【技术实现步骤摘要】
本专利技术涉及光学成像，尤其涉及一种基于机器学习利用ubm图像的预测方法、系统、设备及可读存储介质。
技术介绍
1、icl(眼内接触镜)植入是近视矫正的一种手段，目前不仅运用于矫正高度近视，在低中度近视患者中也被证实具有良好的安全性及有效性。理想的术后拱高是保证icl术后安全性的一个重要指标，拱高过低可能引起白内障而拱高过高则可能导致继发性青光眼。
2、目前icl公式提供的软件计算公式只能使得大约80％的患者术后能达到理想的拱高。由于ubm图像可以清晰反应患者睫状体、后房及沟到沟的结构特点。因此临床工作及越来越多的研究已意识到ubm图像在icl尺寸选择上的重要意义。有经验的icl手术医生可在icl厂家提供的公式基础上联合ubm图像来选择icl尺寸，这种方式大大提高拱高的预测性。
3、但是目前ubm图像不能自动化识别和测量睫状体和后房形态，需要手动进行测量，这样增加了医生的工作负担，且各个医生在经验上存在一定的差异，这为临床工作有效开展增加了难度。
4、鉴于此，实有必要提供一种新型的一种基于机器学习的icl植入方法、系统、设备及可读存储介质以克服上述缺陷。
技术实现思路
1、本专利技术的目的是提供一种基于机器学习利用ubm图像的预测方法，方便捷精准有效的选择icl的尺寸及预测术后临床拱高。
2、为了实现上述目的，本专利技术提供一种基于机器学习利用ubm图像的预测方法，包括如下步骤：
3、s1、选取icl术前ubm图像，对质量
4、s2、对ubm图像的关键点进行标注，基于此标注生成高斯热力图，训练unet模型对高斯热力图进行预测，
5、训练unet模型预测结果转换为ubm图像上的关键点，再基于关键点计算睫状体相关的关键参数；
6、s3、收集步骤s1中所述的提取的参数和步骤s2中计算的关键参数，构建xgboost回归模型并输出预测参数。
7、优选的，步骤s1包括步骤s11：对ubm图像的质量进行判断，对质量合格的ubm图像使用labelme图像数据标注软件进行标注；使用pytorch进行图像分割模型训练，训练出图像分割模型为unet；将ubm图形导入训练好的图像分割模型unet中生成labelme，进行范围采色并获取轮廓，进而计算前后房相关参数数据，参数数据为左侧后房面积、左侧后房高度、左侧后房宽度、左侧后房曲折率、右侧后房面积、右侧后房高度、右侧后房宽度、右侧后房曲折率、上方前房面积、上方前房高度、上方前房宽度以及上方前房曲折率作为训练数据。
8、优选的，将原始的术前ubm图像以及标记后的术前ubm图像按80％和20％进行分配，进行图像分割模型训练形成分割模型unet，训练批次为100，每批次批尺寸放入gpu内存中的图片为4，在学习率趋于平滑且交并比最大时对分割模型unet进行保存。
9、优选的，s13：将ubm图像导入训练好的unet模型中，模型提取所标注的ubm图像参数数据并获取轮廓，使用获取的轮廓对标注的范围进行面积计算得到轮廓的面积，从而得到轮廓的宽和高，适应轮廓的参数计算曲折率，得到需要的参数。
10、优选的，步骤s2中所述的关键参数包括：虹膜睫状体夹角、小梁网睫状体夹角、小梁网与睫状体距离、睫状体最大厚度、睫状突长度、自然晶状体矢高以及睫状沟到沟距离。
11、优选的，xgboost回归模型的参数包括：ubm图片自动提取的前后房结构参数、睫状体的关键参数以及患者术前眼部信息。
12、一种基于机器学习利用ubm图像的预测方法，包括图像生成单元、unet模型、转换单元、输入记录单元以及显示端；所述图像生成单元用于拍摄生成icl术前ubm图像，对质量合格的ubm图像进行点位标注，提取所标注的ubm图像参数数据，将提取的参数数据用于训练分割模型unet；术前ubm图像输入训练好的分割模型unet中，进而获得彩色图像轮廓；提取需要的参数；对ubm图像的关键点进行标注，基于此标注生成高斯热力图，训练unet模型对高斯热力图进行预测，模型预测结果转换为关键点，再基于关键点使用opencv和数学方法计算睫状体相关的关键参数，构建xgboost回归模型并输出预测参数。
13、一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现所述的基于机器学习利用ubm图像的预测方法。
14、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读程序，该程序被处理器执行，以实现所述的基于机器学习利用ubm图像的预测方法。
15、与现有技术相比，有益效果在于，收集步骤提取的参数和计算的关键参数，通过构建xgboost回归模型输出预测参数，有利于icl手术医生提高手术中icl尺寸选择的精确性，提高手术的精准性，可减少icl手术医生在尺寸选择上的经验误差，提高icl术后拱高预测的准确性，提高icl手术医生的工作效率。
