一种角膜直径生物测量方法及系统

技术领域

本发明涉及角膜直径测量领域，具体而言，涉及一种角膜直径生物测量方法及系统。

背景技术

角膜直径的精确测量与多种疾病的诊疗息息相关，包括白内障、角膜屈光手术等。现在对于角膜直径的测量主要包括人工测量，人工测量需要对眼部进行麻醉处理，操作时间过长会造成人体角膜损伤，因此，亟需一种无接触的角膜直径测量方法，实现角膜直径的无接触、快速测量。

发明内容

本发明的目的在于提供一种角膜直径生物测量方法及系统，以改善上述问题。

为了实现上述目的，本申请实施例提供了如下技术方案：

一方面，本申请实施例提供了一种角膜直径生物测量方法，所述方法包括：

获取第一图像信息，所述第一图像信息包括生物体待测眼球的图像；

将所述第一图像信息进行预处理，得到预处理后的第一图像信息，所述第一图像信息为去噪后的生物体待测眼球的图像；

对所述预处理后的第一图像信息进行特征提取，得到第二图像信息，所述第二图像信息包括生物体待测角膜的轮廓特征；

将所述第二图像信息发送至训练后的目标检测模型，得到测量结果，所述测量结果包括生物体待测角膜的直径信息。

第二方面，本申请实施例提供了一种角膜直径生物测量系统，所述系统包括：

获取模块，用于获取第一图像信息，所述第一图像信息包括生物体待测眼球的图像；

处理模块，用于将所述第一图像信息进行预处理，得到预处理后的第一图像信息，所述第一图像信息为去噪后的生物体待测眼球的图像；

提取模块，用于对所述预处理后的第一图像信息进行特征提取，得到第二图像信息，所述第二图像信息包括生物体待测角膜的轮廓特征；

发送模块，用于将所述第二图像信息发送至训练后的目标检测模型，得到测量结果，所述测量结果包括生物体待测角膜的直径信息。

第三方面，本申请实施例提供了一种角膜直径生物测量设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述角膜直径生物测量方法的步骤。

第四方面，本申请实施例提供了一种可读存储介质，所述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执行时实现上述角膜直径生物测量方法的步骤。

本发明的有益效果为：

1、本发明通过对第一图像进行预处理过滤掉噪点，再对过滤掉噪点后的图像进行轮廓特征的提取，有效的将生物体待测眼球的角膜轮廓从图像中进行提取，通过训练后的目标检测模型对角膜轮廓中的边缘点进行检测，通过计算边缘点之间的距离实现对生物体待测角膜直径的测量，与现有技术的人工测量相比，本发送无需对眼部进行麻醉处理，实现了无接触的角膜直径测量，保护了被检测者的角膜结构，同时节省了人力物力，为生物体的角膜直径测量提供了一种快速、智能化的方法。

2、本发明通过将目标检测模型的矩形锚框改进为圆形锚框，更进一步的提高了对角膜轮廓的边缘点的检测精度，从而有效的提高了角膜直径的测量精度。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例中所述的角膜直径生物测量方法流程示意图。

图2为本发明实施例中所述的角膜直径生物测量系统结构示意图。

图3为本发明实施例中所述的角膜直径生物测量设备结构示意图。

图中标记：901、获取模块；902、处理模块；903、提取模块；904、发送模块；9021、预设单元；9022、聚类单元；9023、第一处理单元；9024、第二处理单元；9031、第三处理单元；9032、第四处理单元；9033、第五处理单元；90311、第一获取单元；90312、第六处理单元；90313、第七处理单元；9041、第二获取单元；9042、第八处理单元；9043、训练单元；9044、第九处理单元；9045、第十处理单元；9046、第十一处理单元；800、角膜直径生物测量设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1：

本实施例提供了一种角膜直径生物测量方法，可以理解的是，在本实施例中可以铺设一个场景，例如:利用超声生物显微镜对待测者的眼球进行观察，截图得到生物体待测眼球的超声生物显微图像，并根据截图实现对待测眼球的角膜的直径测量。

