一种对角膜塑形后地形图进行矫正效果评级的方法技术

本发明专利技术提供了一种对角膜塑形后地形图进行矫正效果评级的方法，利用移动端图像采集系统对待使用者戴镜一个月后角膜地形图进行采集，在数据分割系统和数据处理系统中通过深度学习模型对角膜地形图中的有效光学区和瞳孔进行分割，计算偏心度、离焦量、有效离焦范围等医学指标并按照评价标准进行评级，最终将结果输出至可视硬件。本发明专利技术所述的是一种对角膜塑形后地形图进行矫正效果评级的方法，借助深度学习模型的分割能力，可以准确的对角膜地形图中有效光学区和瞳孔进行分割并根据计算的医学指标对角膜地形图进行评级，避免了操作者对配戴者进行验配时受到主观因素的干扰，本发明专利技术整体上可以大大减轻验光师验配压力。整体上可以大大减轻验光师验配压力。整体上可以大大减轻验光师验配压力。

【技术实现步骤摘要】
一种对角膜塑形后地形图进行矫正效果评级的方法


[0001]本专利技术属于视光检测领域，尤其是涉及一种对角膜塑形后地形图进行矫正效果评级的方法。

技术介绍

[0002]近年来随着各类电子产品的兴起以及日益繁忙的学业任务，使得青少年用眼时长延长，这导致近视的发病率逐年升高且逐渐呈低龄化趋势。据统计2020年中国青少年总体近视率为52.7％，这严重影响中小学生的正常学习和生活且对社会造成了巨大的负担，已经成为全球关注的焦点问题之一。角膜塑形镜是一种特殊设计的高透氧性硬性角膜接触镜，夜间睡觉配戴后，镜片的正压以及与镜下泪液所形成的负压将角膜重新塑形，即通过改变角膜的几何形态来消除眼睛的屈光不正，从而达到暂时减少近视度数或角膜散光的效果。因此角膜塑形镜被广泛应用于青少年的近视防控。
[0003]角膜地形图是角膜塑形镜在验配过程中必不可少的一项检查，它直观的进行了形态学分析，其中各点颜色的不同反映了该处屈光力的大小。在验配角膜塑形镜前的检查过程中它可以进行适用人群的筛选，如过滤掉圆锥角膜、边缘变性角膜或角膜过于扁平或陡峭等不规则角膜的人群；可以根据平k、陡k等信息选择匹配配戴者角膜的塑形镜参数等。而在角膜塑形镜的复查过程中角膜地形图也可以很好地反馈出角膜的塑形区域、塑形效果信息等；角膜塑形镜配戴后每年应当进行复查，这需要停戴4
‑
6周塑形镜让角膜恢复到原始形态。角膜地形图的种种作用都有助于医生对待使用者制定后续的治疗方案。但在以往的研究中大家只关注了角膜地形图形态方面的基础信息，并没有对常用的医学指标有深入的分析。事实上验光师在对不同待使用者进行角膜塑形镜的验配时，还需要综合考虑塑形镜的偏心度是否合理，瞳孔内有没有一定的离焦量以及瞳孔和有效光学区的相对位置关系等多个信息，而这些医学指标共同决定了角膜地形图矫正效果的好坏。
[0004]目前没有针对角膜塑形镜验配效果的客观评估方法，验光师往往根据临床经验对角膜地形图重要区域的形态及曲率进行分析，但这会导致验配结果有一定的主观性。并且由于验光师们的临床经验各不相同，很难保证每次验配可以根据多项验光指标与角膜地形图信息给出最优的验配结果。此外，据统计不同类型角膜地形图的待使用者其未来一年内眼轴增长量各不相同。因此为待使用者验配合适类型的角膜地形图不仅可以更好的矫正视力，还可以在一定程度上抑制眼轴增长。综上所述，本研究所述方法有助于提高角膜塑形镜验配效果，进而提高近视防控效果。

