【技术实现步骤摘要】
本专利技术涉及医疗科技，尤其涉及一种房角参数测量方法、装置、设备及介质。
技术介绍
1、青光眼是眼科常见的一种疾病，世界卫生组织将其列为仅次于白内障的第二大致盲性眼病。青光眼主要分为原发性、继发性和先天性三大类，原发性青光眼根据房水循环受阻的方式，可以分为原发性闭角青光眼(primary angle closure glaucoma,pacg)和原发性开角青光眼(primary open angle glaucoma,poag)，其中pacg是亚洲也是我国最为常见的青光眼类型。
2、眼前节学相干断层成像(oct)作为眼科疾病的检测方法，通过处理沿入射光相同路径返回的漫反射光，并根据其光信号强度以及传输时间进行可视化处理，实现对活体眼组织的显微镜结构进行非接触式、非侵入性的断层成像，辅助眼科疾病的诊断。相比于眼科高分辨率显微镜成像(ubm)，眼前节oct可以对角膜、虹膜、睫状体和前房等部位进行更为清晰的成像和更准确的定量分析。使用眼前节oct可以对房角隐窝面积(angle recessusarea,ara)，小梁-虹膜空间面积(trabecular-iris space area,tisa)，房角角度(anterior chamber angle,aca)等眼前节参数进行定量测量，可以对眼前节相关疾病进行客观的评估，但oct图像中用于评估青光眼风险的眼前节参数种类繁多，若仅仅通过手工测量不仅无法保证检测的效率，同时还会受到操作者的临床经验等主观因素的影响。
技术实现思路
2、为达上述之一或部分或全部目的或是其他目的，本专利技术提出一种房角参数测量方法，包括：获取待测量眼前节图像，并通过目标检测模型识别所述待测量眼前节图像中房角的状态数据，所述状态数据包括开角状态和闭角状态，所述待测量眼前节图像为基于光学相干断层扫描技术的图像，所述目标检测模型包括第一识别算法和第二识别算法；
3、当所述房角的状态数据为开角状态时，则获取所述待测量眼前节图像中房角的图像，作为目标图像；
4、基于预设关键点检测模型确定所述目标图像中巩膜突坐标和房角隐窝坐标，所述预设关键点检测模型包括巩膜突关键点检测算法和房角隐窝关键点检测算法；
5、基于预设轮廓识别模型确定所述目标图像中的虹膜轮廓和角膜轮廓，所述预设轮廓识别模型为语义分割模型；
6、根据所述巩膜突坐标、所述房角隐窝坐标、所述虹膜轮廓和所述角膜轮廓完成对所述待测量眼前节图像中房角参数的测量。
7、可选的，所述获取待测量眼前节图像，并通过目标检测模型识别所述待测量眼前节图像中房角的状态数据的步骤，包括：
8、获取所述待测量眼前节图像，并通过所述目标检测模型中的所述第一识别算法判断所述待测量眼前节图像中是否包含角房；
9、若所述待测量眼前节图像中包含角房，则通过所述目标检测模型中的所述第二识别算法识别所述待测量眼前节图像中房角的状态数据。
10、可选的，在所述获取待测量眼前节图像，并通过目标检测模型识别所述待测量眼前节图像中房角的状态数据的步骤之前，还包括：
11、获取历史眼前节图像集，所述历史眼前节图像集包括包含角房的第一历史眼前节图像和不包含角房的第二历史眼前节图像；
12、基于所述历史眼前节图像集训练初始检测模型，得到所述初始检测模型中第一识别算法的第一目标参数；
13、获取历史房角检测数据集，所述历史房角检测数据集包括不同类型房角的图像；
14、根据所述历史房角检测数据集训练所述初始检测模型，得到所述初始检测模型中第二识别算法的第二目标参数；
15、基于所述第一目标参数和所述第二目标参数更新所述初始检测模型，得到所述目标检测模型。
16、可选的，所述当所述房角的状态数据为开角状态时，则获取所述待测量眼前节图像中房角的图像，作为目标图像的步骤，包括：
17、当所述房角的状态数据为开角状态时，获取所述待测量眼前节图像中房角的位置信息；
18、根据所述位置信息按照预设提取条件提取所述待测量眼前节图像中房角的图像，作为目标图像，所述预设提取条件包括预设提取尺寸。
19、可选的，所述基于预设关键点检测模型确定所述目标图像中巩膜突坐标和房角隐窝坐标，所述预设关键点检测模型包括巩膜突关键点检测算法和房角隐窝关键点检测算法的步骤，包括：
20、基于所述预设关键点检测模型中巩膜突关键点检测算法的编码处理得到所述目标图像中巩膜突的第一热图，并将所述第一热图转换为第一坐标数据，得到所述目标图像中巩膜突坐标；
21、基于所述预设关键点检测模型中房角隐窝关键点检测算法的编码处理得到所述目标图像中房角隐窝的第二热图，并将所述第二热图转换为第二坐标数据，得到所述目标图像中房角隐窝坐标。
22、可选的，在所述基于预设关键点检测模型确定所述目标图像中巩膜突坐标和房角隐窝坐标，所述预设关键点检测模型包括巩膜突关键点检测算法和房角隐窝关键点检测算法的步骤之前，还包括：
