不同算法在UBM小梁网区域分割中的应用

betway必威登陆网址（betway.com ）学报››2023,Vol. 44››Issue (11): 830-834.DOI:10.3969/j.issn.2097-0005.2023.11.006

• 临床研究 •上一篇

不同算法在UBM小梁网区域分割中的应用

翟玉喜¹(), 刘学彦², 高建鲁¹, 汪鑫¹()

^1.聊城市人民医院眼科，山东聊城 252000
^2.聊城大学数学科学院，山东聊城 252000

收稿日期:2023-08-22出版日期:2023-11-25发布日期:2024-01-22
通讯作者:汪鑫
作者简介:翟玉喜，硕士，副主任医师，研究方向：青光眼、白内障等眼前节疾病，E-mail：zhaiyuxi1986@sina.com。
基金资助:
山东省医药卫生科技发展计划(202007020086)

Different segmentation algorithms for image analysis of trabecular meshwork in UBM

Yuxi ZHAI¹(), Xueyan LIU², Jianlu GAO¹, Xin WANG¹()

^1.Department of Ophthalmology，Liaocheng People’s Hospital，Liaocheng，252000，China
^2.Department of Mathematics，Liaocheng University，Liaocheng，252000，China

Received:2023-08-22Online:2023-11-25Published:2024-01-22
Contact:Xin WANG

摘要/Abstract

摘要：

目的探讨不同算法在超声生物显微镜（ultrasonic biological microscope，UBM）图像中小梁网区域自动或半自动分割中的应用，实现小梁网-舒林氏管（trabecular meshwork-schlemm 's canal，TM-SC）边界的自动化识别，为后续的TM-SC定量、定性分析提供基础。方法采用原发性开角型青光眼（primary open angle glaucoma，POAG）患者80 MHz UBM房角图像，应用Ostu、K-means和Level set 3种分割算法和开源医学图像处理软件ImageJ对小梁网区域图像进行分割，提取感兴趣的TM-SC区域。结果Ostu、K-means算法不能准确识别TM-SC边界，Level set算法能够准确分割出TM-SC边界，ImageJ软件可手动分割小梁网区域，其效果主要取决于操作者的经验，但速度慢、重复性差。结论Level set算法可准确分割出UBM图像中TM-SC边界，TM-SC后续的几何度量对阐明青光眼发病机制具有重要的临床价值和指导意义。

关键词:图像分割,超声生物显微镜,Level set算法,Schlemm’s管,小梁网

Abstract:

ObjectiveTo explore the application of different algorithms in automatic or semi-automatic image segmentation of trabecular meshwork in ultrasonic biological microscope （UBM） images and accomplish automatic identification of trabecular meshwork-schlemm’ s canal（TM-SC），and provide the basis for the subsequent quantitative and qualitative analysis.Methods80 MHz UBM was used to collect the images of the anterior chamber angle from patients with primary open-angle glaucoma （POAG）. The region of interest in the trabecular meshwork area was extracted from the UBM image. Three segmentation algorithms （Ostu， K-means and Level set） and the open-source image processing software ImageJ were used to segment the trabecular meshwork area.ResultsOstu algorithm and K-means algorithm could not identify the boundary of TM-SC. The level-set algorithm could accurately segment the boundary of TM-SC. The disadvantages of manual segmentation of UBM images by ImageJ were time-consuming， energy-consuming and poor repeatability. Besides， the segmentation effect depended on the operator’s experience.ConclusionThe level-set algorithm can accurately segment the TM-SC boundaries in the UBM images， the geometric measurement of which has important clinical reference values and guiding significance for monitoring the progression of glaucoma disease.

Key words:image segmentation,ultrasonic biological microscope,level-set algorithm,Schlemm’s canal,trabecular meshwork

翟玉喜, 刘学彦, 高建鲁, 汪鑫. 不同算法在UBM小梁网区域分割中的应用[J]. betway必威登陆网址（betway.com ）学报, 2023, 44(11): 830-834.

Yuxi ZHAI, Xueyan LIU, Jianlu GAO, Xin WANG. Different segmentation algorithms for image analysis of trabecular meshwork in UBM[J]. Journal of Shandong First Medical Unversity & Shandong Academy of Medical Sciences, 2023, 44(11): 830-834.

图/表5

图1POAG患者的原始图像与感兴趣区域A1、A2为同一患者，B1为另一患者。

图2利用4种方法分割图1中A1图像的结果

图3利用4种方法分割图1中A2的结果

图4利用4中方法获得的UBM图像（图1中B1）分割结果

表1不同分割方法平均运行时间、3次分析间重复度、操作者间符合度

方法	运行时间/s	重复度/%	符合度/%
Ostu	0.685 472	100	100
Kmeans	1.546 402	100	100
ImageJ	20	96.5	90
Level set	1.201306	100	100

