实时检测眼科图像中的伪影的制作方法

背景技术：

1、本披露内容的各方面涉及用于检测在如白内障手术等外科手术期间使用的图像数据中的伪影的系统和方法，从而改善患者的手术结局。

2、白内障手术通常涉及用人工晶状体(iol)替换患者眼睛的天然晶状体。在白内障手术期间，医疗从业者可以利用各种基于图像的测量系统来实时分析患者的眼睛并协助进行白内障手术——如以确保用于白内障干预的iol的正确选择、放置和取向。然而，患者眼睛的成像数据中存在的伪影可能会导致医疗从业者不知道的或未注意到的测量误差，并且可能因此降低这种手术的疗效并导致不良的患者结局。通常，这样的结局需要附加手术干预。

3、因此，需要用于在如白内障手术等手术期间执行图像数据处理和分析的改进技术，从而使患者的手术结局得到改善。

技术实现思路

1、某些实施例提供了一种用于在眼科手术期间实时处理来自术中诊断设备的图像数据的系统。该系统包括图像捕获元件，该图像捕获元件被配置成从术中诊断设备捕获患者眼睛的灰度图像，该灰度图像具有第一尺寸。该系统进一步包括图像处理元件，该图像处理元件被配置成从图像捕获元件获得灰度图像，将灰度图像从第一尺寸缩放到第二尺寸，并且对经缩放的灰度图像进行预处理以为分类做准备。该系统还包括两阶段分类模型，该两阶段分类模型包括特征提取阶段和分类阶段，该特征提取阶段被配置成对经缩放的灰度图像进行处理并基于经缩放的灰度图像来生成特征向量，该分类阶段被配置成对该特征向量进行处理并基于该特征向量生成输出向量。该图像处理元件进一步被配置成基于该输出向量来确定所获得的灰度图像的图像质量以显示给操作者，并且所获得的灰度图像的图像质量指示所获得的灰度图像包括伪影的概率。

2、另一实施例提供了一种在眼科手术期间实时处理从术中诊断设备获得的图像数据的方法。该方法包括：从术中诊断设备捕获患者眼睛的灰度图像，该灰度图像具有第一尺寸；从图像捕获元件获得该灰度图像；以及对该灰度图像进行预处理以为由两阶段机器学习模型进行的分类做准备。该方法进一步包括：利用两阶段机器学习模型的特征提取阶段基于经预处理的灰度图像来生成特征向量；以及利用两阶段机器学习模型的分类阶段基于特征向量来生成输出向量。该方法还包括基于该输出向量来确定所获得的灰度图像的图像质量以显示给操作者。所获得的灰度图像的图像质量指示所获得的灰度图像包括干扰由术中诊断设备进行的测量的伪影的概率。

3、另一实施例提供了一种训练两阶段机器学习模型的方法，该两阶段机器学习模型识别在眼科手术期间从术中像差仪获得的图像中的伪影。该方法包括：获得图像；利用两阶段机器学习模型的特征提取阶段为每个图像生成特征向量；基于堆叠所生成的特征向量来生成特征矩阵；以及基于该特征矩阵来训练分类阶段。经训练的分类阶段为经处理的图像生成指示该图像包括伪影的概率的输出。

4、其他实施例提供了以下各项：被配置成执行上述方法以及本文描述的方法的处理系统；包括指令的非暂态计算机可读介质，这些指令当由处理系统的一个或多个处理器执行时使该处理系统执行上述方法以及本文描述的方法；体现在计算机可读存储介质上的计算机程序产品，该计算机程序产品包括用于执行上述方法以及本文进一步描述的方法的代码；以及处理系统，该处理系统包括用于执行上述方法以及本文进一步描述的方法的装置。

