一种角膜塑形镜智能评估辅助系统及方法与流程

1.本发明涉及角膜塑形镜技术领域，特别是涉及一种角膜塑形镜智能评估辅助系统及方法。


背景技术：

2.角膜塑形镜起源于美国，是一种类似隐形眼镜的硬性角膜接触镜，通过夜晚睡眠时配戴，使中央区角膜弧度变平坦，周边区变陡峭，不仅能矫正中央视网膜的屈光状态，同时可以矫正周边视网膜的远视性离焦，从而达到有效控制儿童近视发展的目的。
3.目前，角膜塑形镜验配的方式都是医生或视光师人工对用户进行多次试戴片试戴及配试评估，确定最佳的角膜塑形镜参数，然后进行角膜塑形镜的订制和加工。而这种方式更多的是在于医生或视光师个人的验配技术与经验，对于需要配镜的患者存在不够准确、不够效率的问题。
4.因此，提供一种角膜塑形镜智能评估辅助系统及方法以解决配镜的准确性并提高配镜效率，帮助患者更方便的获取角膜塑形镜是本领域技术人员亟待解决的问题。


技术实现要素：

5.本发明的目的在于提供一种角膜塑形镜智能评估辅助系统及方法，该系统结构简单，安全、有效、可靠且操作简便，该方法逻辑清晰，均能有效提高配镜的准确性以及配镜的效率。
6.基于以上目的，本发明提供的技术方案如下：
7.一种角膜塑形镜智能评估辅助系统，包括：
8.参数获取模块，用于获取患者的配镜参数与基本特征；
9.角膜地形图数据库，用于存储配镜前后的角膜差异地形图；
10.标记模块，用于在角膜差异地形图预设真实区域与中心点的标记；
11.模型构建模块，用于根据患者的配镜参数、基本特征、角膜差异地形图和真实治疗区域与中心点的标记构建角膜塑形镜评估辅助模型；
12.模型评价模块，用于根据预设评价指标评价角膜塑形镜评估辅助模型，并输出评价结果。
13.优选地，还包括：
14.模型训练模块，用于训练角膜塑形镜评估辅助模型；
15.模型验证模块，用于根据训练结果选取最优模型。
16.优选地，角膜塑形镜评估辅助模型包括：
17.区域分割模型，用于将配镜前后的角膜差异地形图卷积分类、处理及采样后，获取处理过后的角膜差异区域地形特征图；
18.中心定位模型，用于将处理过后的角膜差异区域地形特征图预设模拟区域中心点。
19.优选地，处理过后的角膜差异区域地形特征图包括：
20.轴向差异地形特征图，用于显示模拟区域对瞳孔区域的覆盖情况，反馈治疗效果的好坏；
21.切向差异地形特征图，用于显示模拟区域中心点的所在位置，反馈镜片与角膜的相对状态。
22.优选地，模型评价模块包括：区域分割模型评价指标与中心定位模型评价指标。
23.优选地，区域分割模型评价指标具体为iou；
24.评价公式具体为：iou＝(a∩b)/(a∪b)
25.其中，a为预设真实治疗区域，b为轴向差异地形特征图显示的模拟区域。
26.优选地，中心定位模型评价指标具体为distance；
27.评价公式具体为：
28.其中，(x，y)为预设中心点坐标，为切向差异地形特征图显示模拟区域中心点的坐标。
29.一种角膜塑形镜智能评估辅助方法，基于角膜塑形镜智能评估辅助系统实现，包括如下步骤：
30.获取患者的配镜参数、基本特征及配镜前后的角膜差异地形图；
31.根据角膜塑形镜智能评估辅助系统在配镜前后的角膜差异地形图中预设真实区域与中心点的标记；
32.根据角膜塑形镜智能评估辅助系统处理配镜前后的角膜差异地形图以获取轴向差异地形特征图与切向差异地形特征图；
33.根据角膜塑形镜智能评估辅助系统中的预设评价参数评价轴向差异地形特征图与切向差异地形特征图，并输出评价结果；
34.根据患者的配镜参数、基本特征与评价结果，给出患者的处理意见。
35.优选地，根据角膜塑形镜智能评估辅助系统处理配镜前后的角膜差异地形图以获取轴向差异地形特征图与切向差异地形特征图中，处理方式具体为：
36.将配镜前后的角膜差异地形图卷积分类、处理及采样后，获取处理过后的角膜差异区域地形特征图并预设模拟区域中心点；
37.其中，轴向差异地形特征图用于显示模拟区域对瞳孔区域的覆盖情况，切向差异地形特征图用于显示模拟区域中心点的所在位置。
38.优选地，在获取患者的配镜参数、基本特征及配镜前后的角膜差异地形图之前，还包括如下步骤：
39.训练角膜塑形镜评估辅助模型；
