CN109222884A - 一种角膜塑形镜配适状态评估方法及装置 - Google Patents
一种角膜塑形镜配适状态评估方法及装置 Download PDFInfo
- Publication number
- CN109222884A CN109222884A CN201810875898.5A CN201810875898A CN109222884A CN 109222884 A CN109222884 A CN 109222884A CN 201810875898 A CN201810875898 A CN 201810875898A CN 109222884 A CN109222884 A CN 109222884A
- Authority
- CN
- China
- Prior art keywords
- point
- diopter
- strong point
- ortho
- edges strong
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/107—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining the shape or measuring the curvature of the cornea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/103—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining refraction, e.g. refractometers, skiascopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1077—Measuring of profiles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F9/00—Methods or devices for treatment of the eyes; Devices for putting-in contact lenses; Devices to correct squinting; Apparatus to guide the blind; Protective devices for the eyes, carried on the body or in the hand
- A61F9/0008—Introducing ophthalmic products into the ocular cavity or retaining products therein
Abstract
本发明实施例提供了一种角膜塑形镜配适状态评估方法及装置,可以根据从角膜地形图中获取的每个采样点的屈光度,筛选出角膜塑形镜治疗区域在各径向上的边缘数据点,根据边缘数据点拟合治疗区域,根据偏心距离评估角膜塑形镜的配适状态。这样,可以根据从角膜地形图中获取的各个数据,得到角膜塑形镜配适状态的分析数据,评估角膜塑形镜的配适状态,通过分析具体数据减小评估的误差。
Description
技术领域
本发明涉及医疗人工智能技术领域,特别是涉及一种角膜塑形镜配适状态评估方法及装置。
背景技术
配戴角膜塑形镜是一种有效治疗近视的手段,可通过定制的镜片暂时重塑角膜前表面的形态来减少屈光不正。具体原理为基于镜片的压迫作用改变角膜形态,使角膜中央区域更为平坦,周边区域更为陡峭。但在使用角膜塑形镜治疗近视的过程中,经常出现角膜塑形镜治疗区域的中心偏离瞳孔中心的情况,这往往会造成患者使用后眼睛出现高阶像差,对视力有着严重影响。
传统的角膜塑形镜适配状态评估方法是首先利用荧光素对患者的泪液染色,然后医生用裂隙灯观察患者泪液在角膜地形图中的分布情况,根据分布情况分析角膜塑形镜的偏心情况。这种方法仅仅依赖于医生的临床经验分析角膜塑形镜的配适状态,误差较大。
发明内容
本发明实施例的目的在于提供一种角膜塑形镜配适状态评估方法及装置,以实现减小评估角膜塑形镜的配适状态的误差。具体技术方案如下:
第一方面,提供了一种角膜塑形镜配适状态评估方法,所述方法包括:
确定角膜地形图中每个采样点的屈光度;
根据所述每个采样点的屈光度筛选出角膜塑形镜治疗区域在各径向上的边缘数据点;
根据各边缘数据点的位置拟合所述治疗区域;
根据偏心距离确定所述角膜塑形镜的配适状态,所述偏心距离为所述治疗区域中心点与所述角膜地形图原点之间的距离。
可选的,所述确定角膜地形图上每个采样点的屈光度的步骤,包括:
从所述角膜地形图中获取每个采样点的曲率半径;
根据屈光度与曲率半径的关系,计算每个采样点的屈光度。
可选的,所述根据所述每个采样点的屈光度筛选出角膜塑形镜治疗区域在各径向上的边缘数据点的步骤,包括:
对每个采样点的屈光度进行滤波处理,得到滤波处理后的每个采样点的屈光度;
将所述角膜地形图的每一径向中滤波处理后的屈光度最大的采样点确定为边缘数据点。
可选的,所述根据各边缘数据点的位置拟合治疗区域的步骤,包括:
从角膜地形图中获取各边缘数据点的位置;
计算边缘数据点位置集合中所包含的位置的中心点,所述边缘数据点位置集合中包括各边缘数据点的位置;
计算各边缘数据点与所述中心点之间的距离;
根据各边缘数据点与所述中心点之间的距离对各边缘数据点进行聚类计算,获得各边缘数据点的聚类结果;
