顏玉緣 孟志勇 胡建民

色盲是一種常見的視覺異常或缺失的疾病，通常為遺傳因素所致，表現(xiàn)為對某些顏色認知力的缺失或者不能識別顏色。據(jù)統(tǒng)計男性色盲大約占男性總人口的7%，女性約占女性總人口的0.49%[1]。而色盲患者由于辨色能力不同程度的缺失，他們在日常生活中的各個方面，如判斷水果和蔬菜的成熟度，處理電子設備中LED燈的顏色，閱讀地圖和各種圖表等各個方面都面臨著各種挑戰(zhàn)。因此他們也自動被排除在航空公司飛行員、消防員、火車司機、空中交通管制員等一些特定職業(yè)之外[2]。且這種不良影響即便在患者沒有意識到自身色覺缺陷的情況下依舊存在[3]。為減輕色盲給生活帶來的種種不便，色盲的治療與矯正值得我們重視及深入研究。

1 色覺的產生

色覺是視覺功能的重要組成部分，視網膜是人感知顏色的重要器官，視網膜上視細胞主要分為視桿細胞及視錐細胞。而在人的視網膜內有600萬～800萬個視錐細胞，主要集中在中心凹，而大約有12 000 萬個視桿細胞，由中心凹邊緣向外周逐漸增多。其中視錐細胞是感受強光和顏色的細胞，具有高度的分辨能力，對弱光和明暗的感知不如視桿細胞敏感。視桿細胞內也含有感光物質，在光刺激下感光物質可發(fā)生一系列的光化學變化和電位改變，使視細胞發(fā)放神經沖動，是感受弱光刺激的細胞，對光線的強弱反應非常敏感，而對不同顏色光波反應不敏感。

其中視錐細胞又可細分為以下3種，分別為對長波長敏感、中波長敏感和短波長敏感的視錐細胞（L-cone、M-cone、S-cone），對應敏感的波段為長波長紅光、中波長綠光及短波長藍光。它們含有3種不同光譜吸收特性的視蛋白，即視蛋白的不同決定了視錐細胞的類型[4]。

正常人眼能辨別波長380～760 nm的可見光，根據(jù)吸收峰值波長的不同，3種視蛋白對應的光譜吸收峰值分別為570、540、440 nm。不同波長的光線刺激視網膜會引起3種視錐細胞不同程度的興奮，并將光信號轉換成為使大腦便于分析和處理的神經電信號，以此確定大腦對物體顏色的識別[5]。

2 色盲的類型

色盲根據(jù)發(fā)病時間可分為先天性和后天性兩大類，其中先天性色盲占絕大多數(shù)。先天性色盲是由視錐細胞的變異或者缺失導致的，根據(jù)其變異或缺失的情況可分為3種，分別為三色覺異常、二色性色盲和全色盲[6]。

三色覺異常是色盲中最常見的形式，也是程度最輕的一種形式。它主要表現(xiàn)為區(qū)分顏色的能力減弱，并未完全喪失感知顏色的能力，一般需通過專業(yè)的色覺測試才能發(fā)現(xiàn)。三色覺異常是三種錐細胞的任意一種出現(xiàn)功能異常造成的：L-錐細胞的功能異常對應紅色弱，M-錐細胞的功能異常對應綠色弱，S-錐細胞的功能異常對應藍色弱。其中，紅色弱及綠色弱較為常見。對于紅色覺異常人群而言，紅色、橘紅、黃色、綠色和黃綠色，在視覺上都有些偏向綠色，而且比正常人所看到的要淺。而對于綠色覺異常者在區(qū)分紅色、黃色、橘紅、綠色方面的能力也都有缺陷，在視覺上則表現(xiàn)為偏向紅色[7]。

二色盲較三色覺異常少見，其通常知道自己具有色覺問題，并且在日常生活一般會受到影響，主要是由于3種錐細胞中的任一種完全缺失造成的。二色盲表現(xiàn)為不能區(qū)分某些顏色，其中由于紅、綠二色盲的顏色區(qū)分能力相近，一般統(tǒng)稱為紅綠色盲，表現(xiàn)為不能區(qū)分紅色與綠色，而藍二色盲則表現(xiàn)為不能區(qū)分藍色與黃色。