参见图1，图中示出了本方法包括步骤S1、步骤S2、步骤S3和步骤S4，其中：

步骤S1、获取第一图像信息，所述第一图像信息包括生物体待测眼球的图像；

可以理解的是，本步骤中的第一图像信息为超声生物显微镜对待测者的眼球进行观察，截图得到生物体待测眼球的超声生物显微图像,或者，利用光学相干断层扫描仪(OCT)对眼球进行观察，得到对应的OCT图像，实现对待测眼球的角膜的直径测量。

步骤S2、将所述第一图像信息进行预处理，得到预处理后的第一图像信息，所述第一图像信息为去噪后的生物体待测眼球的图像；

在本步骤中，通过对截图得到生物体待测眼球的超声生物显微图像进行去噪，有利于提高后续对角膜轮廓特征进行提取，保证角膜轮廓的精度。

可以理解的是，所述步骤S2还包括步骤S21、步骤S22、步骤S23和步骤S24，其中：

步骤S21、预设第一聚类中心和第二聚类中心，所述第一聚类中心为眼球图像对应的像素点，所述第二聚类中心为噪点对应的像素点；

可以理解的是，用第一特征向量对眼球图像对应的像素点的第一聚类中心进行表征，用第二特征向量对噪点对应的像素点对应的像素点的第二聚类中心进行表征，其中噪点为第一图像信息中远离眼球图像离散的点。

步骤S22、利用所述第一聚类中心和所述第二聚类中心对所述第一图像信息进行聚类分析，得到第一信息，所述第一信息包括所述第一聚类中心的聚类结果和所述第二聚类中心的聚类结果；

可以理解的是，将第一特征向量和第二特征向量均发送至K均值聚类模型中进行聚类分析，即可得到第一聚类中心的聚类结果和第二聚类中心的聚类结果。

需要说明的是，在第一特征向量和第二特征向量均发送K均值聚类模型中进行聚类分析时，可以通过准则函数判断聚类结果的有效性，其中准则函数具体为：

上式中，C

上式中，N

步骤S23、将所述第一信息中包括的所述第二聚类中心的聚类结果滤除，得到第二信息；

步骤S24、利用卷积和对第二信息进行膨胀处理和腐蚀处理，得到预处理后的第一图像信息。

可以理解的是，通过对第二信息进行膨胀处理和腐蚀处理即可得到连续、清晰的图像。

步骤S3、对所述预处理后的第一图像信息进行特征提取，得到第二图像信息，所述第二图像信息包括生物体待测角膜的轮廓特征；

可以理解的是，所述步骤S3还包括步骤S31、步骤S32和步骤S33，其中：

步骤S31、将所述预处理后的第一图像信息发送至卷积神经网络进行特征提取得到第一特征图像；

可以理解的是，卷积神经网络包括3个3X3卷积层，通过3个3X3卷积层提取特征信息，得到第一特征图像。

可以理解的是，所述步骤S31之前还包括步骤S311、步骤S312和步骤S313，其中：

步骤S311、获取参考图像，所述参考图像为人工分割后的角膜轮廓；

步骤S312、将所述参考图像和所述处理后的第一图像信息发送至注意力机制，得到所述预处理后的第一图像信息中的特征的权重；

步骤S313、根据所述预处理后的第一图像信息中的特征的权重对所述预处理后的第一图像信息中对应的特征进行加权。

在本实施例中，由于在对角膜轮廓特征进行提取分割时，由于图像的重要特征信息提取不清晰，容易分割出伪轮廓，因此在本神经网络模型中加入了注意力机制，能够对指定的特征进行提取，通过对人工标注的分割后的角膜轮廓图像的特征进行建模，并将训练得到的权重与对应的特征进行加权求和，从而实现对重要轮廓特征的高效提取，此外，由于神经网络模型中引入了注意力机制，因此需要对神经网络模型的损失函数进行改进，具体为：