技术实现思路

[0005]有鉴于此，本专利技术旨在提出一种对角膜塑形后地形图进行矫正效果评级的方法，以解决现有技术验配镜过程个人因素影响较大，质量不可控的问题。
[0006]为达到上述目的，本专利技术的技术方案是这样实现的：
[0007]一种对角膜塑形后地形图进行矫正效果评级的方法,利用移动端图像采集系统对
待使用者戴镜一个月后角膜地形图进行采集，在数据分割系统和数据处理系统中通过深度学习模型对角膜地形图中的有效光学区和瞳孔进行分割，计算出偏心度、离焦量、有效离焦接触范围等指标，并按照规定条件将角膜地形图进行评级后输出至可视硬件。
[0008]进一步的，所述在移动端图像采集系统采集角膜地形图的方法是：
[0009]S1、使用移动端的图像采集设备，根据用户需求去采集配戴者角膜地形图，可以直接访问已经存储的图像或者直接利用角膜地形图仪进行图像拍摄。
[0010]S2、整理所有采集到的角膜地形图中配戴者一个月后复查的地形图,清洗掉由于配戴者闭眼等因素造成的不完整地形图。
[0011]S3、采用labelme标注方法在验光师的指导下，对有效光学区和瞳孔的范围进行标注。
[0012]进一步的，所述数据分割系统需要进行深度学习模型的构建，具体可以分成卷积层、池化层和激活层；其中，当获得待分割的角膜地形图后，通过多通道对图像数据的信息进行输入并卷积，卷积层的每个卷积产生一个通道的输出，从而可以得到多个通道的输出，其中，卷积定义为：
[0013][0014]其中，z[x,y]是计算结果，g[x,y]是输入数据，f[x,y]是卷积核，*表示卷积操作。
[0015]进一步的，所述输入通道的每一个数值需要通过激活函数进行数值修改，从而获得相同大小的输出，这种计算过程在激活层中完成，具体可以使用Relu函数：f(x)＝max(0,x)。
[0016]进一步的，所述输出数据，需要在池化层进行按比例采样，其采样方法可以表示为：f(X)＝max([X])。
[0017]如图3所示，经过深度学习模型后可生成有效光学区和瞳孔的分割图；输入待使用者配戴塑形镜一个月后的角膜地形图，图像经过多次卷积过程和激活过程后，经过池化操作得到多维特征图，特征图经过多次上采样得到对应的分割图，之后根据图像实际情况优化网络结构和参数。
[0018]进一步的，上述数据处理系统计算出偏心度、离焦量、有效离焦接触范围等指标，并按照规定条件将角膜地形图进行分级，具体步骤为：
[0019]A1、在hsv空间中按指定颜色提取出有效光学区和瞳孔的轮廓。
[0020]A2、计算有效光学区和瞳孔轮廓的外接矩形，并获取二者中心点的位置，计算二者中心点的间距即为偏心度。
[0021]A3、在hsv空间内分割出的瞳孔内部各颜色对应的区域。
[0022]A4、取瞳孔与有效光学区的交集，用步骤3所得区域与此交集进行差运算，即得到离焦区域(瞳孔内非光学区)各颜色对应的范围及面积。
[0023]A5、角膜地形图中各颜色对应一个屈光度，将各颜色面积与对应的屈光度分别相乘再求和，该值即为离焦量。
[0024]A6、对分割出的瞳孔进行二值化，采用四邻域算法获取所有瞳孔边界点坐标和离焦区域边界点坐标。
[0025]A7、瞳孔边界点坐标与离焦区域边界点坐标重合数量记为n1,瞳孔边界所有坐标
点数量记为n2，n1/n2即为有效离焦接触范围。
[0026]A8、将上述三个指标按验配医生规定的条件进行角膜塑形镜塑形效果的地形图评级，条件具体如下：
[0027]1级：0mm≤偏心度<1mm，有效离焦接触范围>3/4,离焦量>30。
[0028]2级：0mm≤偏心度<1mm，有效离焦接触范围在1/4
‑
3/4之间,离焦量>30。
[0029]3级：偏心度>1mm,离焦量>30。
[0030]4级：偏心度<0.5mm，有效离焦接触范围<1/4,离焦量<30。
附图说明
[0031]构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0032]图1是本专利技术实施例所述的应用单元运行示意图。
[0033]图2为本专利技术实施例所述的深度学习网格结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对角膜塑形后地形图进行矫正效果评级的方法，其特征在于：利用移动端图像采集系统对待使用者戴镜一个月后角膜地形图进行采集，在数据分割系统和数据处理系统中通过深度学习模型对角膜地形图中的有效光学区和瞳孔进行分割，计算偏心度、离焦量、有效离焦范围医学指标并按照评价标准进行评级，最终将计算结果输出至可视硬件。2.根据权利要求1所述的一种对角膜塑形后地形图进行矫正效果评级的方法，其特征在于：在移动端图像采集系统采集角膜地形图的方法是：S1、使用移动端的图像采集设备，根据用户需求去采集配戴者角膜地形图，可以直接访问已经存储的图像或者直接利用角膜地形图仪进行图像拍摄；S2、整理所有采集到的角膜地形图中配戴者一个月后复查的地形图，清洗掉由于配戴者闭眼因素造成的不完整地形图；S3、采用labelme标注方法，在验光师的指导下对有效光学区和瞳孔的范围进行标注。3.根据权利要求1所述的一种对角膜塑形后地形图进行矫正效果评级的方法，其特征在于：数据分割系统需要进行深度学习模型的构建，具体可以分成卷积层、池化层和激活层；其中，当获得待分割的角膜地形图后，通过多通道对图像数据的信息进行输入并卷积，卷积层的每个卷积产生一个通道的输出，从而可以得到多个通道的输出，其中，卷积定义为：其中，z[x,y]是计算结果，g[x,y]是输入数据，f[x,y]是卷积核，*表示卷积操作。4.根据权利要求3所述的一种对角膜塑形后地形图进行矫正效果评级的方法，其特征在于：输入通道的每一个数值需要通过激活函数进行数值修改，从而获得相同大小的输出，这种计算过程在激活层中完成，具体可以使用Relu函数：f(x)＝max(0,x)。5.根据权利要求3所述的一种对角膜塑形后地形图进行矫正效果评级的方法，其特征在于：输出数据，需要在池化层进行按比例采样，其采样方法可以表示为：f(X)＝max([X])；经过深度学习模...

【专利技术属性】
技术研发人员：杨晓艳，叶青，张姝贤，刘寅，李丽华，王婷，陈晓琴，李树茂，郑浩然，穆鑫，
申请(专利权)人：天津市眼科医院视光中心有限公司，
类型：发明
国别省市：