根据所述聚类结果,计算各边缘数据点的权重;
通过各边缘数据点的权重和各边缘数据点的位置拟合所述角膜塑形镜的治疗区域。
可选的,所述根据偏心距离确定所述角膜塑形镜的配适状态的步骤,包括:
确定配适参数,所述配适参数为所述偏心距离或所述偏心距离与所述治疗区域的长轴长度之间的比值或所述偏心距离与所述治疗区域的短轴长度之间的比值;
根据所述配适参数确定所述配适状态;
其中,若所述配适参数小于第一阈值,则所述配适状态为轻度偏心;
若所述配适参数不小于所述第一阈值且不大于第二阈值,则所述配适状态为中度偏心;
若所述配适参数大于所述第二阈值,则所述配适状态为重度偏心。
第二方面,提供了一种角膜塑形镜配适状态评估装置,所述装置包括:
屈光度确定模块,用于确定角膜地形图中每个采样点的屈光度;
筛选模块,用于根据所述屈光度确定模块确定的每个采样点的屈光度筛选出角膜塑形镜治疗区域在各径向上的边缘数据点;
拟合模块,用于根据所述筛选模块筛选出的各边缘数据点的位置拟合所述治疗区域;
配适状态确定模块,用于根据偏心距离确定所述角膜塑形镜的配适状态,所述偏心距离为所述拟合模块拟合的所述治疗区域中心点与所述角膜地形图原点之间的距离。
可选的,所述屈光度确定模块,具体用于:
从所述角膜地形图中获取每个采样点的曲率半径;
根据屈光度与曲率半径的关系,计算每个采样点的屈光度。
可选的,所述筛选模块,包括:滤波单元和边缘数据点确定单元;
所述滤波单元,用于对每个采样点的屈光度进行滤波处理,得到滤波处理后的每个采样点的屈光度;
所述边缘数据点确定单元,用于将所述角膜地形图的每一径向中经所述滤波单元滤波处理后的屈光度最大的采样点确定为边缘数据点。
可选的,所述拟合模块,包括:位置获取单元、中心点计算单元、距离计算单元、聚类计算单元、权重计算单元和拟合单元;
所述位置获取单元,用于从角膜地形图中获取各边缘数据点的位置;
所述中心点计算单元,用于计算边缘数据点位置集合中所包含的位置的中心点,所述边缘数据点位置集合中包括各边缘数据点的位置;
所述距离计算单元,用于计算各边缘数据点与所述中心点之间的距离;
所述聚类计算单元,用于根据所述距离计算单元计算的各边缘数据点与所述中心点之间的距离对各边缘数据点进行聚类计算,获得各边缘数据点的聚类结果;
所述权重计算单元,用于根据所述聚类计算单元计算出的所述聚类结果,计算各边缘数据点的权重;
所述拟合单元,用于通过所述权重计算单元计算出的各边缘数据点的权重和各边缘数据点的位置拟合所述角膜塑形镜的治疗区域。
可选的,所述配适状态确定模块,包括:配适参数确定单元和配适状态确定单元;
所述配适参数确定单元,用于确定配适参数,所述配适参数为所述偏心距离或所述偏心距离与所述治疗区域的长轴长度之间的比值或所述偏心距离与所述治疗区域的短轴长度之间的比值;
所述配适状态确定单元,用于根据所述配适参数确定单元确定的所述配适参数确定所述配适状态;
其中,若所述配适参数小于第一阈值,则所述配适状态为轻度偏心;
若所述配适参数不小于所述第一阈值且不大于第二阈值,则所述配适状态为中度偏心;
若所述配适参数大于所述第二阈值,则所述配适状态为重度偏心。
第三方面,提供了一种电子设备,所述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一角膜塑形镜配适状态评估方法的步骤。
第四方面,本发明实施还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内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一角膜塑形镜配适状态评估方法的步骤。
第五方面,本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一角膜塑形镜配适状态评估方法。
本发明实施例提供的一种角膜塑形镜配适状态评估方法及装置,可以根据从角膜地形图中获取的每个采样点的屈光度,筛选出角膜塑形镜治疗区域在各径向上的边缘数据点,根据边缘数据点拟合治疗区域,根据偏心距离评估角膜塑形镜的配适状态。这样,可以根据从角膜地形图中获取的各个数据,得到角膜塑形镜配适状态的分析数据,评估角膜塑形镜的配适状态,通过分析具体数据减小评估的误差。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明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。
图1为本发明实施例提供的一种角膜塑形镜配适状态评估方法流程图;
图2为本发明实施例提供的一种角膜塑形镜配适状态评估方法中拟合治疗区域方法流程图;
图3为本发明实施例提供的一种角膜塑形镜配适状态评估装置结构示意图;
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
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描述。
本发明实施例提供了一种角膜塑形镜配适状态评估方法,该方法可以由电子设备实现。
本发明实施例中,电子设备可以是计算机、手机或平板电脑等电子设备。
参见图1,图1为本发明实施例提供的一种角膜塑形镜配适状态评估方法流程图,包括如下步骤:
步骤101,确定角膜地形图中每个采样点的屈光度。
