學(xué)數(shù)據(jù)，探測(cè)數(shù)據(jù)之間的關(guān)聯(lián)，運(yùn)用有效的AVR測(cè)量方法預(yù)警排查與視網(wǎng)膜病變有關(guān)的各種疾病，最終輔助臨床醫(yī)學(xué)做出有效診斷。該過(guò)程以醫(yī)學(xué)知識(shí)和臨床癥狀為導(dǎo)向，以圖像處理技術(shù)和計(jì)算機(jī)機(jī)器學(xué)習(xí)為方法，以數(shù)據(jù)挖掘技術(shù)為輔助手段進(jìn)行的計(jì)算機(jī)輔助臨床診斷過(guò)程。

關(guān)鍵詞：數(shù)據(jù)挖掘;心血管類(lèi)疾病;AVR;計(jì)算機(jī)輔助

中圖分類(lèi)號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2022）12-0015-02

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

心腦血管疾病是心臟血管和腦血管疾病的統(tǒng)稱(chēng)，泛指由于高脂血癥、血液黏稠、動(dòng)脈粥樣硬化、高血壓等導(dǎo)致的心臟、大腦及全身組織發(fā)生的缺血性或出血性疾病[1]。心腦血管疾病嚴(yán)重威脅人類(lèi)的健康，通常，心血管疾病診斷技術(shù)包含有動(dòng)態(tài)血壓、動(dòng)態(tài)心電圖、運(yùn)動(dòng)負(fù)荷試驗(yàn)、心血管超聲、心肌顯像、CT、核磁共振以及造影、電生理檢查和心肌標(biāo)志物的檢測(cè)等，臨床經(jīng)驗(yàn)表明，眼底圖像中動(dòng)靜脈寬度之比（arteriolar-to-venular diameter rati-o，AVR） 的變化與腦萎縮、中風(fēng)、高血壓、糖尿病等疾病的病程情況密切相關(guān)，有效的 AVR測(cè)量可用于預(yù)警或排查與視網(wǎng)膜病變有關(guān)的各種疾病。

當(dāng)今，各大醫(yī)院都擁有數(shù)據(jù)庫(kù)用來(lái)存儲(chǔ)豐富的各類(lèi)檢測(cè)數(shù)據(jù)，雖然解決了海量的醫(yī)學(xué)數(shù)據(jù)的存儲(chǔ)和數(shù)據(jù)檢索的效率問(wèn)題，但無(wú)法改變“大量數(shù)據(jù)，缺乏信息”的現(xiàn)象，將數(shù)據(jù)挖掘技術(shù)應(yīng)用到醫(yī)學(xué)信息數(shù)據(jù)庫(kù)，充分利用寶貴的醫(yī)學(xué)信息資源，輔助醫(yī)生進(jìn)行科學(xué)的疾病診斷，預(yù)測(cè)疾病的發(fā)生，為治療提供科學(xué)的決策，促進(jìn)醫(yī)學(xué)研究發(fā)展。通過(guò) AVR 測(cè)量方法得到的數(shù)據(jù)，進(jìn)行數(shù)據(jù)關(guān)聯(lián)建模，尋找預(yù)測(cè)心腦血管疾病的 AVR 數(shù)據(jù)。