40.根据训练结果选取最优模型。
41.本发明所提供的角膜塑形镜评估辅助系统，设置有参数获取模块、角膜地形图数据库、标记模块、模型构建模块和模型评价模块。其中，角膜地形图数据库与标记模块连接；参数获取模块、标记模块与模型构建模块连接；模型构建模块与模型评价模块连接。实际运用过程中，通过从角膜地形图数据库中调用已获取的配镜前后的角膜差异地形图，并在配镜前后的角膜差异地形图中预设真实区域与中心点标记；随后，根据患者的配镜参数、基本
特征、角膜差异地形图、预设的真实区域与中心点标记构建角膜塑形镜评估辅助模型；通过愈合评价指标评价角膜塑形镜评估辅助模型并输出评价结果，医生或者视光师，根据评价结果、患者的配镜参数、基本特征能快速准确的给出配镜的处理意见，以保证配镜的准确性并极大的提高配镜的效率。
附图说明
42.为了更清楚地说明本技术实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。
43.图1为本发明实施例提供的一种角膜塑形镜智能评估辅助系统的结构示意图；
44.图2为本发明实施例提供的一种角膜塑形镜智能评估辅助系统的具体结构示意图；
45.图3为本发明实施例提供的一种角膜塑形镜智能评估辅助方法流程图；
46.图4为本发明实施例提供的区域分割模型中u-net的结构示意图；
47.图5为本发明实施例提供的区域分割模型中fcn的结构示意图；
48.图6为本发明实施例提供的中心定位模型中vgg16的结构示意图。
具体实施方式
49.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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
50.本发明实施例采用递进的方式撰写。
51.本发明实施例提供了一种角膜塑形镜评估辅助系统及方法。主要解决现有技术中，人工配角膜塑形镜验配存在不准确、不效率的技术问题。
52.一种角膜塑形镜智能评估辅助系统，包括：
53.参数获取模块，用于获取患者的配镜参数与基本特征；
54.角膜地形图数据库，用于存储配镜前后的角膜差异地形图；
55.标记模块，用于在角膜差异地形图预设真实区域与中心点的标记；
56.模型构建模块，用于根据患者的配镜参数、基本特征、角膜差异地形图和真实治疗区域与中心点的标记构建角膜塑形镜评估辅助模型；
57.模型评价模块，用于根据预设评价指标评价角膜塑形镜评估辅助模型，并输出评价结果。
58.本发明所提供的角膜塑形镜评估辅助系统，设置有参数获取模块、角膜地形图数据库、标记模块、模型构建模块和模型评价模块。其中，角膜地形图数据库与标记模块连接；参数获取模块、标记模块与模型构建模块连接；模型构建模块与模型评价模块连接。实际运用过程中，通过从角膜地形图数据库中调用已获取的配镜前后的角膜差异地形图，并在配镜前后的角膜差异地形图中预设真实区域与中心点标记；随后，根据患者的配镜参数、基本
特征、角膜差异地形图、预设的真实区域与中心点标记构建角膜塑形镜评估辅助模型；通过愈合评价指标评价角膜塑形镜评估辅助模型并输出评价结果，医生或者视光师，根据评价结果、患者的配镜参数、基本特征能快速准确的给出配镜的处理意见，以保证配镜的准确性并极大的提高配镜的效率。
59.优选地，还包括：
60.模型训练模块，用于训练角膜塑形镜评估辅助模型；
61.模型验证模块，用于根据训练结果选取最优模型。
62.实际运用过程中，为保证角膜塑形镜评估辅助系统的准确性，还设置有模型训练模块与模型验证模块，它们共同作用以选取出最优模型。一般情况下，结合患者复查需求调解训练时间节点，可避开就诊的高峰期，在病患较少的时候对模型进行调优训练。更新后的算法需要达到更高的准确率。数据将按照8：1：1的比例划分为训练集，验证集和测试集，通过交叉验证的方法选择最优的模型及其对应的超参，最终在多种模型中选择在测试集中表现最优的模型，更新在系统中。
63.优选地，角膜塑形镜评估辅助模型包括：
64.区域分割模型，用于将配镜前后的角膜差异地形图卷积分类、处理及采样后，获取处理过后的角膜差异区域地形特征图；
