【技术实现步骤摘要】
基于图像和深度的角膜层次识别及病变定位方法和系统
本专利技术涉及医学人工智能图像识别领域，特别涉及基于图像和深度的角膜层次识别及病变定位方法和系统。
技术介绍
角膜病可严重威胁视力，是我国第二位致盲及低视力病因。共聚焦显微镜检查可以对活体角膜进行扫描，检测角膜超微结构，显示正常及病理状态下细胞水平的形态变化，为角膜疾病的诊断提供重要信息。通过对病灶进行识别，分析其累及的解剖层次，可以评估角膜疾病的严重程度，从而选择合适的治疗方案。根据解剖组织结构和共聚焦显微镜图像形态，角膜可分为五个层次：上皮细胞层、前弹力层、角膜基质层、后弹力层、内皮细胞层。其中，神经纤维分布于上皮下及前弹力层。然而，人工对角膜共聚焦图像进行判读，要求判读人员经过专业训练，阅片工作费时费力，在临床中缺乏足够的眼科医生从事这一工作；且人工阅片依赖于医生个人经验，受主观性影响。人工智能的应用可大幅提高共聚焦显微镜图像判读的效率和准确性，极大提高这一医学检查手段在临床中所发挥的价值。目前使用人工智能对角膜共聚焦图像进行自动化分析，无法准确识别出上述角膜的...
【技术保护点】
1.基于图像和深度的角膜层次识别及病变定位方法，其特征在于：所述角膜层次包括上皮细胞层、上皮下神经纤维丛、前弹力层、角膜基质层、后弹力层和内皮细胞层；/n包括如下步骤:/n步骤S1：获取患者信息及对应的多张第一角膜图像；/n步骤S2：对所述第一角膜图像进行清晰度检测，选取清晰度符合要求的多张第二角膜图像；/n步骤S3：基于图像特征判断当前第二角膜图像的角膜层次是否可识别，若是，则进入步骤S4，若否，则进入步骤S6；/n步骤S4：识别当前第二角膜图像的角膜层次；及/n步骤S5：识别当前第二角膜图像是否有病变；/n步骤S6：获取当前第二角膜图像的深度数值，并判别当前第二角膜图像...
【技术特征摘要】
1.基于图像和深度的角膜层次识别及病变定位方法，其特征在于：所述角膜层次包括上皮细胞层、上皮下神经纤维丛、前弹力层、角膜基质层、后弹力层和内皮细胞层；
包括如下步骤:
步骤S1：获取患者信息及对应的多张第一角膜图像；
步骤S2：对所述第一角膜图像进行清晰度检测，选取清晰度符合要求的多张第二角膜图像；
步骤S3：基于图像特征判断当前第二角膜图像的角膜层次是否可识别，若是，则进入步骤S4，若否，则进入步骤S6；
步骤S4：识别当前第二角膜图像的角膜层次；及
步骤S5：识别当前第二角膜图像是否有病变；
步骤S6：获取当前第二角膜图像的深度数值，并判别当前第二角膜图像的角膜层次；及
步骤S7：识别当前第二角膜图像是否存在异常。
2.如权利要求1中所述基于图像和深度的角膜层次识别及病变定位方法，其特征在于：上述步骤S6具体包括如下步骤：
步骤S61：使用模板匹配算法，在当前第二角膜图像的特定区域获取对应的深度数值；及
步骤S62：基于深度数值预测当前第二角膜图像的角膜层次。
3.如权利要求2中所述基于图像和深度的角膜层次识别及病变定位方法，其特征在于：上述步骤S6还包括如下步骤：
步骤S63：基于对应的深度数值，对步骤S4已经识别角膜层次的第二角膜图像和当前第二角膜图像进行排序；
步骤S64：基于排序的多张第二角膜图像的深度数值，计算当前第二角膜图像对应角膜层次的置信度；及
步骤S65：基于置信度判别当前第二角膜图像的角膜层次。
4.如权利要求3中所述基于图像和深度的角膜层次识别及病变定位方法，其特征在于：所述角膜层次包括前弹力层和后弹力层；
上述步骤S7具体包括如下步骤：
步骤S71：判断当前第二角膜图像是否位于前弹力层或后弹力层，若是，则进入步骤S72，若否，则进入步骤S73；
步骤S72：识别当前第二角膜图像的角膜层次的毗邻角膜层次的异常状态，以判定当前第二角膜图像的异常状态；及
步骤S73：连续扫描，判断出现异常的图像数量，若超过3张，则判定病变，若小于3张，则提示异常。
5.如权利要求1中所述基于图像和深度的角膜层次识别及病变定位方法，其特征在于：还包括：
步骤S8：基于识别的多个角膜层次和病变进行三维图像化显示，并在相应区域显示异常和病变。
<...
【专利技术属性】
技术研发人员：徐帆，唐宁宁，蒋莉，唐芬，吕健，黄光怡，何文静，
申请(专利权)人：广西壮族自治区人民医院，
类型：发明
国别省市：广西;45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。