全色盲是一種完全喪失各種色覺的異常類型，是極為少見的一種色盲，且視力極差。它是由于三種錐細胞的完全缺失造成，表現(xiàn)為不能識別顏色，只能感知亮度信息。故其視覺功能完全依賴于視桿細胞，而視桿細胞只有在亮度較低的情況下才能發(fā)揮較好的作用。所以全色盲者在白天或在室內照度較高時，必須借助深色太陽鏡才能識別物體。

而后天性色盲常由眼部疾病或意外傷害導致眼球與大腦視覺中樞間的神經通路受傷造成的，而非眼球自身視錐細胞功能喪失所致。例如，后天的腦外傷就有可能造成全色盲；帕金森病則常常會引發(fā)類似藍色盲的癥狀[5]。

3 色盲的治療與矯正

現(xiàn)有對于色盲的研究，主要從基因和視網膜上的3種視錐細胞的角度來解釋，也因此衍生出針對色盲的基因治療、光學矯正與計算機人工智能矯正等多種方法。

3.1 色盲的基因治療

2001年美國學者曾經報道利用基因治療患有先天性黑朦視網膜變性的狗并且獲得成功，這項研究證明可用基因療法治療遺傳性眼病[8]。而關于Leber先天性黑矇等疾病的基因治療已經進入臨床試驗階段，說明基因治療可越來越多地用于眼科遺傳性疾病的治療。且在精準醫(yī)療的模式下及新一代基因測序的推動下，證明了利用基因編輯技術治療眼遺傳性疾病的可行性[9，10]。目前，相關研究表明以CNGA3、CNGB3、GNAT2、PDE6H、PDE6C基因或轉錄因子ATF6為主的常染色體隱性突變可導致色盲，但有部分患者為不明原因的基因突變[11]。

Mancuso等[12]運用重組腺相關病毒構建rAAV2/5載體，介導人類的L-視蛋白基因轉染成年雄性松鼠猴的視網膜。治療前，利用相關色覺測試系統(tǒng)對實驗組松鼠猴（即經基因轉染的原具有二原色的雄性松鼠猴）及對照組猴（即未經處理的具有二原色的雄性松鼠猴）進行色覺檢查，發(fā)現(xiàn)雄性松鼠猴無法分辨490～499 nm波長的紅綠色，且反復證實了其無法通過學習來獲得辨別紅綠色的能力。然后在視網膜下注射了載有L-視蛋白編碼基因的rAAV2/5 病毒載體后，發(fā)現(xiàn)其視網膜中的視錐細胞開始出現(xiàn)L-視蛋白基因和M-視蛋白基因的共表達，改變了松鼠猴原有的光譜敏感區(qū)，即接受轉染后的成年松鼠猴對490～499 nm波長的光的感知能力有所增加，表明其獲得了三原色色覺。且在治療后的2年隨訪期間松鼠猴均維持經基因轉染后獲得的三原色色覺，表明該基因治療效果具有一定的穩(wěn)定性。

Carvalho等[13]利用色盲模型小鼠探索色盲基因治療的適合年齡窗口期，其研究結果表明，年齡較大才接受基因治療的小鼠中出現(xiàn)了相對較差的視覺反應，說明色盲的基因治療適宜在早期進行，后期治療效果差可能與視網膜的緩慢退行性改變相關。

目前利用基因療法來治療色盲在包括靈長類在內的動物中已取得相應研究成果。但對于治療的安全性尚需進一步探究?，F(xiàn)關于基因治療的臨床前期基礎研究重點集中于提高病毒載體的轉染效率，尋找更合適的對視網膜無創(chuàng)的轉染途徑，明確載體是否對人體有長期潛在的并發(fā)癥，以及明確基因治療對色覺功能影響的具體機制[14，15]。但隨著基因診斷技術的迅猛發(fā)展，相關數(shù)據(jù)表明基于基因治療對于色覺減退可能是一種可行的候選方法[16]。