5、以下描述和相关附图详细阐述了一个或多个实施例的某些说明性特征。

技术特征：

1.一种用于在眼科手术期间实时处理来自术中诊断设备的图像数据的系统，所述系统包括：

2.如权利要求1所述的系统，进一步包括数据显示元件，所述数据显示元件被配置成为所述操作者生成所述灰度图像的图像质量的显示。

3.如权利要求2所述的系统，其中，所述数据显示元件进一步被配置成基于确定所述灰度图像包括伪影并且所述伪影将所述灰度图像的图像质量降低到阈值以下来显示所述灰度图像。

4.如权利要求3所述的系统，其中，所述数据显示元件进一步被配置成基于确定所述灰度图像包括将所述图像质量降低到所述阈值以下的伪影来生成具有标识所述伪影在所述灰度图像中的位置的指示符的灰度图像的显示。

5.如权利要求4所述的系统，进一步包括图像分割模型或物体检测模型中的至少一者，其被配置成基于所述灰度图像来识别所述伪影的位置以显示给所述操作者。

6.如权利要求2所述的系统，其中：

7.如权利要求1所述的系统，其中：

8.如权利要求1所述的系统，其中：

9.如权利要求1所述的系统，其中：

10.如权利要求9所述的系统，进一步包括：

11.如权利要求10所述的系统，其中，由所述特征提取阶段处理所述经缩放的灰度图像与由所述第二特征提取阶段处理所述第二经缩放的灰度图像和由所述第三特征提取阶段处理所述第三经缩放的灰度图像并行进行。

12.如权利要求10所述的系统，其中，由所述特征提取阶段处理所述经缩放的灰度图像与由所述第二特征提取阶段处理所述第二经缩放的灰度图像串行进行，由所述第二特征提取阶段处理所述第二经缩放的灰度图像与由所述第三特征提取阶段处理所述第三经缩放的灰度图像串行进行。

13.如权利要求1所述的系统，其中，所述术中诊断设备被配置成对所述图像数据执行屈光分析。

14.如权利要求1所述的系统，其中，所述图像处理元件进一步被配置成当所述图像质量基于所述伪影而低于第一阈值时将所述灰度图像从进一步处理中排除。

15.一种在眼科手术期间实时处理从术中诊断设备获得的图像数据的方法，所述方法包括：

16.如权利要求15所述的方法，进一步包括：

17.如权利要求15所述的方法，其中，对所述灰度图像进行预处理包括缩放具有所述第一尺寸的灰度图像以生成具有第二尺寸的经缩放的灰度图像。

18.如权利要求17所述的方法，其中：

19.如权利要求15所述的方法，其中：

20.如权利要求15所述的方法，其中：

21.如权利要求20所述的方法，进一步包括：

22.如权利要求21所述的方法，其中，所述特征向量与所述第二特征向量和所述第三特征向量并行生成。

23.如权利要求21所述的方法，其中，所述特征向量与所述第二特征向量串行生成，所述第二特征向量与所述第三特征向量串行生成。

24.一种训练两阶段机器学习模型的方法，所述两阶段机器学习模型识别在眼科手术期间从术中像差仪获得的图像中的伪影，所述方法包括：

25.如权利要求24所述的方法，进一步包括训练所述特征提取阶段的权重。

技术总结
本披露内容的某些方面提供了一种用于在眼科手术期间实时处理来自术中诊断设备的图像数据的系统。该系统包括捕获具有第一尺寸的灰度图像的图像捕获元件和将该灰度图像从该第一尺寸缩放到第二尺寸的图像处理元件。该系统还包括两阶段分类模型，该两阶段分类模型包括：特征提取阶段，该特征提取阶段用于对经缩放的灰度图像进行处理并基于该经缩放的灰度图像来生成特征向量；以及分类阶段，该分类阶段用于对该特征向量进行处理并生成输出向量。该图像处理元件进一步被配置成基于该输出向量来确定所获得的灰度图像的图像质量以显示给操作者，并且所获得的灰度图像的图像质量指示所获得的灰度图像包括伪影的概率。

技术研发人员：E·J·萨弗尔,M·霍尔
受保护的技术使用者：爱尔康公司
技术研发日：
技术公布日：2024/1/15