65.中心定位模型，用于将处理过后的角膜差异区域地形特征图预设模拟区域中心点。
66.实际运用过程中，区域分割模型的基本框架是基于u-net分割网络，针对分割目标的特异性做出了修改，添加注意力机制和扩大关键区域权重。u-net基本框架如图1所示。除u-net外，设定全卷积网络(fcn)作为基础模型，补充残差网络结构用于提升fcn的分割效果。fcn基本框架如图2所示。
67.对于任意尺寸的图像，fcn对其每个像素进行卷积分类(像素级分类)，其网络结构为八层卷积层，并加一步上采样操作，输入为原图，输出为和原图同尺寸的类别数+1(背景)个特征图。前五个卷积层(附带一层池化)中，第一层输出特征图尺寸为原图的1/4，第二层为1/8，第五层为1/16。而深度(特征图个数)也有增减变化，分别为96、256、384、384、256。六七八三层的卷积层是将原来cnn结构中的全连接层改为卷积核深度不等的卷积层，输出的特征图尺寸为1/32。第六、七、八层的深度分别为4096、4096、1000。以上所有的深度大小在实践中应当是可以调整的。上采样操作目的是将低分辨率的图像还原为原图的大小，以显示出分割出的不同类别(部分)所在的位置。直接对最终(第五步池化)得到的1/32尺寸的特征图进行32倍上采样；或将最终的1/32尺寸特征图进行两倍上采样，与第四步池化的结果相加，再进行16倍上采样；或将最终的1/32尺寸特征图进行四倍上采样，将第四步池化的1/16尺寸特征图进行两倍上采样，和第三步的1/8尺寸特征图加到一起，再进行8倍上采样。最终都能得到与原图尺寸相同的特征标记图。三种方法中，结合的池化层数越多，表现越好。
68.u-net网络结构为：四层2
×
2最大池化、四层两倍上采样，每一层都有两步3
×
3卷积操作，最终有一步1
×
1卷积，得到像素类别数个特征图。每层池化都会得到原图一半尺寸的特征图，并将卷积深度(也即特征图深度)增加一倍；每层上采样都会得到上一层输入特征图尺寸一倍的特征图，卷积深度减小一半(即特征图深度减小一半)，并将同一级池化得到的特征图进行裁剪(标准为上采样后的特征图尺寸)，与其相加(融合)。
69.u-net相较fcn，上采样的层数更多，并且更好的利用池化时每一层的特征信息，但模型的好坏和实际应用影像相关。
70.中心定位模型的基本框架基于卷积神经网络(cnn)，具体的作用是将处理过后的角膜差异区域地形特征图预设模拟区域中心点，通过设定不同层级的cnn，包括(vgg11,vgg13,vgg16,vgg19和alexnet等)，寻找表现最优模型作为定位模型。在本实施例中，vgg16为最优模型。
71.优选地，处理过后的角膜差异区域地形特征图包括：
72.轴向差异地形特征图，用于显示模拟区域对瞳孔区域的覆盖情况，反馈治疗效果的好坏；
73.切向差异地形特征图，用于显示模拟区域中心点的所在位置，反馈镜片与角膜的相对状态。
74.需要说明的是，角膜差异区域地形图是配戴角膜塑形镜后和配戴角膜塑形镜之前地形图之间的差异，两者之间的差异数据用图像的形式表示出来，则称之为差异图。实际运用过程中，轴向差异地形图用于评估治疗区域产生的光学效果的范围对视觉效果的影响，主要是观察治疗区域对瞳孔区域的覆盖情况，通过治疗区和瞳孔区重叠的面积比例，以及病人的实际的治疗体验，反馈治疗效果的好坏；切向差异地形图用于评估治疗区域在角膜的位置，间接判断配戴角膜塑形镜时，镜片跟角膜的相对状态，主要是观察治疗区域中心点的所在位置。
75.优选地，模型评价模块包括：区域分割模型评价指标与中心定位模型评价指标。
76.实际运用过程中，在模型评价模块中所预设的是区域分割模型评价指标与中心定位模型评价指标。根据两种评价指标获取评价结果作为医生或视光师配镜的依据。
77.优选地，区域分割模型评价指标具体为iou；
78.评价公式具体为：iou＝(a∩b)/(a∪b)
79.其中，a为预设真实治疗区域，b为轴向差异地形特征图显示的模拟区域。
80.实际运用过程中，通过计算获取iou值，iou值越高说明两个区域的重合率越高，模型能力越强。
81.优选地，中心定位模型评价指标具体为distance；