一种实现方式中,可以利用基于普拉西多氏盘(Placido Ring)的角膜地形图仪采集角膜塑形镜表面数据,得到角膜地形图,可以设定角膜地形图中共有n个径向,每个径向上分别有m个采样点;其中,各个径向方向上与角膜地形图中心点距离相等的采样点处于同一个采样圆环上,即共有m个采样圆环。
一种实现方式中,从角膜地形图中可以获得切向曲率数据、径向距离数据和径向角度等;其中,切向曲率数据中包括每个采样点的曲率半径。
其中,电子设备可从角膜地形图中获取每个采样点的曲率半径,然后根据屈光度与曲率半径的关系,计算每个采样点的屈光度。
一种实现方式中,从角膜地形图中获取的每个采样点的曲率半径记为c=[cij]n×m,每个采样点的屈光度记为D=[Dij]n×m,其中,n为径向的数量,m为采样圆环的数量,屈光度与曲率半径的关系为:
Dij=(nc-nair)/cij (1)
其中,Dij为第i个径向的第j个采样圆环上的采样点的屈光度,nc=1.3375为角膜折射率,nair=1为空气折射率,cij为第i个径向的第j个采样圆环上的采样点的曲率半径。
步骤102,根据每个采样点的屈光度筛选出角膜塑形镜治疗区域在各径向上的边缘数据点。
筛选边缘数据点的方法为:对每个采样点的屈光度进行滤波处理,得到滤波处理后的每个采样点的屈光度,然后将角膜地形图的每一径向中滤波处理后的屈光度最大的采样点确定为边缘数据点。
一种实现方式中,可采用滤波因子为F的滤波器对屈光度数据D进行滤波,以消除仪器测量导致的误差,将滤波因子F与屈光度D代入公式(2)中,获得滤波后的屈光度D′;
D′=D*F (2)
其中,*代表卷积运算。
一种实现方式中,假设矩阵D′中的每一行数据分别代表角膜地形图的一个径向上各采样点的屈光度,D′中的每一行数据中屈光度最大的数据对应的采样点即为边缘数据点。
步骤103,根据各边缘数据点的位置拟合角膜塑形镜的治疗区域。
一种实现方式中,角膜塑形镜的治疗区域一般为椭圆形,所以可以从角膜地形图中获取各边缘数据点的位置,根据各边缘数据点的位置拟合出一个椭圆方程,该椭圆方程表示的椭圆区域即为治疗区域。
示例性的,拟合的椭圆方程可以为:
x2+Axy+By2+Cx+Dy+E=0 (3)
其中,A、B、C、D、E都是椭圆方程的参数。
步骤104,根据偏心距离确定角膜塑形镜的配适状态。
其中,偏心距离为治疗区域中心点与角膜地形图原点之间的距离。
确定角膜塑形镜的配适状态的方法为:确定配适参数,然后根据配置参数确定配适状态;
其中,若配适参数小于第一阈值,则配适状态为轻度偏心;
若配适参数不小于第一阈值且不大于第二阈值,则配适状态为中度偏心;
若配适参数大于第二阈值,则配适状态为重度偏心。
配适参数可以为以下任意一种:
偏心距离;
偏心距离与治疗区域的长轴长度之间的比值;
偏心距离与治疗区域的短轴长度之间的比值。
本申请实施例中,电子设备可根据拟合的角膜塑形镜治疗区域对应的椭圆方程,计算拟合的治疗区域的中心点(xec,yec),可以将步骤103中椭圆方程中的参数值代入公式(4)和(5):
计算出拟合的治疗区域的中心点(xec,yec)之后,可计算偏心距离roe,roe为拟合的治疗区域中心点到瞳孔中心点之间的距离,一般情况下,瞳孔中心点即为角膜地形图的原点,所以偏心距离可以为:
可选地,若配适参数为偏心距离与治疗区域的长轴长度之间的比值,则本申请实施例还可以计算治疗区域的长轴长度a:
可选地,若配适参数为偏心距离与治疗区域的短轴长度之间的比值,则本申请实施例还可以计算治疗区域的短轴长度b:
其中,a为治疗区域的长轴长度,b为治疗区域的短轴长度。
一种实现方式中,配适参数η可以为偏心距离roe和椭圆长轴a之间的比值,即:
当η<η1时,该角膜塑形镜配适状态为轻度偏心;
当η1≤η≤η2时,该角膜塑形镜配适状态为中度偏心;
当η>η2时,该角膜塑形镜配适状态为严重偏心。
其中,η1为第一阈值,η2为第二阈值。
每种配适参数对应的第一阈值不同,且每种配置参数对应的第二阈值不同。
示例性的,当配适参数η为偏心距离roe和椭圆长轴a之间的比值时,可以设置η1=19%,η2=36%。
示例性的,当配适参数η为偏心距离roe时,可以设置η1=0.5mm,η2=1mm,mm表示毫米。
可见,应用本发明实施例提供的角膜塑形镜配适状态评估方法,可以确定角膜地形图中每个采样点的屈光度,根据每个采样点的屈光度筛选角膜塑形镜在各径向上的边缘数据点,进而根据边缘数据点的位置拟合治疗区域,再根据拟合的治疗区域中心点与角膜地形图之间的偏心距离来确定角膜塑形镜的配适状态,相比于现有技术中只根据医生经验确定角膜塑形镜的配适状态,本申请实施例可以根据角膜地形图中的数据对角膜塑形镜的配适状态进行定量化分析,减小了评估角膜塑形镜的配适状态的误差。
进一步的,参见图2,图2为本发明实施例提供的一种角膜塑形镜配适状态评估方法中拟合治疗区域方法流程图,包括如下步骤:
步骤201,从角膜地形图中获取各边缘数据点的位置。
一种实现方式中,电子设备可从角膜地形图确定各边缘数据点的极坐标,然后将各边缘数据点的极坐标转换为笛卡尔坐标,具体转换方式如下:
确定上述滤波处理后的屈光度D′中每一径向中屈光度最大的采样点数据所在的采样圆环的序号,将序号记录于索引向量I中,其中,假设矩阵D′中的每一行数据分别代表角膜地形图的一个径向上各采样点的屈光度,采样圆环的序号为区别每个采样圆环的标记。
从角膜地形图中获取所有采样点的径向距离R=[Rij]n×m和每个径向对应的角度θ=[θi]n×1,根据索引向量I、径向距离数据R以及径向角度θ确定边缘数据点的极坐标,并将边缘数据点的极坐标转换为笛卡尔坐标。