L＝μ

上式中，μ

步骤S32、将所述第一特征图像发送至池化层进行下采样得到第二特征图像，所述第二特征图为减少维度后的特征图像；

可以理解的是，通过2X2的池化层进行逐层下采样减小特征图的维度，同时过来其他一些不重要的特征信息，经过多次的卷积和池化即可有效的提取出图像的高层特征。

步骤S33、利用反卷积对所述第二特征图像进行上采样得到第二图像信息。

可以理解的是，通过2X2反卷积进行逐级上采样恢复特征图像的维度，使第二特征图像中的特征信息逐渐恢复，实现将低分辨率的特征映射到分割图中。

步骤S4、将所述第二图像信息发送至训练后的目标检测模型，得到测量结果，所述测量结果包括生物体待测角膜的直径信息。

可以理解的是，所述步骤S4之前包括步骤S41、步骤S42和步骤S43，其中：

步骤S41、获取预设的锚框参数，所述锚框参数为圆形锚框；

可以理解的是，在本实施例中选取的目标检测模型为YOLOV5，通过将原始算法中的锚框参数进行修改得到圆形锚框的参数，能够有效的提高目标检测的精度。

步骤S42、根据圆形锚框的特征信息建立损失函数，所述特征信息包括圆形锚框的形状特征；

可以理解的是，根据圆形锚框的特征信息建立损失函数，其中具体为：

上式中，IoU为预测框与真实框的交并比，S

上式中，IoU为预测框与真实框的交并比，即重叠度，需要说明的是，当IoU为0时，表示A框与B框无交集即两框间隔非常远；当IoU为1时，表示A框与B框完全重合。

步骤S43、根据所述锚框参数和所述损失函数对所述目标检测模型进行训练，得到训练后的目标检测模型。

需要说明的是，利用锚框参数和损失函数对YOLOV5目标检测模型进行训练为本领域技术人员所数值的技术方案，故不在本申请中进行赘述。

可以理解的是，所述步骤S4还包括步骤S44、步骤S45和步骤S46，其中：

步骤S44、将所述第二图像信息发送至训练后的目标检测模型得到第三信息，所述第三信息为检测到生物体待测角膜两个边缘点的圆形锚框的位置信息；

可以理解的是，通过训练后的目标检测模型可以有效的检测到生物体待测角膜两个边缘点，相较于现有技术的矩形锚框，本申请有效的提高了对边缘点检测的精度。

需要说明的是，边缘点包括角膜检测区域的至少一个上边缘点和至少一个下边缘点，通过检测得到的角膜检测区域对应的上下两个边缘点即可计算角膜的直径。

步骤S45、根据所述生物体待测角膜两个边缘点的圆形锚框的位置信息得到所述圆形锚框对应的圆心坐标；

步骤S46、根据两个所述圆形锚框对应的圆形坐标计算得到生物体待测角膜的直径信息。

可以理解的是，通过距离公式即可计算出两个所述圆形锚框对应的圆形坐标之间的距离即生物体待测角膜的直径信息，其中具体为：

上式中，d为生物体待测角膜的直径，x

实施例2：

如图2所示，本实施例提供了一种角膜直径生物测量系统，所述系统包括获取模块901、处理模块902、提取模块903和发送模块904，其中：

获取模块901，用于获取第一图像信息，所述第一图像信息包括生物体待测眼球的图像；

处理模块902，用于将所述第一图像信息进行预处理，得到预处理后的第一图像信息，所述第一图像信息为去噪后的生物体待测眼球的图像；

提取模块903，用于对所述预处理后的第一图像信息进行特征提取，得到第二图像信息，所述第二图像信息包括生物体待测角膜的轮廓特征；

发送模块904，用于将所述第二图像信息发送至训练后的目标检测模型，得到测量结果，所述测量结果包括生物体待测角膜的直径信息。

在本公开的一种具体实施方式中，所述处理模块902包括预设单元9021、聚类单元9022、第一处理单元9023和第二处理单元9024，其中：

预设单元9021，用于预设第一聚类中心和第二聚类中心，所述第一聚类中心为眼球图像对应的像素点，所述第二聚类中心为噪点对应的像素点；

聚类单元9022，用于利用所述第一聚类中心和所述第二聚类中心对所述第一图像信息进行聚类分析，得到第一信息，所述第一信息包括所述第一聚类中心的聚类结果和所述第二聚类中心的聚类结果；