82.评价公式具体为：
83.其中，(x，y)为预设中心点坐标，为切向差异地形特征图显示模拟区域中心点的坐标。
84.实际运用过程中，通过计算获取distance值，当distance值越小说明两个点之间的距离越近，模型能力越强。
85.一种角膜塑形镜智能评估辅助方法，基于角膜塑形镜智能评估辅助系统实现，包括如下步骤：
86.s1.获取患者的配镜参数、基本特征及配镜前后的角膜差异地形图；
87.s2.根据角膜塑形镜智能评估辅助系统在配镜前后的角膜差异地形图中预设真实区域与中心点的标记；
88.s3.根据角膜塑形镜智能评估辅助系统处理配镜前后的角膜差异地形图以获取轴
向差异地形特征图与切向差异地形特征图；
89.s4.根据角膜塑形镜智能评估辅助系统中的预设评价参数评价轴向差异地形特征图与切向差异地形特征图，并输出评价结果；
90.s5.根据患者的配镜参数、基本特征与评价结果，给出患者的处理意见。
91.实际运用过程中，通过获取患者的配镜参数、基本特征及配镜前后的角膜差异地形图；将配镜前后的角膜差异地形图预设真实区域与中心点的标记；将配镜前后的角膜差异地形图上传至角膜塑形镜智能评估辅助系统中，通过角膜塑形镜智能评估辅助系统处理后生成轴向差异地形特征图与切向差异地形特征图；通过角膜塑形镜智能评估辅助系统中的预设参数对轴向差异地形特征图与切向差异地形特征图进行评价并输出评价结果；医生或视光师根据患者者的配镜参数、基本特征与评价结果对该患者给出配镜的处理意见。该方法逻辑清晰，步骤简单，可以避免人工配镜的不准确的技术问题，提高配镜的效率。
92.优选地，根据角膜塑形镜智能评估辅助系统处理配镜前后的角膜差异地形图以获取轴向差异地形特征图与切向差异地形特征图中，处理方式具体为：
93.将配镜前后的角膜差异地形图卷积分类、处理及采样后，获取处理过后的角膜差异区域地形特征图并预设模拟区域中心点；
94.其中，轴向差异地形特征图用于显示模拟区域对瞳孔区域的覆盖情况，切向差异地形特征图用于显示模拟区域中心点的所在位置。
95.实际运用过程中，卷积分类、处理及采样的具体操作过程是基于区域分割模型来实现，在区域分割模型部分已做详细表述，在此不再赘述。
96.优选地，在获取患者的配镜参数、基本特征及配镜前后的角膜差异地形图之前，还包括如下步骤：
97.训练角膜塑形镜评估辅助模型；
98.根据训练结果选取最优模型。
99.实际运用过程中，在步骤s1之前，还包括对模型优化的步骤，具体操作过程如下：当图片大小为(h，w，c)时，初始化设定一个(h，w，1)的辅助矩阵，矩阵中的每个值服从(0，1)的均匀分布，该矩阵将和图片拼接为(h，w，c+1)的矩阵进入u-net,fcn等分割模型。同时，辅助矩阵将和真实的分割结果进行全连接，通过反向传播得到新的辅助矩阵。
100.在本技术所提供的实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个模块或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
101.另外，在本发明各实施例中的各功能模块可以全部集成在一个处理器中，也可以是各模块分别单独作为一个器件，也可以两个或两个以上模块集成在一个器件中；本发明各实施例中的各功能模块既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
102.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令及相关的硬件来完成，前述的程序指令可以存储于计算机可读取存储介质中，该
程序指令在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。
103.还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
104.以上对本发明所提供的一种角膜塑形镜智能评估辅助系统及方法进行了详细介绍。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。