1準(zhǔn)備前期

（1）自動(dòng)識(shí)別眼底圖像視網(wǎng)膜血管的動(dòng)靜脈的分析與研究

動(dòng)靜脈自動(dòng)識(shí)別是進(jìn)行動(dòng)靜脈管徑或者曲率變化分析的預(yù)處理操作，與各種疾病尤其是心血管疾病預(yù)警或排查息息相關(guān)。眼睛是唯一可無(wú)損檢測(cè)，同時(shí)信息豐富的器官，眼底檢查能預(yù)警或者檢測(cè)到的疾病較多，并且相對(duì)其他檢查較為便宜、性價(jià)比很高、易于普及。動(dòng)靜脈血管在眼底圖中，在顏色、形態(tài)上均有差異。動(dòng)脈血管亮度較靜脈血管高，并且動(dòng)脈血管中心光反射更強(qiáng)。由于血管是非閉合結(jié)構(gòu)，可用眼底圖上對(duì)于血管的 2D 投影的血管樹(shù)表示，不同血管交叉處的血管類(lèi)型不一樣，即兩條相交的血管必有一根動(dòng)脈血管一根靜脈血管，為動(dòng)靜脈的自動(dòng)識(shí)別提供了基礎(chǔ)。目前用于動(dòng)靜脈識(shí)別的方法主要有半自動(dòng)和全自動(dòng)分類(lèi)方法，其中半自動(dòng)分類(lèi)方法主要基于視網(wǎng)膜網(wǎng)絡(luò)結(jié)構(gòu)特征來(lái)實(shí)現(xiàn)。眼科醫(yī)師標(biāo)出分類(lèi)起始端的血管類(lèi)型，再利用血管分割算法和跟蹤算法得到剩余血管的類(lèi)型。全自動(dòng)分類(lèi)方法是根據(jù)血管結(jié)構(gòu)劃分血管分類(lèi)集合，再利用血管的顏色、亮度特征差異構(gòu)造分類(lèi)特征向量進(jìn)行分類(lèi)操作。

（2）視網(wǎng)膜動(dòng)靜脈血管分類(lèi)

視網(wǎng)膜血管分割和分類(lèi)是研究血管變化與疾病關(guān)系的重要步驟，目前關(guān)于視網(wǎng)膜血管分割已經(jīng)有很多研究者提出了方法，隨著機(jī)器學(xué)習(xí)方法和深度學(xué)習(xí)方法在醫(yī)學(xué)圖像處理中的應(yīng)用，血管分割的準(zhǔn)確度達(dá)到了98%，為后面的血管分類(lèi)提供了足夠高的準(zhǔn)確度，因此本文的研究應(yīng)用著重在于分類(lèi)。但由于視網(wǎng)膜血管分類(lèi)的難度隨距視盤(pán)的距離增大而增大，有白內(nèi)障或者青光眼等眼睛病理性疾病的眼底圖血管投影模糊等問(wèn)題，視網(wǎng)膜血管的分類(lèi)仍是計(jì)算機(jī)圖像處理領(lǐng)域的難點(diǎn)問(wèn)題。常用的分類(lèi)方法中大多選取 ROI 區(qū)域，即以視盤(pán)為中心的同心圓區(qū)域，研究視盤(pán)以外、同心圓以內(nèi)的血管的分類(lèi)。這種方法的局限性很大，不能分析整個(gè)眼底圖中的所有血管的分類(lèi)。而且有研究表明，離視盤(pán)很遠(yuǎn)的小血管的管徑、彎曲度的改變對(duì)某些疾病更為敏感。也有研究者提出在 ROI 區(qū)域的血管分類(lèi)的基礎(chǔ)上，利用血管的連接性基于血管追蹤將分類(lèi)結(jié)果不斷擴(kuò)展到剩余血管中，但這種方法的整體精確度不高[2-3]。所以必須研究出新的方法，對(duì)所有血管段進(jìn)行分類(lèi)的同時(shí)提高分類(lèi)精度。

（3）數(shù)據(jù)挖掘技術(shù)的應(yīng)用

利用數(shù)據(jù)挖掘技術(shù)從數(shù)據(jù)庫(kù)中找到有價(jià)值的規(guī)律。先提取 AVR 的自動(dòng)計(jì)算數(shù)據(jù)，經(jīng)過(guò)布爾轉(zhuǎn)換成適合數(shù)據(jù)挖掘的數(shù)據(jù)集，選擇合適的算法，對(duì)整合后的數(shù)據(jù)集進(jìn)行挖掘，發(fā)現(xiàn)并找出隱藏的、有價(jià)值的規(guī)律[4]。再將挖掘得到的隱藏規(guī)律使用用戶可以理解的方式表達(dá)出來(lái)，從而輔助醫(yī)生對(duì)心血管疾病的診斷，提前預(yù)知病情，避免造成發(fā)病期的嚴(yán)重后果[5]。數(shù)據(jù)挖掘流程圖如圖1所示。

