一种基于光流法的眼震类型识别方法技术

本发明专利技术实施例公开了一种基于光流法的眼震类型识别方法，包括：步骤1：通过红外摄像头采集患者的眼震视频；步骤2：每隔1帧提取眼震视频的视频帧；步骤3：去除其中的闭眼帧；步骤4：采用迁移学习方法分割出保留的视频帧的虹膜部分；步骤5：计算连续的视频帧的光流，裁剪得到光流图；步骤6：将得到的光流图按顺序输入到训练好的ResNet+LSTM网络模型，通过网络模型自动识别眼震类型。本发明专利技术结合光流法和深度学习识别眼震类型，可以有效、准确地识别旋转性眼震。性眼震。性眼震。

【技术实现步骤摘要】
一种基于光流法的眼震类型识别方法


[0001]本专利技术涉及医学领域，尤其涉及一种基于光流法的眼震类型识别方法。

技术介绍

[0002]良性阵发性位置性眩晕（benign paroxysmal positional vertigo，BPPV）是最常见的前庭周围性疾病。当疾病发作时，患者可有剧烈眩晕、不稳等症状，严重者可有恶心、呕吐，不敢睁眼及行走，反复发作亦可引起紧张、焦虑情绪，可严重威胁人们的健康生活及工作。BPPV显著增加了老年人的跌倒风险，在一定程度上增加了社会经济负担。
[0003]BPPV病症的主要特点为头部运动至特定位置时诱发的短暂眩晕，同时伴随具有特征性的眼球震颤。根据眼球运动的方向，眼球震颤分为水平、垂直、旋转型等，这几种眼球震颤模式常常以混合方式出现，比如“水平加旋转”、“垂直加旋转”等。根据发病位置，BPPV类型主要可分为后半规管BPPV（posterior canal
‑
BPPV，PC
‑
BPPV）、水平半规管BPPV（horizontal canal
‑
BPPV，HC
‑
BPPV）、前半规管BPPV（anterior canal
‑
BPPV，AC
‑
BPPV) 和混合型BPPV（multiple canals
‑
BPPV，MC
‑
BPPV)。其中后半规管BPPV和水平半规管BPPV最常见
[3]（Von Brevern M, Bertholon P, Brandt T, et al. Benign paroxysmal positional vertigo: diagnostic criteria[J]. Journal of Vestibular Research, 2015, 25(3, 4): 105
‑
117.）。在临床实践中，主要采用特定位置动作引起的眼球震颤的临床特征和模式，如Dix
‑
Hallpike试验和仰卧滚动试验，对BPPV进行诊断。
[0004]目前眩晕疾病的临床眼震检查方法主要包括：（1）裸眼检查法：检查者立于受检者正前方或稍偏于一侧。受检者按检查者手指所示方向，向左、右、上、下及正前方5个基本方向注视，观察其眼球运动。
[0005]（2）眼震电图法：利用角膜（正电位）与视网膜（负电位）之间存在的电位差在眼球周围形成的电场。眼球运动时周围的电场随之发生变化，置于眼球周围的皮肤电极就能导出这种电场的变化，通过放大器传给记录装置，即可记录到眼震电图。分析眼震电图的主要参数是眼震的慢相角速度和持续时间。
[0006]（3）眼震视图法：采用红外线照明和高速摄像头进行眼震影像的采集，医生通过观察和分析眼震影像来诊断眼震类型。目前有研究利用模板匹配、光流法、深度学习等方法分析眼震影像，进而判断眼震类型。
[0007]现有的检查方法存在以下缺点：（1）裸眼检查法：医生目测分析眼震时，旋转性眼震的方向常常不易辨别，同时一些细微的眼震容易被肉眼所忽略，这些都会影响BPPV的定位诊断和后续复位治疗。
[0008]（2）眼震电图法：在试验中，不同人的角膜视网膜电位常常不同，每次检测时都需要定标且容易受病人情绪的干扰；由于表示眼震的生物电信号极其微弱，需要经过放大器放大才能检测出明显的信号，其他生物信号的干扰或者环境中的电磁干扰均可对检测结果造成影响；目前该技术只能检测水平性眼震和垂直性眼震，无法检测旋转性眼震；眼震电图检测对于设备和环境要求很高，且设备价格高昂、不易普及。
[0009]（3）眼震视图法：目前常见的眼震视图法主要通过视频眼罩采集眼震视频，医生查看拍摄的患者眼震视频进行诊断。眼震视频多、时间长，依靠医生人工检查与诊断，检查过程耗时久且重复性差，每次诊断都受医生的经验和主观因素影响。在患者数量大的情况下，医生的工作量会显著增大，导致诊断效率降低等问题。
[0010]在眼震视图法中，如何识别旋转性眼震是关键问题。有的研究人员利用虹膜的模板匹配跟踪眼球的旋转运动
[4]（Tanaka T, Tominaga S. Analysis of rotational vertigo using video and image processing[C]//2011 4th International Conference on Biomedical Engineering and Informatics (BMEI). IEEE, 2011, 1: 122
‑
127.），有的通过提取虹膜外圈区域展平为矩形图案然后计算前后两帧虹膜图案的特征点移动来检测眼球旋转运动
[5]（Ong J K Y, Haslwanter T. Measuring torsional eye movements by tracking stable iris features[J]. Journal of neuroscience methods, 2010, 192(2): 261
‑
267.）。这两种方法能够在一定条件下测量眼球旋转运动，但是虹膜会因为瞳孔的放大或缩小而变化，且多数病人在临床检查时无法完全睁开眼睛，导致模板无法匹配。还有研究人员利用光流法追踪虹膜特征点来获取眼球旋转运动信息，文献[2]（Stahl B K, Soares L P, Sangalli V A, et al. DirectFlow: a Robust Method for Ocular Torsion Measurement[C]//2019 IEEE 43rd Annual Computer Software and Applications Conference (COMPSAC). IEEE, 2019, 1: 300
‑
305.）利用Lucas
‑
Kanade
‑
Pyrm（LKP）光流算法追踪前后两帧中虹膜特征点的光流，以此测量眼球的旋转运动，但是瞳孔扩张、灯光反射等干扰会导致追踪效果下降或丢失特征点。文献[1]（Zhang W, Wu H, Liu Y, et al. Deep learning based torsional nystagmus detection for dizziness and vertigo diagnosis[J]. Biomedical Signal Processing and Control, 2021, 68: 102616.）利用稠密光流场检测眼球是否有旋转运动，但是没有深入研究不同眼震下的光流运动，只能区分有旋转和无旋转两种情况，并不能很好地对多种眼球震颤模式进行区分。文献[6]（Lim E C, Park J H, Jeon H J, et al. Developing a diagnostic decision support system for benign 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光流法的眼震类型识别方法，其特征在于，包括：步骤1：通过红外摄像头采集患者的眼震视频，T指眼震视频V的总帧数；步骤2：每隔1帧提取眼震视频的视频帧；步骤3：设定一个阈值，计算瞳孔面积所占画面比例是否超过阈值，超过阈值则保留该视频帧，否则删去该视频帧，去除其中的闭眼帧；步骤4：采用迁移学习方法分割出保留的视频帧的虹膜部分；步骤5：计算连续的视频帧的光流，并将其光流以HSV颜色空间表示，其中每个像素点的色调代表方向，强度代表大小；以瞳孔中心为图像中心，裁剪得到光流图；步骤6：构建并训练的ResNet+LSTM网络模型，将得到的光流图按顺序输入到训练好的ResNet+LSTM网络模型...

【专利技术属性】
技术研发人员：战荫伟，孔胜，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：