眼前节图像的眼压信息提取方法、终端和存储介质技术

本发明专利技术提供了一种眼前节图像的眼压信息提取方法、终端和存储介质，首先获取三维角膜断层扫描系统拍摄的被测人员的眼前节图像；接着从眼前节图像中提取眼前节信息；最终根据眼前节信息和预先训练的眼压预测模型，确定被测人员的眼压。通过图像识别技术，将拍摄眼前节图像后进行特征提取再依据训练好的眼压预测模型进行分析，能够在不接触患者也不损伤眼球的前提下，实现对眼压的检测，有效保证检测过程的安全性。程的安全性。程的安全性。

【技术实现步骤摘要】
眼前节图像的眼压信息提取方法、终端和存储介质


[0001]本专利技术属于图像处理
，尤其涉及一种眼前节图像的眼压信息提取方法、终端和存储介质。

技术介绍

[0002]眼内压（Intraocular pressure，IOP）即眼球内容物作用于眼球壁及内容物之间相互作用的压力。正常的眼压稳定在一定范围内，即10mmHg
‑
21mmHg，其能够维持眼球的正常形态，使各屈光界面保持良好的屈光状态。眼压的作用是保持眼球的正常结构和功能，若出现眼压过高或眼压过低，都会眼球的结构产生病理性的改变，例如青光眼等眼部疾病。常见的眼压测量方法主要包括接触式眼压计（例如Goldmann眼压计）和非接触式眼压仪（例如喷气式眼压计）。
[0003]常规压平眼压计不可避免的接触机会，需要局部麻醉和荧光素染色，程序复杂且耗时较长。特别是对于存在角膜疾病或者创伤的患者难以实施，且接触测量增加了病毒感染的风险。喷气式眼压计同样会带来局部空间内气溶胶增多的现象。特别是新近研究发现非接触式眼压测量仍然存在引起角膜内皮与虹膜及晶状体前囊直接接触压迫的损伤风险等问题。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种眼前节图像的眼压信息提取方法、终端和存储介质，旨在解决现有技术中常规眼压检测方法的安全性低的问题。
[0005]本专利技术实施例的第一方面提供了一种眼前节图像的眼压信息提取方法，包括：获取三维角膜断层扫描系统拍摄的被测人员的眼前节图像；从眼前节图像中提取眼前节信息；根据眼前节信息和预先训练的眼压预测模型，确定被测人员的眼压。
[0006]本专利技术实施例的第二方面提供了一种眼前节图像的眼压信息提取装置，包括：获取模块，用于获取三维角膜断层扫描系统拍摄的被测人员的眼前节图像；提取模块，用于从眼前节图像中提取眼前节信息；确定模块，用于根据眼前节信息和训练建立的眼压预测模型，确定被测人员的眼压。
[0007]本专利技术实施例的第三方面提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上第一方面的眼前节图像的眼压信息提取方法的步骤。
[0008]本专利技术实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上第一方面的眼前节图像的眼压信息提取方法的步骤。
[0009]本专利技术实施例提供的一种眼前节图像的眼压信息提取方法、终端和存储介质，首
先获取三维角膜断层扫描系统拍摄的被测人员的眼前节图像；接着从眼前节图像中提取眼前节信息；最终根据眼前节信息和预先训练的眼压预测模型，确定被测人员的眼压。通过图像识别技术，将拍摄眼前节图像后进行特征提取再依据训练好的眼压预测模型进行分析，能够在不接触患者也不损伤眼球的前提下，实现对眼压的检测，有效保证检测过程的安全性。
附图说明
[0010]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本专利技术实施例提供的眼前节图像的眼压信息提取方法的应用场景图；图2是本专利技术实施例提供的眼前节图像的眼压信息提取方法的实现流程图；图3是本专利技术实施例提供的眼前节图像的眼压信息提取装置的结构示意图；图4是本专利技术实施例提供的终端的结构示意图。
具体实施方式
[0012]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0013]图1是本专利技术实施例提供的眼前节图像的眼压信息提取方法的应用场景图。如图1所示，在一些实施例中，本专利技术实施例提供的眼前节图像的眼压信息提取方法可以但不限于应用于该应用场景。在该专利技术实施例中，该系统包括：三维角膜断层扫描装置11和终端12。
[0014]其中，三维角膜断层扫描装置11包括底座、扫描相机、支架等，在检测过程中，被测人员将脸部贴合在支架上，眼睛看向扫描相机，扫描相机拍摄的被测人员的眼前节图像，并上报给终端12。终端12可以是手机、电脑等，在此不作限定。
[0015]图2是本专利技术实施例提供的眼前节图像的眼压信息提取方法的实现流程图。如图2所示，在一些实施例中，眼前节图像的眼压信息提取方法，应用于图1中的终端12，该方法包括：S210，获取三维角膜断层扫描系统拍摄的被测人员的眼前节图像。
