一种基于神经网络的对比敏感度快速测量方法技术

本发明专利技术公开一种基于神经网络的对比敏感度快速测量方法，包括步骤：S1：获取受试者在受试的空间频率和敏感度下的可视情况，并将已完成受试的检测结果整合为回答图谱；S2：对所述回答图谱进行填补和修复错误，得到对比敏感度图谱；S3：根据所述对比敏感度图谱的结果推荐下一组空间频率和敏感度作为受试者下一次受试的空间频率和敏感度；S4：重复步骤S1至S3，直到重复受试次数达到预设的数量，进入步骤S5；S5：利用最后一次受试后得到的对比敏感度图谱计算得到对比敏感度函数曲线和测量信息。本发明专利技术将CSF曲线表示为二维图谱，同时通过神经网络模型学习并模拟大量现实中存在的CSF曲线。相对于现有技术，受试次数更少，结果更准确。结果更准确。结果更准确。

【技术实现步骤摘要】
一种基于神经网络的对比敏感度快速测量方法


[0001]本专利技术涉及视力对比敏感度检测领域，更具体地，涉及一种基于神经网络的对比敏感度快速测量方法。

技术介绍

[0002]视力反映了黄斑中心凹在高对比度的情况下对细小物体的分辨能力，但生活中的视觉信息大部分都不是高对比度的，反映视功能需要对不同空间频率的对比敏感度进行全面评价。对比敏感度是测定视觉系统辨认不同大小物体空间频率(周/度)时，所需的物体表面的黑白反差(对比度)，用以评价视觉系统对不同大小物体的分辨能力，是一种新的视觉功能定量检查方法。对比敏感度可以用于评估多种眼部疾病的造成的视功能异常，包括视神经损伤、弱视、黄斑部疾病、视网膜病变、青光眼等。
[0003]对比度(Contrast)一般用对比度阈值(contrast threshold)来评价，它指物体与其背景之间可区分的最小亮度差异。我们常用对比度阈值的倒数，即对比敏感度(contrast sensitivity，CS)，来描述被试分辨对比度的能力。对比敏感度函数(contrast sensitivity function，CSF)可描述各个空间频率下的CS(图1)，横坐标是取对数单位的空间频率(Log spatial frequency，LogSF)，纵坐标是取对数单位的对比敏感度(Log contrast sensitivity,LogCS)。
[0004]随着计算机硬件和编程的发展，可通过软件控制显示器产生不同空间频率和对比度的视标，被试者通过人机对话完成CSF检测。包括应用贝叶斯自适应法即传统的Ψ法(Kontsevich,Leonid L.,and Christopher W.Tyler."Bayesian adaptive estimation of psychometric slope and threshold."Vision research 39,16,1999)，Thomson公司的商业化软件TestChart和Holladay自动对比敏感度测试系统(Holladay automated contrast sensitivity system HACSS)(Thayaparan,Kavitha,Michael D.Crossland,and Gary S.Rubin."Clinical assessment of two new contrast sensitivity charts."British Journal of Ophthalmology 91,6,2007)，Freiburg视力与对比敏感度测试(Freiburg Visual Acuity and Contrast Test,FrACT)(Anton,Alexandra,et al."Contrast sensitivity with bifocal intraocular lenses is halved,as measured with the Freiburg vision test(FrACT),yet patients are happy."Graefe'sArchive for Clinical and Experimental Ophthalmology 252,3,2014)，快速对比敏感度检查法(quickCSF,qcSF)(Lesmes,Luis Andres,et al."Bayesian adaptive estimation of the contrast sensitivity function:The quick CSF method."Journal of vision 10,3,2010)；以及利用光栅视标的快速测量视觉对比敏感度函数的系统(用于快速测量视觉对比敏感度函数的系统和方法)；
[0005]现有基于计算机实现CSF快速检测方法的主要问题是：(1)现有方法(如qCSF)基于正常人预先假设CSF函数，并推断受试者的CSF曲线参数令其符合假设的CSF函数。但是正常人的CSF曲线形态与眼部疾病中的CSF曲线形态差异大，因此在各种眼疾病中的适用性无法
保证；(2)现有方法需要非常多的测试次数才能得到准确的CSF曲线形态，例如qCSF需要50个试次，才能得到精确的结果。