23、基于分割网络构建初始关键点检测模型，所述初始关键点检测模型包括初始巩膜突关键点检测算法和初始房角隐窝关键点检测算法；
24、获取历史巩膜突数据集，所述历史巩膜突数据集包括历史巩膜突图像和与历史巩膜突图像对应的坐标标签数据；
25、基于所述历史巩膜突数据集训练所述初始关键点检测模型，确定所述初始关键点检测模型中初始巩膜突关键点检测算法的第三目标参数，基于所述第三目标参数更新所述初始巩膜突关键点检测算法，得到所述巩膜突关键点检测算法；
26、获取历史房角隐窝数据集，所述历史房角隐窝数据集包括历史房角隐窝图像和与历史房角隐窝图像对应的坐标标签数据；
27、基于所述历史房角隐窝数据集训练所述初始关键点检测模型，确定所述初始关键点检测模型中初始房角隐窝关键点检测算法的第四目标参数，基于所述第四目标参数更新所述初始房角隐窝关键点检测算法，得到所述房角隐窝关键点检测算法；
28、基于所述巩膜突关键点检测算法和所述房角隐窝关键点检测算法得到所述预设关键点检测模型。
29、可选的，所述基于预设轮廓识别模型确定所述目标图像中的虹膜轮廓和角膜轮廓，所述预设轮廓识别模型为语义分割模型的步骤，包括：
30、通过所述预设轮廓识别模型按照像素类别对所述目标图像进行分类，得到分类数据，所述预设轮廓识别模型为语义分割模型；
31、基于所述分类数据组成不同眼前节组织的二值图，使用边缘检测算子对各个眼前节组织的二值图进行轮廓提取，确定所述目标图像中的虹膜轮廓和角膜轮廓，所述眼前节组织包括虹膜和角膜。
32、另一方面，本申请实施例提供了一种房角参数测量装置，所述装置，包括：
33本文档来自技高网...
【技术保护点】
1.一种房角参数测量方法，其特征在于，包括：
2.如权利要求1所述的房角参数测量方法，其特征在于，所述获取待测量眼前节图像，并通过目标检测模型识别所述待测量眼前节图像中房角的状态数据的步骤，包括：
3.如权利要求1所述的房角参数测量方法，其特征在于，在所述获取待测量眼前节图像，并通过目标检测模型识别所述待测量眼前节图像中房角的状态数据的步骤之前，还包括：
4.如权利要求1所述的房角参数测量方法，其特征在于，所述当所述房角的状态数据为开角状态时，则获取所述待测量眼前节图像中房角的图像，作为目标图像的步骤，包括：
5.如权利要求1所述的房角参数测量方法，其特征在于，所述基于预设关键点检测模型确定所述目标图像中巩膜突坐标和房角隐窝坐标，所述预设关键点检测模型包括巩膜突关键点检测算法和房角隐窝关键点检测算法的步骤，包括：
6.如权利要求1所述的房角参数测量方法，其特征在于，在所述基于预设关键点检测模型确定所述目标图像中巩膜突坐标和房角隐窝坐标，所述预设关键点检测模型包括巩膜突关键点检测算法和房角隐窝关键点检测算法的步骤之前，还包
7.如权利要求1所述的房角参数测量方法，其特征在于，所述基于预设轮廓识别模型确定所述目标图像中的虹膜轮廓和角膜轮廓，所述预设轮廓识别模型为语义分割模型的步骤，包括：
8.一种房角参数测量装置，其特征在于，所述装置，包括：
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一项所述的房角参数测量方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7中任一项所述的房角参数测量方法的步骤。
...【技术特征摘要】
1.一种房角参数测量方法，其特征在于，包括：
2.如权利要求1所述的房角参数测量方法，其特征在于，所述获取待测量眼前节图像，并通过目标检测模型识别所述待测量眼前节图像中房角的状态数据的步骤，包括：
3.如权利要求1所述的房角参数测量方法，其特征在于，在所述获取待测量眼前节图像，并通过目标检测模型识别所述待测量眼前节图像中房角的状态数据的步骤之前，还包括：
4.如权利要求1所述的房角参数测量方法，其特征在于，所述当所述房角的状态数据为开角状态时，则获取所述待测量眼前节图像中房角的图像，作为目标图像的步骤，包括：
5.如权利要求1所述的房角参数测量方法，其特征在于，所述基于预设关键点检测模型确定所述目标图像中巩膜突坐标和房角隐窝坐标，所述预设关键点检测模型包括巩膜突关键点检测算法和房角隐窝关键点检测算法的步骤，包括：
6.如权利要求1所述的房角参数测量方法，其特征在于，在所述基于预设关...
【专利技术属性】
技术研发人员：张少冲，弥胜利，孙尚，窦宁馨，周大钊，石开文，李光扬，
申请(专利权)人：深圳市眼科医院深圳市眼病防治研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。