3.2 色盲的光學矯正

色盲患者可通過配戴彩色濾鏡進行矯正（如今甚至可以配上相應的驗光處方），比如有色濾光片的眼鏡或角膜接觸鏡。色盲矯正眼鏡根據(jù)色盲患者對三基色的感光光譜進行測量，在此基礎上繪制三基色光譜曲線，然后按照補色原理，設計一條與色盲三基色曲線相反的矯正光譜曲線，最終以該條矯正曲線為標準，將相關參數(shù)輸入真空鍍膜機中，制作出符合矯正曲線特征的色盲矯正眼鏡。簡而言之，即在鏡片玻璃上覆蓋多層透明材料，過濾掉特定波長的波段，如針對紅綠色盲患者，最大限度地減少藍色和綠色、綠色和紅色的重疊，并將透過該眼鏡的光信號傳遞至視網膜上的錐細胞[17]。但用這種方法矯正的色盲眼鏡，可以解決部分色盲患者的辨色問題，但是對于色盲較嚴重的人而言，由于眼鏡的透光率明顯下降，導致視力及立體視的降低，無法清晰識別物體。為了解決該問題，相關研究表明將任意一只眼睛配戴色盲眼鏡，另一只眼睛配戴透光度正常的鏡片，可緩解上述不適，且矯正效果與雙眼同時配戴色盲眼鏡相當[18]。

由于目前現(xiàn)有合格的色盲矯正框架眼鏡價格較高，體積較大，且與其他大部分屈光矯正鏡片不兼容。因此促進了經濟高效的色盲角膜接觸鏡產生。使用色盲角膜接觸鏡相較于傳統(tǒng)的框架眼鏡，能夠提供較廣泛的矯正視野，并且可以避免來自周邊未矯正視力的影響。由于色盲角膜接觸鏡中央為淡紅色，配戴后大多數(shù)色盲患者會造成多年生活中原本已形成的顏色認識的混淆現(xiàn)象，因此常常需要一個顏色再適應的過程，但該過程對其工作、生活造成的影響較小。而淡紅色的鏡片可覆蓋瞳孔及虹膜，與虹膜顏色中和，所以美觀不受影響。此外，色盲角膜接觸鏡可分為平光和帶有近視矯正作用，既可以提高辨色能力，又可以按患者的屈光不正度數(shù)進行個性化配制[19]。

但相關研究表明，配戴色盲眼鏡后患者對于顏色的辨別力得到提高，但是并不等同于色覺正常[17]。甚至部分色盲患者表示，配戴色盲眼鏡會導致原本可識別清楚的顏色的識別率降低[20]。Mastey等[21]對紅綠色盲患者配戴色盲眼鏡的效果進行了相關研究，結果表明色盲眼鏡并不能明顯提高紅綠色盲患者對于紅色-綠色識別的閾值，而且會導致綠色盲或綠色弱患者對藍色-黃色識別閾值的降低。