16、本专利技术的其它特征以及优点将陈述于下列的描述中，并且部分将可从描述中显而易见，或者可通过本专利技术的实施而了解。本专利技术的特征和优点可通过后附的申请范围中具体指出的元件和组合而实现以及获得。本专利技术的这些和其它特征将根据下列的描述和后附的权利要求书中变得更加清楚明白，或者可通过本专利技术所述的实施例实施而了解。
本文档来自技高网...【技术保护点】
1.一种基于机器学习利用UBM图像的预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于机器学习利用UBM图像的预测方法，其特征在于，步骤S1包括步骤S11：对UBM图像的质量进行判断，对质量合格的UBM图像使用Labelme图像数据标注软件进行标注；使用pytorch进行图像分割模型训练，训练出图像分割模型为unet；将UBM图形导入训练好的图像分割模型Unet中生成Labelme，进行范围采色并获取轮廓，进而计算前后房相关参数数据，参数数据为左侧后房面积、左侧后房高度、左侧后房宽度、左侧后房曲折率、右侧后房面积、右侧后房高度、右侧后房宽度、右侧后房曲折率、上方前房面积、上方前房高度、上方前房宽度以及上方前房曲折率作为训练数据。
3.如权利要求2所述的基于机器学习利用UBM图像的预测方法，其特征在于，将原始的术前UBM图像以及标记后的术前UBM图像按80％和20％进行分配，进行图像分割模型训练形成分割模型Unet，训练批次为100，每批次批尺寸放入GPU内存中的图片为4，在学习率趋于平滑且交并比最大时对分割模型Unet进行保存。
5.如权利要求3所述的基于机器学习利用UBM图像的预测方法，其特征在于，步骤S2中所述的关键参数包括：虹膜睫状体夹角、小梁网睫状体夹角、小梁网与睫状体距离、睫状体最大厚度、睫状突长度、自然晶状体矢高以及睫状沟到沟距离。
6.如权利要求1所述的基于机器学习利用UBM图像的预测方法，其特征在于，XGboost回归模型的参数包括：UBM图片自动提取的前后房结构参数、睫状体的关键参数以及患者术前眼部信息。
7.一种基于机器学习利用UBM图像的预测方法，其特征在于，包括图像生成单元、Unet模型、转换单元、输入记录单元以及显示端；所述图像生成单元用于拍摄生成ICL术前UBM图像，对质量合格的UBM图像进行点位标注，提取所标注的UBM图像参数数据，将提取的参数数据用于训练图像分割模型Unet；将术前UBM图像输入训练好的分割模型Unet中，进而获得彩色图像轮廓，从而提取需要的参数；对UBM图像的关键点进行标注，基于此标注生成高斯热力图，训练Unet模型对高斯热力图进行预测，模型预测结果转换为关键点，再基于关键点使用Opencv和数学方法计算睫状体相关的关键参数，收集提取的参数和计算的关键参数，构建XGboost回归模型并输出预测参数。
8.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序，以实现所述的基于机器学习利用UBM图像的预测方法。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读程序，其特征在于，该程序被处理器执行，以实现所述的基于机器学习利用UBM图像的预测方法。
...【技术特征摘要】
1.一种基于机器学习利用ubm图像的预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于机器学习利用ubm图像的预测方法，其特征在于，步骤s1包括步骤s11：对ubm图像的质量进行判断，对质量合格的ubm图像使用labelme图像数据标注软件进行标注；使用pytorch进行图像分割模型训练，训练出图像分割模型为unet；将ubm图形导入训练好的图像分割模型unet中生成labelme，进行范围采色并获取轮廓，进而计算前后房相关参数数据，参数数据为左侧后房面积、左侧后房高度、左侧后房宽度、左侧后房曲折率、右侧后房面积、右侧后房高度、右侧后房宽度、右侧后房曲折率、上方前房面积、上方前房高度、上方前房宽度以及上方前房曲折率作为训练数据。
3.如权利要求2所述的基于机器学习利用ubm图像的预测方法，其特征在于，将原始的术前ubm图像以及标记后的术前ubm图像按80％和20％进行分配，进行图像分割模型训练形成分割模型unet，训练批次为100，每批次批尺寸放入gpu内存中的图片为4，在学习率趋于平滑且交并比最大时对分割模型unet进行保存。
4.如权利要求3所述的基于机器学习利用ubm图像的预测方法，其特征在于，s13：将ubm图像导入训练好的unet模型中，模型自动提取所标注的ubm图像参数数据并获取轮廓，使用获取的轮廓对标注的范围进行面积计算得到轮廓的面积，从而得到轮廓的宽和高，适应轮廓的参数计算曲折率，得到需要的参数。
5.如权利要求3所述的基于机器学习利用ubm图像的预测方法，其特...
【专利技术属性】
技术研发人员：陈茜，谭罗乐，谭维娜，
申请(专利权)人：武汉爱尔眼科洪山医院有限公司，
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。