（4）自適應(yīng)的 AVR 計(jì)算

視網(wǎng)膜血管動(dòng)靜脈管徑比（AVR）可以用來(lái)衡量視網(wǎng)膜血管的寬度變化，是檢測(cè)疾病重要的技術(shù)參數(shù)。其臨床意義在于能夠篩查和預(yù)警多種疾病，如腦萎縮、心肌梗塞、糖尿病視網(wǎng)膜病變、早產(chǎn)兒視網(wǎng)膜病變等[6]。AVR 的計(jì)算是對(duì)視網(wǎng)膜動(dòng)靜脈分類(lèi)的進(jìn)一步應(yīng)用。目前AVR 的自動(dòng)計(jì)算整體流程大致分為兩種，一種是提取血管骨架，得到血管走向方向，計(jì)算血管兩邊邊界點(diǎn)之間的距離，從而得到血管口徑長(zhǎng)度。這種方法對(duì)于分叉處的血管的魯棒性不夠。第二種是根據(jù)血管灰度等特性，構(gòu)造模型測(cè)量。這種方法因需要對(duì)參數(shù)進(jìn)行設(shè)定，所以對(duì)于自適應(yīng)的測(cè)量要求難以達(dá)到。AVR處理過(guò)程圖如圖2所示。

2 建立AVR測(cè)量方法的步驟

（1）尋找一種高效率、高精度的視網(wǎng)膜動(dòng)靜脈分類(lèi)方法，為多種疾病的自動(dòng)診斷和 AVR 的計(jì)算提供研究條件，給數(shù)據(jù)挖掘 AVR 與心腦血管疾病的關(guān)聯(lián)提供精準(zhǔn)數(shù)據(jù)。

研究表明，部分心血管疾病，例如高血壓、心臟病、冠心病等疾病的發(fā)生，對(duì)動(dòng)靜脈血管造成不同的影響，使視網(wǎng)膜血管中的動(dòng)脈和靜脈形態(tài)發(fā)生較大改變，其他系統(tǒng)疾病，比如動(dòng)脈硬化、糖尿病視網(wǎng)膜病變，也會(huì)影響視網(wǎng)膜血管結(jié)構(gòu)。高血壓視網(wǎng)膜病變的早期特征則包括視網(wǎng)膜動(dòng)脈管徑變小[7]。因此，要實(shí)現(xiàn)對(duì)視網(wǎng)膜動(dòng)靜脈高效率、高精度的分類(lèi)，以提供精準(zhǔn)的挖掘數(shù)據(jù)。

（2）建立一個(gè)有效的數(shù)據(jù)挖掘模型，實(shí)現(xiàn)高效率、高精度的 AVR 計(jì)算系統(tǒng)，嘗試?yán)脭?shù)據(jù)挖掘技術(shù)找出 AVR 與心血管疾病的規(guī)律，輔助醫(yī)師對(duì)于心血管疾病的預(yù)警或診斷[8]。

多種疾病的預(yù)警和監(jiān)測(cè)都依賴于視網(wǎng)膜的動(dòng)靜脈血管管徑改變的計(jì)算，比如眼底血管的動(dòng)靜脈血管寬度之差的變化與糖尿病的病程、嚴(yán)重程度及愈后情況密切相關(guān)[9-10]。本文最終目標(biāo)是建立一個(gè)有效的數(shù)據(jù)挖掘模型，實(shí)現(xiàn)一個(gè)高效率、高精度的 AVR 全自動(dòng)測(cè)量系統(tǒng)，并利用數(shù)據(jù)挖掘技術(shù)找出 AVR 與心血管疾病之間的關(guān)聯(lián)，預(yù)測(cè)心腦血管疾病，為臨床診斷提供有一定價(jià)值的預(yù)測(cè)參考。