3.3 計算機視覺科學、人工智能與色盲矯正

在色盲的矯正策略上，作為主動矯正措施是通過計算機處理算法改變圖像的外觀（即對圖像的重新著色），該圖像處理算法改變了不同顏色之間的對比度，最終由顯示器輸出顯示圖像，以提高色盲患者獲取顏色信息的能力[6]。在構建色盲模型方面，研究人員根據(jù)三種錐細胞的視覺原理，提出了視覺的三通道模型，在此基礎上提出了幾種不同的色盲模型，如：色盲及正常人的彩色仿真系統(tǒng)、多層神經網絡模型、二色盲的彩色感知模型以及基于BP神經網絡的色盲與色弱仿真模型，這些模型在具體形式上有所不同，但都是建立在視覺的三通道模型基礎上。在上述色盲模型的基礎，針對不同類型和程度的色盲，研究人員提出了多種矯正方法，如：Yang等[22]利用飽和度差異來區(qū)分顏色，如對于紅色盲患者可將紅色調整為較低飽和度的藍色，綠色調整為較低飽和度的黃色，而原本的藍色及黃色保留不變，如此的調整相對較為簡單粗糙，實際應用效果不甚理想。Kim等[23]提出色弱模型為可逆系統(tǒng)，主張圖像經過可逆系統(tǒng)可得到矯正圖像，即將原圖像在色盲模型中進行逆轉換后獲得矯正圖像，但實際所得的矯正圖像的RGB數(shù)值存在超出實際取值范圍的情況，且由于正常的視覺空間與色弱患者不一致，矯正效果難以達到原始圖像的效果。Rasche等[24]提出以原始圖像和矯正圖像間對應顏色之間做差，然后取和構建一個目標函數(shù)，當目標函數(shù)最小時，通過映射關系產生矯正圖像。但當圖像顏色較多時，所需運算速度將大幅度增加，若通過對圖像顏色進行壓縮進而提高速度，則會帶來圖像的失真。且由于目標函數(shù)的優(yōu)化中存在多個極值點，將影響矯正圖像生成的效果。此外，Deng等[25]針對二色盲提出了顏色固定映射的方法，該方法建立在相似矩陣的基礎上，將三維空間映射到二維空間，使得映射后的顏色與之前相似，且其運算速度較快，可幫助二色盲患者識別顏色。但由于固定映射為非線性，可能導致圖像的失真或部分顏色的分辨率丟失。而Tumblin等[26]則提出將彩色圖像變換成灰度圖像，并且盡可能保留彩色圖像中的有用信息，該方法可用于全色盲的矯正，但若圖像的亮度跨越范圍較大或色彩較多，其矯正效果欠佳。總而言之，以三通道模型為基礎的上述各種色盲矯正的方法，其適用范圍各有不同，且各有利弊。

隨著科學技術發(fā)展，人工智能（AI）作為一種尋求模擬人類智能處理問題方法的計算機科學，現(xiàn)階段在眾多領域發(fā)展迅猛，目前主要有三大分支：①專家系統(tǒng)，即利用計算機程序處理行內專家的醫(yī)療知識，進而模擬專家對疾病的診療方案，得出最終的診療結果；②數(shù)據(jù)挖掘，即從大量的數(shù)據(jù)庫中挖掘具有科研價值的數(shù)據(jù)，并將其進一步轉化為臨床實踐中防治疾病的指導方案；③人工神經網絡（Artificial Neural Network，ANN），是一種模仿動物神經網絡行為特征，進行分布式并進行信息處理的算法數(shù)學模型，使其具有聯(lián)想和思維推理能力[27]?，F(xiàn)AI在眼科領域研究應用日趨增多，隨著醫(yī)療信息化和互聯(lián)網醫(yī)療的發(fā)展，醫(yī)療數(shù)據(jù)和機器學習算法不斷積累，在技術和應用的發(fā)展過程中，AI系統(tǒng)也在不斷優(yōu)化和升級[28]。