第一处理单元9023，用于将所述第一信息中包括的所述第二聚类中心的聚类结果滤除，得到第二信息；

第二处理单元9024，用于利用卷积和对第二信息进行膨胀处理和腐蚀处理，得到预处理后的第一图像信息。

在本公开的一种具体实施方式中，所述提取模块903包括第三处理单元9031、第四处理单元9032和第五处理单元9033，其中：

第三处理单元9031，用于将所述预处理后的第一图像信息发送至卷积神经网络进行特征提取得到第一特征图像；

第四处理单元9032，用于将所述第一特征图像发送至池化层进行下采样得到第二特征图像，所述第二特征图为减少维度后的特征图像；

第五处理单元9033，用于利用反卷积对所述第二特征图像进行上采样得到第二图像信息。

在本公开的一种具体实施方式中，所述第三处理单元9031之前包括第一获取单元90311、第六处理单元90312和第七处理单元90313，其中：

第一获取单元90311，用于获取参考图像，所述参考图像为人工分割后的角膜轮廓；

第六处理单元90312，用于将所述参考图像和所述处理后的第一图像信息发送至注意力机制，得到所述预处理后的第一图像信息中的特征的权重；

第七处理单元90313，用于根据所述预处理后的第一图像信息中的特征的权重对所述预处理后的第一图像信息中对应的特征进行加权。

在本公开的一种具体实施方式中，所述发送模块904之前包括第二获取单元9041、第八处理单元9042和训练单元9043，其中：

第二获取单元9041，用于获取预设的锚框参数，所述锚框参数为圆形锚框；

第八处理单元9042，用于根据圆形锚框的特征信息建立损失函数，所述特征信息包括圆形锚框的形状特征；

训练单元9043，用于根据所述锚框参数和所述损失函数对所述目标检测模型进行训练，得到训练后的目标检测模型。

在本公开的一种具体实施方式中，所述发送模块904还包括第九处理单元9044、第十处理单元9045和第十一处理单元9046，其中：

第九处理单元9044，将所述第二图像信息发送至训练后的目标检测模型得到第三信息，所述第三信息为检测到生物体待测角膜两个边缘点的圆形锚框的位置信息；

第十处理单元9045，根据所述生物体待测角膜两个边缘点的圆形锚框的位置信息得到所述圆形锚框对应的圆心坐标；

第十一处理单元9046，根据两个所述圆形锚框对应的圆形坐标计算得到生物体待测角膜的直径信息。

需要说明的是，关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

实施例3：

相应于上面的方法实施例，本实施例中还提供了一种角膜直径生物测量设备，下文描述的一种角膜直径生物测量设备与上文描述的一种角膜直径生物测量方法可相互对应参照。

图3是根据示例性实施例示出的一种角膜直径生物测量设备800的框图。如图3所示，该角膜直径生物测量设备800可以包括：处理器801，存储器802。该角膜直径生物测量设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。

其中，处理器801用于控制该角膜直径生物测量设备800的整体操作，以完成上述的角膜直径生物测量方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该角膜直径生物测量设备800的操作，这些数据例如可以包括用于在该角膜直径生物测量设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Stat i c Random AccessMemory，简称SRAM)，电可擦除可编程只读存储器(E l ectr i ca l l y Erasab l eProgrammab l e Read-On l y Memory，简称EEPROM)，可擦除可编程只读存储器(Erasab le Programmab l e Read-On l y Memory，简称EPROM)，可编程只读存储器(Programmab le Read-On l y Memory，简称PROM)，只读存储器(Read-On l y Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该角膜直径生物测量设备800与其他设备之间进行有线或无线通信。无线通信，例如W i-F i，蓝牙，近场通信(Near F i e ldCommun i cat i on，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：W i-F i模块，蓝牙模块，NFC模块。

在一示例性实施例中，角膜直径生物测量设备800可以被一个或多个应用专用集成电路(App l i cat i on Spec i f i c I ntegrated C i rcu i t，简称AS I C)、数字信号处理器(D i g i ta l S i gna l Processor，简称DSP)、数字信号处理设备(D i g ita l S i gna l Process i ng Dev i ce，简称DSPD)、可编程逻辑器件(Programmab l eLog i c Dev i ce，简称PLD)、现场可编程门阵列(F i e l d Programmab l e Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的角膜直径生物测量方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的角膜直径生物测量方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由角膜直径生物测量设备800的处理器801执行以完成上述的角膜直径生物测量方法。

实施例4：

相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种角膜直径生物测量方法可相互对应参照。

一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的角膜直径生物测量方法的步骤。

该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-On l y Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。