3討論

（1）針對(duì)疾病的眼底表現(xiàn)與小靜脈和小動(dòng)脈的關(guān)聯(lián)，比如視網(wǎng)膜小動(dòng)脈管徑增寬與糖尿病有關(guān)等，通過(guò)對(duì)整幅圖像的血管進(jìn)行分析，結(jié)合血管拓?fù)浣Y(jié)構(gòu)和圖論，對(duì)包括感興趣區(qū)域的整體血管進(jìn)行分類(lèi)。首先提取血管中心線進(jìn)行圖論和拓?fù)浞治?，再將血管進(jìn)行分塊分類(lèi)。最后再結(jié)合動(dòng)靜脈血管特征向量進(jìn)行分類(lèi)。

（2）AVR 的計(jì)算中，為了減少分叉點(diǎn)的位置對(duì)計(jì)算結(jié)果的影響，首先根據(jù)圖論確定分叉點(diǎn)位置后，再確定血管兩邊邊界點(diǎn)，然后進(jìn)行血管口徑計(jì)算。

（3）實(shí)現(xiàn)一個(gè)基于眼底圖像的 AVR 自動(dòng)測(cè)量系統(tǒng)，輔助醫(yī)生診斷，該系統(tǒng)簡(jiǎn)單好用，能幫助醫(yī)生測(cè)量難以通過(guò)人眼觀察到的動(dòng)靜脈管徑比值的變化。

通過(guò)自動(dòng)測(cè)量 AVR 值，利用數(shù)據(jù)挖掘技術(shù)輔助醫(yī)生對(duì)心血管類(lèi)疾病的診斷。視網(wǎng)膜動(dòng)靜脈血管的正確分類(lèi)是 AVR 測(cè)量的前提和關(guān)鍵，選擇挖掘算法并改進(jìn)，通過(guò)算法分析找出 AVR 和心血管疾病的關(guān)聯(lián)規(guī)律。

參考文獻(xiàn)：

[1] Ayub L，Khan A S，Ayub J，et al.Differentiation of blood vessels in retina into arteries and veins using neural network[C]//2016 International Conference on Computing，Electronic and Electrical Engineering （ICE Cube）.April 11-12，2016，Quetta，Pakistan.IEEE，2016：301-306.

[2] Niemeijer M，Xu X Y，Dumitrescu A V，et al.Automated measurement of the arteriolar-to-venular width ratio in digital color fundus photographs[J].IEEE Transactions on Medical Imaging，2011，30（11）：1941-1950.

[3] Dashtbozorg B， Mendon?a A M， Campilho A.An Automatic Graph-Based Approach for Artery/Vein Classification in Retinal Images[J].IEEE Transactions on Image Processing， 2014（23）：1073-1083.

[4] 張美華.淺談數(shù)據(jù)挖掘技術(shù)及其應(yīng)用過(guò)程[J].電腦知識(shí)與技術(shù)，2015，11（32）：1-3.

[4] Estrada R，Allingham M J，Mettu P S，et al.Retinal artery-vein classification via topology estimation[J].IEEE Transactions on Medical Imaging，2015，34（12）：2518-2534.

[5] Vijayakumar V，Koozekanani D D，White R，et al.Artery/vein classification of retinal blood vessels using feature selection[J].Annual International Conference of the IEEE Engineering in Medicine and Biology Society IEEE Engineering in Medicine and Biology Society Annual International Conference，2016，2016：1320-1323.

[6] 馮變玲，魏芬，楊世民，等.心腦血管用藥不良反應(yīng)與用藥人群間的關(guān)聯(lián)關(guān)系分析[J].中國(guó)藥房，2011，22（36）：3389-3391.

[7] 蘇杰.基于數(shù)據(jù)挖掘技術(shù)的高血壓疾病評(píng)估方法研究[D].杭州：浙江大學(xué)，2006.

[8] 陳文偉，陳晟.從數(shù)據(jù)到?jīng)Q策的大數(shù)據(jù)時(shí)代[J].吉首大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，35（3）：31-36.

[9] 劉宏強(qiáng).基于數(shù)據(jù)挖掘的冠心病發(fā)病相關(guān)因素研究分析[J].科技資訊，2008，6（10）：207-208.

[10] 陳明.醫(yī)學(xué)數(shù)據(jù)挖掘綜述[J].醫(yī)學(xué)信息，2008，21（1）：19-21.

【通聯(lián)編輯：唐一東】