其中,Rij为第i个径向的第j个采样圆环上的采样点的径向距离,n为径向数量,m为采样圆环的数量。
示例性的,若D′iβ为第i个径向上的滤波处理后最大屈光度,记录D′iβ所在的采样圆环的序号β,再从角膜地形图中获取第i个径向对应的角度θi,则D′iβ对应的采样点在角膜地形图中的极坐标为(Riβ,θi),再将极坐标转换为笛卡尔坐标(xi,yi),其中,xi为第i个边缘数据点在x轴上的位置,yi为第i个边缘数据点在y轴上的位置。
记录每个边缘数据点的笛卡尔坐标,将这些边缘数据点的位置集合记为T={(x1,y1),(x2,y2),…,(xn,yn)}。
步骤202,计算边缘数据点位置集合中所包含的位置的中心点,边缘数据点位置集合中包括各边缘数据点的位置。
一种实现方式中,计算边缘数据点位置集合中所包含位置的中心点(xc,yc),可以将所有边缘数据点(xi,yi)代入公式(11)中,获得公式(11)取值最小时xc和yc的值。
其中,n为径向的数量。
步骤203,计算各边缘数据点与上述中心点之间的距离。
一种实现方式中,可以将边缘数据点位置集合中所包含位置的中心点(xc,yc)和各个边缘数据点(xi,yi)代入公式(12)中,以计算各边缘数据点与中心点之间的距离ri:
其中,ri为第i个边缘数据点与中心点间的距离。
步骤204,根据各边缘数据点与上述中心点之间的距离对各边缘数据点进行聚类计算,获得各边缘数据点的聚类结果。
一种实现方式中,可以对边缘数据点进行K-means(K-均值)聚类,从而能将边缘数据点分为K类,具体过程如下:
将边缘数据点的位置分为K类,初始化质心μ0,μ1,…,μk-1。
其中,质心的初始值可以是程序生成的随机数,也可以是人为设置的值。
利用公式(13)计算每一边缘数据点所属的类别:
其中,||·||代表范数计算,ci为第i个边缘数据点的类别。
得到每一边缘数据点所属的类别后,利用公式(14)重新计算每一类别的质心:
其中,1{·}代表指示函数,μj为第j个类别的质心。
得到重新计算后的每一类别的质心后,重复计算每一边缘数据点所属类别和每一类别的质心,直至当前质心μj与上一步迭代计算时的质心μj′之间满足公式(15):
||μj-μj′||<ε (15)
其中,ε代表终止迭代阈值,可以设置ε的值无限趋近于0,例如设ε=0.01。
将迭代终止前得到的最后一个质心μj代入公式(13),计算出各边缘数据点所属的类别。
作为一个例子,在二分类的情况下,可以假设μ0=0,μ1=1。
利用公式(16)计算每一边缘数据点的类别。
将每一边缘数据点的类别代入公式(17),更新每一类的质心的值:
根据更新后的每一类的质心的值,重新计算每一边缘数据点的类别,直至当前质心μj与上一步迭代计算时的质心μj′之间满足公式(18):
||μj-μj′||<ε (18)
其中,ε代表终止迭代阈值,可以设置ε的值无限趋近于0,例如设ε=0.02。
步骤205,根据所述聚类结果,计算各边缘数据点的权重。
一种实现方式中,根据步骤204中计算得到的聚类结果,为边缘数据点集合中的各边缘数据点分配权重wi,需满足定义权重矩阵W为W=diag(w1,w2,…,wn),其中,权重矩阵W中包含所有边缘数据点的权重,例如w1表示第一个径向上边缘数据点的权重。
一种实现方式中,若将边缘数据点分为两类,利用公式(19)为边缘数据点分配权重:
其中,n为径向的数量,由于每个径向上只有一个边缘数据点,所以n也是边缘数据点的数量;wi为第i个边缘数据点的权重,需要满足
其中,ci=0可以表示第i个边缘数据点距离上述中心点之间的距离ri过小;当ci=0时对应的边缘数据点为孤立点。
另一种实现方式中,还可以将边缘数据点分为三类,利用公式(20)为边缘数据点分配权重:
其中,n为径向的数量,wi为第i个边缘数据点的权重,需要满足
其中,ci=0可以表示第i个边缘数据点距离上述中心点之间的距离ri过小;ci=2可以表示第i个边缘数据点距离上述中心点之间的距离ri过大。
其中,被分为0类或2类的边缘数据点表示孤立点,即ci=0或ci=2时对应的边缘数据点为孤立点。
步骤206,通过各边缘数据点的权重和各边缘数据点的位置拟合角膜塑形镜的治疗区域。
一种实现方式中,可以根据各边缘数据点的权重和各边缘数据点的位置,使用最小二乘法拟合角膜塑形镜的治疗区域,具体方式如下:
角膜塑形镜治疗区域可以看作近似于椭圆,已知椭圆一般方程为x2+Axy+By2+Cx+Dy+E=0,可以将椭圆的系数记为P=(A,B,C,D,E)T,其中(·)T代表转置计算;利用公式(21)拟合角膜塑形镜的治疗区域。
y=QP+ε (21)
其中,y=[-x1 2,-x2 2,…,-xn 2]T
ε=[ε1,ε2,…,εn]T,εi为第i个边缘数据点拟合的误差。
利用加权最小二乘法,根据公式(22)计算边缘数据点在角膜地形图中的位置与该点拟合的位置之间误差的平方和:
J(P)=(y-QP)TW(y-QP) (22)
其中,向量W(y-QP)表示边缘数据点的权重wi与该点误差εi的乘积。
最小化J(P)的值,求出当J(P)取值最小时满足公式(22)的最优解P,具体步骤如下:
初始化向量P中的参数,记为P(0),其中,P(0)中的初始值可以是随机数,也可以是人为设定。
设置学习率α的值。
可选的,可以随着迭代次数的增加,减小学习率的值;也可以在迭代过程中不改变学习率的值,例如可以将学习率设置为固定值0.02。
利用公式(23)更新向量P,用向量P对J(P)求偏导,得到向量P的梯度方向,用梯度下降法进行迭代计算,直到J(P)收敛。