技术实现思路

[0006]本专利技术提供一种基于神经网络的对比敏感度快速测量方法，不需要预先假设CSF结构即可通过预测二维图并还原其对应的CSF曲线形态，并且可以通过少量的试次就能够预估受试者的CSF曲线大致形态。
[0007]为解决上述技术问题，本专利技术的技术方案如下：
[0008]一种基于神经网络的对比敏感度快速测量方法，包括以下步骤：
[0009]S1：获取受试者在受试的空间频率和敏感度下的可视情况，并将已完成受试的检测结果整合为回答图谱，所述回答图谱为二维矩阵，所述回答图谱中的每个元素代表一个空间频率和敏感度组合的检测情况；
[0010]S2：对所述回答图谱进行填补和修复错误，得到对比敏感度图谱；
[0011]S3：根据所述对比敏感度图谱的结果推荐下一组空间频率和敏感度作为受试者下一次受试的空间频率和敏感度；
[0012]S4：重复步骤S1至S3，直到重复受试次数达到预设的数量，进入步骤S5；
[0013]S5：利用最后一次受试得到的对比敏感度图谱计算得到对比敏感度函数曲线和测量信息。
[0014]优选地，所述步骤S1中获取受试者在受试的空间频率和敏感度下的可视情况，具体为：
[0015]通过常规的检测方法获取受试者在受试的空间频率和敏感度下的可视情况，所述测试方法包括条栅图法和字母表法。
[0016]优选地，所述步骤S1中所述回答图谱中的每个元素代表一个空间频率和敏感度组合的检测情况，具体为：
[0017]所述回答图谱为N*M的二维矩阵，将空间频率范围分为N份，敏感度范围分为M份，每个元素代表一组空间频率和敏感度组合的检测情况，表示为(n,m),1≤n≤N,1≤m≤M，所述回答图谱中每个元素只有三个取值，分别为0、+a和
‑
a，其中，0表示没有检测此元素，+a表示检测过此元素并可以看见，
‑
a表示检测过此元素并无法看见。
[0018]优选地，所述步骤S1中将已测试的测试结果整合为回答图谱，具体为：
[0019]将代表一组敏感度为m和空间频率为n组合特性的数字或光栅视标展示给受试者，得到此组合的检测情况，并将此结果更新到回答谱图对应的元素(n,m)，如看见记为+a,反之记为
‑
a，每次检测的视标的敏感度和空间频率组合均不同，k次检测后将得到一张包含k个非0元素的二维矩阵。
[0020]优选地，所述步骤S2中对比敏感度图谱，具体为：
[0021]所述对比敏感度图谱为与所述回答图谱同样大小(N*M)的二维矩阵，所述对比敏感度图谱中的每个元素的取值范围为[
‑
a，+a]，越接近+a代表受试者越大概率可以看到此元素，越接近...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的对比敏感度快速测量方法，其特征在于，包括以下步骤：S1：获取受试者在受试的空间频率和敏感度下的可视情况，并将已完成受试的检测结果整合为回答图谱，所述回答图谱为二维矩阵，所述回答图谱中的每个元素代表一个空间频率和敏感度组合的检测情况；S2：对所述回答图谱进行填补和修复错误，得到对比敏感度图谱；S3：根据所述对比敏感度图谱的结果推荐下一组空间频率和敏感度作为受试者下一次受试的空间频率和敏感度；S4：重复步骤S1至S3，直到重复次数达到预设的数量，进入步骤S5；S5：利用最后一次受试得到的对比敏感度图谱计算得到对比敏感度函数曲线和测量信息。2.根据权利要求1所述的基于神经网络的对比敏感度快速测量方法，其特征在于，所述步骤S1中获取受试者在受试的空间频率和敏感度下的可视情况，具体为：通过常规的测试方法获取受试者在受试的空间频率和敏感度下的可视情况，所述测试方法包括但不限于条栅图法和字母表法。3.根据权利要求1所述的基于神经网络的对比敏感度快速测量方法，其特征在于，所述步骤S1中所述回答图谱中的每个元素代表一组空间频率和敏感度组合的检测情况，具体为：所述回答图谱为N*M的二维矩阵，将空间频率范围分为N份，敏感度范围分为M份，每个元素代表一组空间频率和敏感度组合的检测情况，表示为(n,m),1≤n≤N,1≤m≤M，所述回答图谱中每个元素只有三个取值，分别为0、+a和
‑
a，其中，0表示没有检测此元素，+a表示检测过此元素并可以看见，
‑
a表示检测过此元素并无法看见。4.根据权利要求3所述的基于神经网络的对比敏感度快速测量方法，其特征在于，所述步骤S1中将已完成受试的检测结果整合为回答图谱，具体为：将代表一组敏感度为m和空间频率为n组合特性的数字或光栅视标展示给受试者，得到此组合的检测情况，并将此结果更新到回答谱图对应的元素(n,m)，如看见记为+a,反之记为
‑
a，每次检测的视标代表的敏感度和空间频率组合特性均不同，k次检测后将得到一张包含k个非0元素的二维矩阵。5.根据权利要求4所述的基于神经网络的对比敏感度快速测量方法，其特征在于，所述步骤S2中对比敏感度图谱，具体为：所述对比敏感度图谱为与所述回答图谱同样大小(N*M)的二维矩阵，所述对比敏感度图谱中的每个元素的取值范围为[
‑
a，+a]，越接近+a代表受试者越大概率可以看到此元素，越接近
‑
a代表受试者越大概率不能看见此元素，对比敏感度图谱存在一条交界线将可以看见和不能看见的元素区域划分开来。6.根据权利要求5所述的基于神经网络的对比敏感度快速测量方法，其特征在于，所述步骤S2中对所述回答图谱进行填补和修复错误，具体为：利用包括但不限于深度自编码器、卷积神经网络或机器学习算法估计所述回答图谱中每个0值元素的是否可见情况并进行填充，同时修复已经测试过的元素中存在的错误，其中输入为回答图谱，输出为对比敏感度图谱，且输出搭配但不限于tanh激活函数，将回答图谱的离散取值范围转换为对比敏感度图谱的连续取值范围，每个元素的取值范围为[
‑
...

【专利技术属性】
技术研发人员：何尧，谢志，
申请(专利权)人：中山大学中山眼科中心，
类型：发明
国别省市：