参考文献25

1	Tham YC， Li X， Wong TY， et al. Global prevalence of glaucoma and projections of glaucoma burden through 2040： a systematic review and meta-analysis［J］.Ophthalmology，2014，121（11）： 2081.
2	梁远波，江俊宏，王宁利. 中国青光眼流行病学调查研究回顾［J］.中华眼科杂志，2019，55（8）： 634.
3	Konopińska J， Lewczuk K， Jabłońska J， et al. Microinvasive glaucoma surgery： a review of schlemm's canal-based procedures［J］.Clin Ophthalmol，2021，15： 1109.
4	Kagemann L， Wang B， Wollstein G， et al. IOP elevation reduces Schlemm’s canal cross-sectional area［J］.Invest Ophthalmol Vis Sci，2014，55（3）： 1805.
5	Li P， Reif R， Zhi Z， et al. Phase-sensitive optical coherence tomography characterization of pulse-induced trabecular meshwork displacement inex vivononhuman primate eyes［J］.J Biomed Opt，2012，17（7）： 076026.
6	Battista SA， Lu Z， Hofmann S， et al. Reduction of the available area for aqueous humor outflow and increase in meshwork herniations into collector channels following acute IOP elevation in bovine eyes［J］.Invest Ophthalmol Vis Sci，2008，49（12）： 5346.
7	Hann CR， Fautsch MP. Recent developments in understanding the role of aqueous humor outflow in normal and primary open angle glaucoma［J］.Curr Ophthalmol Rep，2015，3（2）： 67.
8	Yan X， Li M， Zhang H. Relationship between post-exercise changes in the lens and Schlemm's canal： a swept-source optical coherence tomography study［J］.Curr Eye Res，2018，43（11）： 1351.
9	王宁利，王怀洲，洪洁，等. 房水流出通路重建术与Schlemm管成形术治疗开角型青光眼的初步临床对比研究［J］.中华眼科杂志，2014，50（5）： 338.
10	刘玥，陈霄雅，李猛，等. Schlemm管成形术治疗成年人开角型青光眼两年随访［J］.眼科，2018，27（1）： 16.
11	Usui T， Tomidokoro A， Mishima K， et al. Identification of Schlemm's canal and its surrounding tissues by anterior segment fourier domain optical coherence tomography［J］.Invest Ophthalmol Vis Sci，2011，52（9）： 6934.
12	Hariri S， Johnstone M， Jiang Y， et al. Platform to investigate aqueous outflow system structure and pressure-dependent motion using high-resolution spectral domain optical coherence tomography［J］.J Biomed Opt，2014，19（10）： 106013.
13	Gillmann K， Bravetti GE， Mermoud A， et al. A prospective analysis of iStent inject microstent positioning： Schlemm canal dilatation and intraocular pressure correlations［J］.J Glaucoma，2019，28（7）： 613.
14	Daniel MC， Dubis AM， Quartilho A， et al. Dynamic changes in Schlemm canal and iridocorneal angle morphology during accommodation in children with healthy eyes： a cross-sectional cohort study［J］.Invest Ophthalmol Vis Sci，2018，59（8）： 3497.
15	Fernández-Vigo JI， García-Feijóo J， Martínez-de-la-Casa JM， et al. Morphometry of the trabecular meshworkin vivoin a healthy population using fourier-domain optical coherence tomography［J］.Invest Ophthalmol Vis Sci，2015，56（3）： 1782.
16	Yoshikawa M， Akagi T， Uji A， et al. Pilot study assessing the structural changes in posttrabecular aqueous humor outflow pathway after trabecular meshwork surgery using swept-source optical coherence tomography［J］.PLoS One，2018，13（6）： e0199739.
17	Chen Z， Song Y， Li M， et al. Schlemm's canal and trabecular meshwork morphology in high myopia［J］.Ophthalmic Physiol Opt，2018，38（3）： 266.
18	Li C， Huang R， Ding Z， et al. A level set method for image segmentation in the presence of intensity inhomogeneities with application to MRI［J］.IEEE Trans Image Process，2011，20（7）： 2007.
19	Shi Y， Han Y， Xin C， et al. Disease-related and age-related changes of anterior chamber angle structures in patients with primary congenital glaucoma： anin vivohigh-frequency ultrasound biomicroscopy-based study［J］.PLoS One，2020，15（1）： e0227602.
20	Li M， Zhao Y， Yan X， et al. The relationship between the 24-hour fluctuations in Schlemm's canal and intraocular pressure： an observational study using high-frequency ultrasound biomicroscopy［J］.Curr Eye Res，2017，42（10）： 1389.
21	Xin C， Johnstone M， Wang N， et al. OCT study of mechanical properties associated with trabecular meshwork and collector channel motion in human eyes［J］.PLoS One，2016，11（9）： e0162048.
22	Wang X， Zhai Y， Liu X， et al. Level-set method for image analysis of Schlemm’s canal and trabecular meshwork［J］.Transl Vis Sci Technol，2020，9（10）： 7.
23	李立新.眼部超声诊断图谱［M］. 2版. 北京：人民卫生出版社，2013： 14.
24	董默，刘博强，李洪义，等. 医学图像分割方法研究［J］.信息记录材料，2020，21（1）： 8.
25	蒋丽琼，何小寒，刘桂琴，等. 利用ImageJ软件测量眼眶脂肪体积［J］.中国CT和MRI杂志，2016，14（3）： 11.