其中,P(t)为本次更新后向量P的值,P(t-1)为本次更新前向量P的值。
可选的,J(P)收敛的条件为:本次更新前J(P)的值与本次更新后J(P)′的值的差小于λ,λ为一个近似为0的值,例如0.02。
将J(P)收敛时向量P的值代入椭圆一般方程,得到的椭圆方程表示的椭圆区域为拟合的角膜塑形镜治疗区域。
可见,应用本发明实施例,可以根据从角膜地形图中获取的数据,对边缘数据据点进行聚类,根据聚类结果给边缘数据点分配权重,利用最小二乘法拟合出角膜塑形镜的治疗区域,这样,由于使用最小二乘法拟合治疗区域,可以得到边缘数据点真实位置与拟合位置之间误差最小时拟合的治疗区域位置,所以使用本发明实施例提供的方法拟合出的治疗区域更为准确。
参见图3,图3为本发明实施例提供的一种角膜塑形镜配适状态评估装置结构示意图,所述装置包括:
屈光度确定模块301,用于确定角膜地形图中每个采样点的屈光度;
筛选模块302,用于根据所述屈光度确定模块确定的每个采样点的屈光度筛选出角膜塑形镜治疗区域在各径向上的边缘数据点;
拟合模块303,用于根据所述筛选模块筛选出的各边缘数据点的位置拟合所述治疗区域;
配适状态确定模块304,用于根据偏心距离确定所述角膜塑形镜的配适状态,所述偏心距离为所述拟合模块拟合的所述治疗区域中心点与所述角膜地形图原点之间的距离。
具体的,所述屈光度确定模块301,可以具体用于:
从所述角膜地形图中获取每个采样点的曲率半径;
根据屈光度与曲率半径的关系,计算每个采样点的屈光度。
具体的,所述筛选模块302,可以包括:滤波单元和边缘数据点确定单元;
所述滤波单元,用于对每个采样点的屈光度进行滤波处理,得到滤波处理后的每个采样点的屈光度;
所述边缘数据点确定单元,用于将所述角膜地形图的每一径向中经所述滤波单元滤波处理后的屈光度最大的采样点确定为边缘数据点。
具体的,所述拟合模块303,可以包括:位置获取单元、中心点计算单元、距离计算单元、聚类计算单元、权重计算单元和拟合单元;
所述位置获取单元,用于从角膜地形图中获取各边缘数据点的位置;
所述中心点计算单元,用于计算边缘数据点位置集合中所包含的位置的中心点,所述边缘数据点位置集合中包括各边缘数据点的位置;
所述距离计算单元,用于计算各边缘数据点与所述中心点之间的距离;
所述聚类计算单元,用于根据所述距离计算单元计算的各边缘数据点与所述中心点之间的距离对各边缘数据点进行聚类计算,获得各边缘数据点的聚类结果;
所述权重计算单元,用于根据所述聚类计算单元计算出的所述聚类结果,计算各边缘数据点的权重;
所述拟合单元,用于通过所述权重计算单元计算出的各边缘数据点的权重和各边缘数据点的位置拟合所述角膜塑形镜的治疗区域。
具体的,所述配适状态确定模块304,可以包括:配适参数确定单元和配适状态确定单元;
所述配适参数确定单元,用于确定配适参数,所述配适参数为所述偏心距离或所述偏心距离与所述治疗区域的长轴长度之间的比值或所述偏心距离与所述治疗区域的短轴长度之间的比值;
所述配适状态确定单元,用于根据所述配适参数确定单元确定的所述配适参数确定所述配适状态;
其中,若所述配适参数小于第一阈值,则所述配适状态为轻度偏心;
若所述配适参数不小于所述第一阈值且不大于第二阈值,则所述配适状态为中度偏心;
若所述配适参数大于所述第二阈值,则所述配适状态为重度偏心。
可见,应用本发明实施例提供的角膜塑形镜配适状态评估装置,可以确定角膜地形图中每个采样点的屈光度,根据每个采样点的屈光度筛选角膜塑形镜在各径向上的边缘数据点,进而根据边缘数据点的位置拟合治疗区域,再根据拟合的治疗区域中心点与角膜地形图之间的偏心距离来确定角膜塑形镜的配适状态,相比于现有技术中只根据医生经验确定角膜塑形镜的配适状态,本发明实施例可以根据角膜地形图中的数据对角膜塑形镜的配适状态进行定量化分析,减小了评估角膜塑形镜的配适状态的误差。
本发明实施例还提供了一种电子设备,如图4所示,包括处理器401、通信接口402、存储器403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信,
存储器403,用于存放计算机程序;
处理器401,用于执行存储器403上所存放的程序时,实现上述方法实施例中由电子设备执行的步骤。
可见,应用本发明实施例提供的角膜塑形镜配适状态评估电子设备,可以确定角膜地形图中每个采样点的屈光度,根据每个采样点的屈光度筛选角膜塑形镜在各径向上的边缘数据点,进而根据边缘数据点的位置拟合治疗区域,再根据拟合的治疗区域中心点与角膜地形图之间的偏心距离来确定角膜塑形镜的配适状态,相比于现有技术中只根据医生经验确定角膜塑形镜的配适状态,本发明实施例可以根据角膜地形图中的数据对角膜塑形镜的配适状态进行定量化分析,减小了评估角膜塑形镜的配适状态的误差。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一角膜塑形镜配适状态评估方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一角膜塑形镜配适状态评估方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (10)
1.一种角膜塑形镜配适状态评估方法,其特征在于,所述方法包括:
确定角膜地形图中每个采样点的屈光度;
根据所述每个采样点的屈光度筛选出角膜塑形镜治疗区域在各径向上的边缘数据点;
根据各边缘数据点的位置拟合所述治疗区域;
