眼前节的角膜厚度测量方法、装置、计算机设备及介质与流程

本发明涉及图像处理、智慧医疗，尤其涉及一种眼前节的角膜厚度测量方法、装置、计算机设备及介质。

背景技术：

1、眼前节oct(optical coherence tomography，光学相干断层扫描)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，从而对角膜中央厚度(central corneal thickness,cct)进行定量测量，可以对角膜相关疾病进行客观的评估，辅助眼科疾病的诊断。

2、目前，主要通过手动测量的方式对眼前节oct进行定量测量又或者利用光学成像原理对眼剖面成像，可以得到角膜至晶体范围内的二维照片，再经三维重建得到眼前节整体数据。其中，手动测量的方式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，导致测量得到的参数准确性较低；而利用光学成像原理得到眼前节整体数据的方式存在光学畸变相差，需要进行非常复杂的图像矫正，效率较低，且因照明光源采用蓝光(475nm)，对人眼形成非常大的刺激，也无法获得放松状态下眼前节的形态，影响测量得到的参数的准确性。

技术实现思路

1、基于此，有必要针对现有技术的对眼前节oct进行定量测量的效率和准确率较低的技术问题，提出了一种眼前节的角膜厚度测量方法。

2、第一方面，提供了一种眼前节的角膜厚度测量方法，所述方法包括：

3、获取目标对象的至少一张待检测图像，所述待检测图像包括所述目标对象的眼前节的光学相干断层扫描图像；

4、将所述待检测图像输入角膜轮廓提取模型进行角膜轮廓提取，得到所述角膜的目标角膜轮廓，所述角膜轮廓提取模型为基于目标检测神经网络训练得到的模型；

5、基于所述待检测图像，确定检测基准线，所述检测基准线用于固定所述目标角膜轮廓的位置；

6、基于所述目标角膜轮廓和所述检测基准线，得到所述角膜的厚度信息。

7、第二方面，提供了一种眼前节的角膜厚度测量装置，所述装置包括：

8、图像获取模块，用于获取目标对象的至少一张待检测图像，所述待检测图像包括所述目标对象的眼前节的光学相干断层扫描图像；

9、角膜轮廓提取模块，用于将所述待检测图像输入角膜轮廓提取模型进行角膜轮廓提取，得到所述角膜的目标角膜轮廓，所述角膜轮廓提取模型为基于目标检测神经网络训练得到的模型；

10、基准线确定模块，用于基于所述待检测图像，确定检测基准线，所述检测基准线用于固定所述目标角膜轮廓的位置；

11、厚度信息确定模块，用于基于所述目标角膜轮廓和所述检测基准线，得到所述角膜的厚度信息。

12、第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现上述眼前节的角膜厚度测量方法的步骤。

13、第四方面，提供了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程序，所述计算机程序被处理器执行时实现上述眼前节的角膜厚度测量方法的步骤。

14、本申请提供一种眼前节的角膜厚度测量方法、装置、计算机设备及介质，通过获取目标对象的至少一张待检测图像，待检测图像包括目标对象的眼前节的光学相干断层扫描图像；将待检测图像输入角膜轮廓提取模型进行角膜轮廓提取，得到角膜的目标角膜轮廓，角膜轮廓提取模型为基于目标检测神经网络训练得到的模型；基于待检测图像，确定检测基准线，检测基准线用于固定目标角膜轮廓的位置；基于目标角膜轮廓和检测基准线，得到角膜的厚度信息。在本申请中，眼前节的光学相干断层扫描图像为眼前节的非接触式成像，可以降低对人眼形成刺激，从而保证在受检者的眼前节较为放松的情况下，获得待检测图像，以提高对角膜厚度参数进行测量的准确性，之后，基于目标检测神经网络训练得到的角膜轮廓提取模型，自动对待检测图像中的眼前节的光学相干断层扫描图像进行角膜的目标角膜轮廓提取，提高对眼前节oct图像进行定量检测的效率，并基于待检测图像，确定检测基准线，以此确定检测基准线与目标角膜轮廓的相对位置，以固定目标角膜轮廓的位置，从而可准确地对目标角膜轮廓进行角膜厚度进行自动测量，提高角膜厚度参数的检测效率和准确率。

技术特征：

1.一种眼前节的角膜厚度测量方法，其特征在于，所述方法包括：

2.根据权利要求1所述的眼前节的角膜厚度测量方法，其特征在于，所述角膜轮廓提取模型包括像素分类模块、像素拼接模块和轮廓提取模块，所述将所述待检测图像输入角膜轮廓提取模型进行角膜轮廓提取，得到所述眼前节中角膜的目标角膜轮廓，包括：

3.根据权利要求1所述的眼前节的角膜厚度测量方法，其特征在于，所述基于所述目标角膜轮廓和所述检测基准线，得到所述角膜的厚度信息，包括：

4.根据权利要求3所述的眼前节的角膜厚度测量方法，其特征在于，所述根据所述拟合坐标点信息，得到所述角膜的所述厚度信息，包括：

5.根据权利要求1所述的眼前节的角膜厚度测量方法，其特征在于，所述基于所述待检测图像，确定检测基准线，包括：

6.根据权利要求1所述的眼前节的角膜厚度测量方法，其特征在于，所述基于所述待检测图像，确定检测基准线，包括：

7.根据权利要求1所述的眼前节的角膜厚度测量方法，其特征在于，所述基于所述目标角膜轮廓和所述检测基准线，得到所述角膜的厚度信息之后，所述方法还包括：

8.一种眼前节的角膜厚度测量装置，其特征在于，所述装置包括：

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如权利要求1至7任一项所述眼前节的角膜厚度测量方法的步骤。

10.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述眼前节的角膜厚度测量方法的步骤。

技术总结
本申请涉及图像处理、智慧医疗技术领域，揭示了一种眼前节的角膜厚度测量方法、装置、设备及介质，该方法包括：获取目标对象的至少一张待检测图像，待检测图像包括目标对象的眼前节的光学相干断层扫描图像；将待检测图像输入角膜轮廓提取模型进行角膜轮廓提取，得到角膜的目标角膜轮廓，角膜轮廓提取模型为基于目标检测神经网络训练得到的模型；基于待检测图像，确定检测基准线，检测基准线用于固定目标角膜轮廓的位置；基于目标角膜轮廓和检测基准线，得到角膜的厚度信息，通过确定检测基准线与目标角膜轮廓的相对位置，以固定目标角膜轮廓的位置，从而可准确地对目标角膜轮廓进行角膜的厚度测量，提高角膜厚度参数的检测效率和准确率。

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
受保护的技术使用者：深圳市眼科医院（深圳市眼病防治研究所）
技术研发日：
技术公布日：2024/1/15