[0016]在本专利技术实施例中，眼前节图像可以为bmp或jpeg格式。
[0017]S220，从眼前节图像中提取眼前节信息。
[0018]在本专利技术实施例中，眼前节是眼球的一部分，具体包括：全部角膜、虹膜、睫状体、前房、后房、晶状体悬韧带、房角、部分晶状体、周边玻璃体等。眼前节图像可以为一张或者多张，在此不作限定。眼前节图像为多张时，可以对每张图像均进行眼前节信息的提取，若大于预设数目的眼前节图像中均提取到同一个眼前节信息，则表明该眼前节信息有效，否则将其视为图像噪声。
[0019]在本专利技术实施例中，眼前节信息包括下述至少一项：角膜厚度、角膜像差、角膜曲率、角膜体积、角膜偏心、角膜散光、瞳孔大小、瞳孔位置、前房深度、前房体积和前房角度。
[0020]S230，根据眼前节信息和预先训练的眼压预测模型，确定被测人员的眼压。
[0021]在本专利技术实施例中，眼压预测模型为机器学习模型或集成模型；机器学习模型可以包括但不限于下述至少一项：决策树、线性回归模型、神经网络模型、光梯度提升机、极限梯度提升模型、分类提升模型、额外树回归器模型、随机森林模型；集成模型依次由随机森林模型、神经网络模型、分类提升模型和极限梯度提升模型组合得到。
[0022]在本专利技术实施例中，可以使用但不限于平均绝对误差（MAE）损失函数分别训练上述模型，并应用但不限于5倍交叉验证来比较每次迭代的结果。
[0023]在本专利技术实施例中，可以使用确定系数、平均绝对误差、均方误差和均方根误差来评估回归模型在预测目标IOP性能方面的性能。具体计算公式如下：其中，R2是确定系数，MAE是平均绝对误差，MSE是均方误差，RMSE是均方根误差，y
i
是眼压的实际值，
ŷ
i
是眼压的预测值，
ȳ
是样本的平均值，n是样本的数量。
[0024]在本专利技术实施例中，将高分辨率的扫描相机测得的7624张图像中的143个眼前节信息作为特征向量构建8种不同机器学习模型。通过5倍交叉验证分别对不同模型进行训练和验证。选择性能最优的模型在1907眼组成的外部测试集中分别以平均绝对误差MAE、均方误本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种眼前节图像的眼压信息提取方法，其特征在于，包括：获取三维角膜断层扫描系统拍摄的被测人员的眼前节图像；从所述眼前节图像中提取眼前节信息；根据所述眼前节信息和预先训练的眼压预测模型，确定被测人员的眼压。2.根据权利要求1所述的眼前节图像的眼压信息提取方法，其特征在于，在根据所述眼前节信息和预先训练的眼压预测模型，确定被测人员的眼压之前，所述方法还包括：获取多个目标人员的前眼部样本图像、每个目标人员的人口统计信息、屈光度和眼压样本数据；其中，所述目标人员中健康人员与非健康人员的比例为第一预设比例；以前眼部样本图像所提取的目标人员的眼前节信息作为输入，每个目标人员的人口统计信息、屈光度和眼压样本数据作为输出，采用平均绝对误差损失函数和5倍交叉验证法对初始预测模型进行训练，得到所述眼压预测模型。3.根据权利要求2所述的眼前节图像的眼压信息提取方法，其特征在于，在获取多个目标人员的前眼部样本图像、每个目标人员的人口统计信息、屈光度和眼压样本数据之后，所述方法还包括：将所述多个目标人员的前眼部样本图像、每个目标人员的人口统计信息、屈光度和眼压样本数据组成原始特征集；根据所述原始特征集建立第一决策树模型，并所述第一决策树模型的超参数；根据所述超参数构造第一特征；其中，所述第一特征在[0，1]之间均匀分布；根据所述第一特征和所述原始特征集，构建第二决策树模型；根据第二决策树模型计算所述原始特征集中各个原始特征和第一特征的重要性；删除重要性小于所述第一特征的原始特征；所述以前眼部样本图像所提取的目标人员的眼前节信息作为输入，每个目标人员的人口统计信息、屈光度和眼压样本数据作为输出，采用平均绝对误差损失函数和5倍交叉验证法对初始预测模型进行训练，得到所述眼压预测模型，包括：以原始特征中，目标人员的眼前节信息作为输入，每个目标人员的人口统计信息、屈光度和眼压样本数据作为输出，采用平均绝对误差损失函数和5倍交叉验证法对初始预测模型进行训练，得到所述眼压预测模型。4.根据权利要求3所述的眼前节图像的眼压信息提取方法，其特征在于，在删除重要性小于第一特征的原始特征之后，所述方法还包括：将原始特征两两分组，得到多个特征对；根据第二决策树模型计算每个特征对的重要性；将特征对的重要性大于预设阈值的特征对作为组合特征。5.根据权利要求4所述的眼前节图像的眼压信息提取方法，其特征在于，所述以前眼部样...

【专利技术属性】
技术研发人员：石珅达，邹昊翰，孙晓宁，贺新，王雁，
申请(专利权)人：华慧健天津科技有限公司，
类型：发明
国别省市：