根据偏心距离确定所述角膜塑形镜的配适状态,所述偏心距离为所述治疗区域中心点与所述角膜地形图原点之间的距离。
2.根据权利要求1所述的方法,其特征在于,所述确定角膜地形图上每个采样点的屈光度的步骤,包括:
从所述角膜地形图中获取每个采样点的曲率半径;
根据屈光度与曲率半径的关系,计算每个采样点的屈光度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述每个采样点的屈光度筛选出角膜塑形镜治疗区域在各径向上的边缘数据点的步骤,包括:
对每个采样点的屈光度进行滤波处理,得到滤波处理后的每个采样点的屈光度;
将所述角膜地形图的每一径向中滤波处理后的屈光度最大的采样点确定为边缘数据点。
4.根据权利要求3所述的方法,其特征在于,所述根据各边缘数据点的位置拟合治疗区域的步骤,包括:
从角膜地形图中获取各边缘数据点的位置;
计算边缘数据点位置集合中所包含的位置的中心点,所述边缘数据点位置集合中包括各边缘数据点的位置;
计算各边缘数据点与所述中心点之间的距离;
根据各边缘数据点与所述中心点之间的距离对各边缘数据点进行聚类计算,获得各边缘数据点的聚类结果;
根据所述聚类结果,计算各边缘数据点的权重;
通过各边缘数据点的权重和各边缘数据点的位置拟合所述角膜塑形镜的治疗区域。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据偏心距离确定所述角膜塑形镜的配适状态的步骤,包括:
确定配适参数,所述配适参数为所述偏心距离或所述偏心距离与所述治疗区域的长轴长度之间的比值或所述偏心距离与所述治疗区域的短轴长度之间的比值;
根据所述配适参数确定所述配适状态;
其中,若所述配适参数小于第一阈值,则所述配适状态为轻度偏心;
若所述配适参数不小于所述第一阈值且不大于第二阈值,则所述配适状态为中度偏心;
若所述配适参数大于所述第二阈值,则所述配适状态为重度偏心。
6.一种角膜塑形镜配适状态评估装置,其特征在于,所述装置包括:
屈光度确定模块,用于确定角膜地形图中每个采样点的屈光度;
筛选模块,用于根据所述屈光度确定模块确定的每个采样点的屈光度筛选出角膜塑形镜治疗区域在各径向上的边缘数据点;
拟合模块,用于根据所述筛选模块筛选出的各边缘数据点的位置拟合所述治疗区域;
配适状态确定模块,用于根据偏心距离确定所述角膜塑形镜的配适状态,所述偏心距离为所述拟合模块拟合的所述治疗区域中心点与所述角膜地形图原点之间的距离。
7.根据权利要求6所述的装置,其特征在于,所述屈光度确定模块,具体用于:
从所述角膜地形图中获取每个采样点的曲率半径;
根据屈光度与曲率半径的关系,计算每个采样点的屈光度。
8.根据权利要求7所述的装置,其特征在于,所述筛选模块,包括:滤波单元和边缘数据点确定单元;
所述滤波单元,用于对每个采样点的屈光度进行滤波处理,得到滤波处理后的每个采样点的屈光度;
所述边缘数据点确定单元,用于将所述角膜地形图的每一径向中经所述滤波单元滤波处理后的屈光度最大的采样点确定为边缘数据点。
9.根据权利要求8所述的装置,其特征在于,所述拟合模块,包括:位置获取单元、中心点计算单元、距离计算单元、聚类计算单元、权重计算单元和拟合单元;
所述位置获取单元,用于从角膜地形图中获取各边缘数据点的位置;
所述中心点计算单元,用于计算边缘数据点位置集合中所包含的位置的中心点,所述边缘数据点位置集合中包括各边缘数据点的位置;
所述距离计算单元,用于计算各边缘数据点与所述中心点之间的距离;
所述聚类计算单元,用于根据所述距离计算单元计算的各边缘数据点与所述中心点之间的距离对各边缘数据点进行聚类计算,获得各边缘数据点的聚类结果;
所述权重计算单元,用于根据所述聚类计算单元计算出的所述聚类结果,计算各边缘数据点的权重;
所述拟合单元,用于通过所述权重计算单元计算出的各边缘数据点的权重和各边缘数据点的位置拟合所述角膜塑形镜的治疗区域。
10.根据权利要求6-9任一项所述的装置,其特征在于,所述配适状态确定模块,包括:配适参数确定单元和配适状态确定单元;
所述配适参数确定单元,用于确定配适参数,所述配适参数为所述偏心距离或所述偏心距离与所述治疗区域的长轴长度之间的比值或所述偏心距离与所述治疗区域的短轴长度之间的比值;
所述配适状态确定单元,用于根据所述配适参数确定单元确定的所述配适参数确定所述配适状态;
其中,若所述配适参数小于第一阈值,则所述配适状态为轻度偏心;
若所述配适参数不小于所述第一阈值且不大于第二阈值,则所述配适状态为中度偏心;
若所述配适参数大于所述第二阈值,则所述配适状态为重度偏心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810875898.5A CN109222884A (zh) | 2018-08-03 | 2018-08-03 | 一种角膜塑形镜配适状态评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810875898.5A CN109222884A (zh) | 2018-08-03 | 2018-08-03 | 一种角膜塑形镜配适状态评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109222884A true CN109222884A (zh) | 2019-01-18 |
Family
