一种早期圆锥角膜分类模型的构建方法技术

本发明专利技术提供一种基于泽尼克多项式和深度学习的圆锥角膜分类模型构建方法，包括：获取角膜数据并预处理成泽尼克系数数据集；其中，角膜数据包括前角膜曲率数据、后角膜曲率数据、前角膜高度数据、后角膜高度数据和角膜厚度数据；基于BP神经网络，构建出圆锥角膜分类模型；其中，圆锥角膜分类模型的输出类别包括正常、亚临床圆锥角膜和圆锥角膜；将泽尼克系数数据集分类形成训练集和测试集，并对圆锥角膜分类模型进行训练和测试，得到最终训练好的圆锥角膜分类模型。实施本发明专利技术，能解决现有机器学习方法检测精度不高的问题。器学习方法检测精度不高的问题。器学习方法检测精度不高的问题。

【技术实现步骤摘要】
一种早期圆锥角膜分类模型的构建方法


[0001]本专利技术涉及计算机数据处理
和医学
，尤其涉及一种基于泽尼克多项式和深度学习的圆锥角膜分类模型构建方法。

技术介绍

[0002]角膜提供大约70％的眼睛聚焦能力，是眼睛最有效的屈光元件。角膜的光学作用主要取决于其球形度和空气与组织界面处的折射率差异。圆锥角膜(KC)是角膜的渐进性、非炎症性变薄和锥形突出。它通常在青少年到成年早期被发现，并导致越来越多的近视和散光。早期发现KC在屈光手术候选者的术前筛查中至关重要，因为对未确诊的圆锥角膜进行手术可能会导致术后结果不令人满意和医源性角膜扩张。
[0003]机器学习在处理图像和视频方面具有巨大潜力，并已被用于基于图像特征的任务分类。当前的研究是针对基于医学图像的KC早期诊断的机器学习技术的开发。一些机器学习方法，例如无监督学习、卷积神经网络CNN、ResNet
‑
18或支持向量机SVM，已用于医学图像的KC早期诊断。然而，大多数医学图像分辨率高，使得现有的机器学习方法检测精度不高。因此，有必要对现有的机器学习方法进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于泽尼克多项式和深度学习的圆锥角膜分类模型构建方法，其特征在于，所述方法包括以下步骤：获取角膜数据并预处理成泽尼克系数数据集；其中，所述角膜数据包括前角膜曲率数据、后角膜曲率数据、前角膜高度数据、后角膜高度数据和角膜厚度数据；基于BP神经网络，构建出圆锥角膜分类模型；其中，所述圆锥角膜分类模型的输出类别包括正常、亚临床圆锥角膜和圆锥角膜；将所述泽尼克系数数据集分类形成训练集和测试集，并对所述圆锥角膜分类模型进行训练和测试，得到最终训练好的圆锥角膜分类模型。2.如权利要求1所述的基于泽尼克多项式和深度学习的圆锥角膜分类模型构建方法，其特征在于，通过公式对所述角膜数据进行预处理；其中，为归一化因子，且δ
m0
为Kronecker delta函数；为径向多项式，且3.如权利要求2所述的基于泽尼克多项式和深度学习的圆锥角膜分类模型构建方法，其特征在于，通过设置使得在归一化极坐标(ρ，θ)上的预处理数据能在极坐标(r，θ)上表示为其中，a
n，m
为瞳孔半径的扩展系数范围；为不同瞳孔大小的值；S(r，θ)为泽尼克项的线性组合。4.如权利要求1所述的基于泽尼克多项式和深度学...

【专利技术属性】
技术研发人员：高和蓓，沈梅晓，李洪，施策，
申请(专利权)人：温州职业技术学院，
类型：发明
国别省市：