由于利用顏色圖形視覺誘發(fā)電位（Chromatic pattern visual evoked potential，CP-VEP）可分離出視覺系統(tǒng)中不同顏色通路，相較于正常人，色盲患者完全不能或僅部分感受到顏色刺激的變化，最終導致波形差異[29]。Swihart和Matheny[30]利用神經網絡對色彩的視覺誘發(fā)電位進行分類，即神經網絡可以將被檢者對非彩色和彩色刺激的反應分類。研究人員發(fā)現(xiàn)人工智能系統(tǒng)能夠識別VEP波形中的細微差異，為分析復雜波形的信息內容提供了強大的工具。張娜等[31]提出了基于密集神經網絡的灰度圖像著色算法，即將灰度圖像通過一定算法轉換為彩色圖像，使得人們可以獲得更好的觀察效果。而灰度圖像著色技術（即偽彩色處理）通過某種指定的規(guī)則，可以對灰度值賦以顏色，實現(xiàn)還原、增強或改變圖像的色彩信息。對于全色盲患者，其眼中的世界沒有色彩的概念，只有灰度上的區(qū)別，我們期望未來研究人員能利用該項技術豐富全色盲人群日常生活中的圖像色彩。目前對于色盲檢測較為便捷的方法即利用假同色原理的色盲本進行檢查，由于色盲患者對于顏色的認知存在偏差，故無法正確識別檢測圖中的數(shù)字或圖案等信息。郭業(yè)才等[32]提出一種基于簡化脈沖耦合神經網絡（Pulsecoupled neural networks，PCNN）模型的色盲檢測圖分割方法，該方法通過對原始的色盲檢測圖進行顏色變換，設定某個合適的閾值將與紅色相似的顏色都轉換成白色，初步分離出檢測圖中的目標和背景，對檢查圖的紅色分量進行分割、優(yōu)化，分離出圖中的目標圖形，幫助色盲患者通過色盲檢測。Melillo等[33]為提高色盲患者的色覺，設計并開發(fā)了一款基于增強現(xiàn)實設備的可穿戴改進視覺系統(tǒng)，并且通過臨床試驗進行有效性驗證，實驗結果證明50%的被檢者通過配戴該設備可正確識別石原氏色盲測試（該測試常用于各種職業(yè)的入職體檢），但被檢者反映該設備在某些方面會導致原有色彩的改變，這仍需進一步調整設備的相關參數(shù)來改善這一現(xiàn)象。

由于部分色盲程度較嚴重的患者在識別紅綠燈時遇到各種障礙，有研究人員利用神經卷積網絡的深度學習技術，以Faster RCNN物體檢測網絡為主要框架，構建出可對交通燈進行準確識別的系統(tǒng)，該系統(tǒng)可以幫助紅綠色盲患者識別交通燈，從而減少交通事故發(fā)生的概率[34]。AI可為更多可防可治眼科的疾病提供早期診治的醫(yī)療條件，改善患者的生活質量[27]，例如針對臨床前期的糖尿病視網膜病變患者，AI可分辨肉眼未見的眼底自發(fā)熒光圖像改變，且準確率高，為臨床工作提供有利參考[35]。因此利用AI是否能解決色盲矯正問題成為目前的研究熱點。

4 總結與展望

色彩信息是圖像所包含的一種重要信息，能夠結合圖中場景的語義及物體表面紋理信息，共同展現(xiàn)豐富的層次感。而色盲患者由于視錐細胞功能的障礙，在接受色彩信息方面受到阻礙，而在現(xiàn)代生活中關于顏色的相關信息廣泛應用于各種印刷品及計算機顯示器中，在就業(yè)等方面無法獲取平等機會。色盲治療與矯正方法尚不完善，關于基因治療在色盲領域的應用，目前仍處于試驗階段，其有效性及安全性尚需進一步驗證。其中經過特殊處理的有色濾光片應用較為廣泛，但其適用范圍具有一定的局限性，且部分使用者配戴后有較強的不適感。目前隨著計算機視覺科學及AI的發(fā)展，已經開發(fā)了多種針對色盲患者的算法、應用程序和商業(yè)產品。而通過計算機的算法構建出色盲的模型，通過對圖像進行加工處理，使色盲患者能從中獲取更多的有效的顏色信息，雖然在現(xiàn)實生活中的進一步應用仍有待考究，但AI極有可能從根本上改變眼科工作的面貌，全方位影響現(xiàn)代眼科學的發(fā)展[36]。我們期望可以盡最大可能利用人工智能技術，促進眼科學的新發(fā)展，在色盲領域可以有進一步的應用。

利益沖突申明本研究無任何利益沖突

作者貢獻聲明顏玉緣：收集數(shù)據(jù)；參與選題、設計及資料的分析和解釋；撰寫論文；根據(jù)編輯部的修改意見進行修改。孟志勇：參與選題、設計和修改論文的結果、結論。胡建民：參與選題、設計、資料的分析和解釋；修改論文中關鍵性結果、結論，根據(jù)編輯部的修改意見進行核修