ID=65072970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810875898.5A Pending CN109222884A (zh) | 2018-08-03 | 2018-08-03 | 一种角膜塑形镜配适状态评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109222884A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989199A (zh) * | 2019-11-21 | 2020-04-10 | 明灏科技(北京)有限公司 | 一种角膜塑形镜度数的计算装置 |
CN111000525A (zh) * | 2019-11-21 | 2020-04-14 | 明灏科技(北京)有限公司 | 一种基于大数据的角膜塑形镜验配方法及系统 |
CN111134613A (zh) * | 2019-11-21 | 2020-05-12 | 明灏科技(北京)有限公司 | 一种基于图像识别的角膜塑形镜验配方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060146279A1 (en) * | 2000-10-05 | 2006-07-06 | Meyers William E | Contact lens and methods of manufacture |
US20140043588A1 (en) * | 2012-08-10 | 2014-02-13 | Osio Corporation d/b/a Yolia Health | Contact lens use in the treatment of an ophthalmologic condition |
CN104545790A (zh) * | 2014-12-17 | 2015-04-29 | 温州医科大学 | 活体监测角膜塑形镜塑形效果的oct成像系统和方法 |
CN107861261A (zh) * | 2017-12-05 | 2018-03-30 | 罗辉 | 角膜塑形镜验配方法及装置 |
-
2018
- 2018-08-03 CN CN201810875898.5A patent/CN109222884A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060146279A1 (en) * | 2000-10-05 | 2006-07-06 | Meyers William E | Contact lens and methods of manufacture |
US20140043588A1 (en) * | 2012-08-10 | 2014-02-13 | Osio Corporation d/b/a Yolia Health | Contact lens use in the treatment of an ophthalmologic condition |
CN104545790A (zh) * | 2014-12-17 | 2015-04-29 | 温州医科大学 | 活体监测角膜塑形镜塑形效果的oct成像系统和方法 |
CN107861261A (zh) * | 2017-12-05 | 2018-03-30 | 罗辉 | 角膜塑形镜验配方法及装置 |
Non-Patent Citations (4)
Title |
---|
TAKAHIRO HIROKA ET AL: "Influence of induced decentered orthokeratology lens on ocular higher-order wavefront aberrations and contrast sensitivity function", 《J CATARACT REFRACT SURG》 * |
吴尧锋等: "边界聚类椭圆快速检测方法", 《浙江大学学报(工学版)》 * |
孙朝云等: "基于椭圆模型聚类的路面裂缝定位方法", 《公路》 * |
王志彬等: "基于K-means聚类和椭圆拟合方法的白粉虱计数算法", 《农业工程学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989199A (zh) * | 2019-11-21 | 2020-04-10 | 明灏科技(北京)有限公司 | 一种角膜塑形镜度数的计算装置 |
CN111000525A (zh) * | 2019-11-21 | 2020-04-14 | 明灏科技(北京)有限公司 | 一种基于大数据的角膜塑形镜验配方法及系统 |
CN111134613A (zh) * | 2019-11-21 | 2020-05-12 | 明灏科技(北京)有限公司 | 一种基于图像识别的角膜塑形镜验配方法及系统 |
CN111000525B (zh) * | 2019-11-21 | 2022-02-15 | 明灏科技(北京)有限公司 | 一种基于大数据的角膜塑形镜验配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hwang et al. | Real-time robustness evaluation of regression based myoelectric control against arm position change and donning/doffing | |
Simonini et al. | Customized finite element modelling of the human cornea | |
US10426551B2 (en) | Personalized refractive surgery recommendations for eye patients | |
CN109222884A (zh) | 一种角膜塑形镜配适状态评估方法及装置 | |
US10141075B2 (en) | Predicting and mitigating risk of ectasia and optimizing therapeutic outcomes | |
US20180296320A1 (en) | Forecasting cataract surgery effectiveness | |
US20220351828A1 (en) | Cascade of machine learning models to suggest implant components for use in orthopedic joint repair surgeries | |
CN111784641B (zh) | 一种基于拓扑结构的神经图像弯曲度估计方法及装置 | |
US20240082059A1 (en) | Intelligent corneal procedure advisor | |
JP2022517312A (ja) | 正視域予測を使用した眼内レンズ選択のためのシステム及び方法 | |
CN112599244A (zh) | 一种基于机器学习的人工晶状体屈光度数计算系统 | |
Marsolo et al. | Spatial modeling and classification of corneal shape | |
US20240041653A1 (en) | Intelligent topographic corneal procedure advisor | |
CN108877931B (zh) | 肩关节康复评价方法、装置及系统 | |
WO2022118240A1 (en) | Ingesting and processing clinical information by a clinical engine | |
Vasilyev et al. | Spatial distribution of eye-movements after central vision loss is consistent with an optimal visual search strategy | |
Varachiu et al. | Computational intelligence for medical knowledge acquisition with application to glaucoma | |
John et al. | Fuzzy based decision making for detection of Glaucoma | |
Villegas et al. | Diagnosis of neuropathies in diabetic patients by applying machine learning | |
Fukuda et al. | Formula selection for intraocular power calculation using support vector machines and self-organizing maps | |
Fidan et al. | Classification of dermatological data with self organizing maps and support vector machine | |
Elwin et al. | Entropy Weighted and Kernalized Power K-Means Clustering Based Lesion Segmentation and Optimized Deep Learning for Diabetic Retinopathy Detection | |
Rajaraman et al. | A New Wavelet Collocation Algorithm for Solving a Nonlinear Boundary Value Problem of the Human Corneal Shape. | |
RU2791204C1 (ru) | Способ определения оптической силы интраокулярной линзы с использованием искусственной нейронной сети | |
EP3371722A1 (en) | Method and device for modelling human or animal tissue |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |
|
RJ01 | Rejection of invention patent application after publication |