CN112465785B - 角膜动态参数提取方法及系统 - Google Patents
角膜动态参数提取方法及系统 Download PDFInfo
- Publication number
- CN112465785B CN112465785B CN202011375954.2A CN202011375954A CN112465785B CN 112465785 B CN112465785 B CN 112465785B CN 202011375954 A CN202011375954 A CN 202011375954A CN 112465785 B CN112465785 B CN 112465785B
- Authority
- CN
- China
- Prior art keywords
- cornea
- images
- image
- parameters
- video
- 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.)
- Active
Links
- 210000004087 cornea Anatomy 0.000 title claims abstract description 443
- 238000000605 extraction Methods 0.000 title claims abstract description 34
- 230000003068 static effect Effects 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000003709 image segmentation Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims description 33
- 238000007781 pre-processing Methods 0.000 claims description 23
- 238000007373 indentation Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 abstract description 15
- 238000004458 analytical method Methods 0.000 abstract description 11
- 201000002287 Keratoconus Diseases 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000004410 intraocular pressure Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008733 trauma Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Ophthalmology & Optometry (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Eye Examination Apparatus (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种角膜动态参数提取方法及系统，所述方法包括：获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像；从每一帧角膜图像中提取角膜静态参数；根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的动态参数。本发明可从角膜视频中提取多帧角膜图像，并从这些角膜图像中提取到角膜静态参数，由于每一帧角膜图像中都可以提取出这些角膜静态参数，从而可以得出这些角膜静态参数在角膜形变的过程的变化规律，通过这个变化规律，可以再进一步提取出角膜动态参数，通过这些角膜动态参数，能够为角膜分析提供参考价值。
Description
技术领域
本发明涉及角膜图像分析技术领域，尤其涉及膜动态参数提取方法及系统。
背景技术
角膜是人眼球前方的透明组织，不仅能够平衡眼内压、维持眼球形态，还提供了75％的屈光度(43D)。角膜的光学功能与其组织结构形态紧密相关，非常微小的角膜形态改变即可导致全眼光学特性发生显著变化。即一旦角膜厚度异常，即使是局部某一区域的细微异常都会导致角膜屈光改变，从而影响视力。角膜中央或旁中央基质变薄，中周部变薄区顶部向外突出，就会诱发圆锥角膜(Keratoconus，KC)。随着病情加深，中央角膜厚度(Cornea Central Thickness，CCT)会变得非常薄，轻微创伤即可导致角膜穿孔。
为了能够更好地对角膜进行分析，现有的临床仪器能够可视化角膜并评估其生物力学特性，但是现有的系统在捕获的角膜动态序列进行分析只能计算单帧的图像参数，不能很好的反应角膜运动过程中的细节信息，导致角膜分析的准确性不够。
因此，现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种角膜动态参数提取方法及系统，旨在解决现有的系统在捕获的角膜动态序列进行分析只能计算单帧的图像参数，不能很好的反应角膜运动过程中的细节信息，导致角膜分析的准确性不够的问题。
为了解决上述技术问题，本发明所采用的技术方案如下：
第一方面，本发明提供一种角膜动态参数提取方法，其中，所述方法包括：
获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像；
从每一帧角膜图像中提取角膜静态参数；
根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的动态参数。
在一种实现方式中，所述获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像，包括：
通过临床仪器采集角膜运动的角膜视频，并对所述角膜视频进行数据预处理；
将经过数据预处理后的角膜视频进行图像分割，得到若干帧角膜图像，所述若干帧角膜图像为所述角膜视频中特定时刻的角膜图像。
在一种实现方式中，所述数据预处理包括对所述角膜视频转化为图像，然后对图像进行预处理。
在一种实现方式中，所述特定时刻的角膜图像包括：起始时刻，第一次压平时刻，最大压陷时刻，第二次压平时刻这四帧的角膜图像。
在一种实现方式中，所述从每一帧角膜图像中提取角膜静态参数包括：
获取每一帧角膜图像中的角膜测量区域，所述角膜测量区域为所述角膜图像的中央区域；
从所述每一帧角膜图像中的角膜测量区域中获取角膜静态参数，所述角膜静态参数包括角膜厚度等在内的一系列角膜生物力学参数。
在一种实现方式中，所述根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的角膜动态参数，包括：
根据所述角膜静态参数，得出所述角膜视频中所述角膜测量区域的形变规律；
根据所述形变规律，确定所述角膜图像的角膜动态参数。
第二方面，本发明实施例还提供一种角膜动态参数提取装置，其中，所述装置包括：
角膜图像获取模块，用于获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像；
静态参数提取模块，用于从每一帧角膜图像中提取角膜静态参数；
动态参数提取模块，用于根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的角膜动态参数。
在一种实现方式中，所述若干帧角膜图像为所述角膜视频中特定时刻的角膜图像；所述特定时刻的角膜图像包括：起始时刻，第一次压平时刻，最大压陷时刻，第二次压平时刻这四帧的角膜图像。
第三方面，本发明实施例还提供一种智能终端，其中，所述智能终端包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的角膜动态参数提取程序，所述角膜动态参数提取程序被所述处理器执行时，实现如上述方案中任意一项所述的角膜动态参数提取方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，其中，其上存储有角膜动态参数提取程序，所述角膜动态参数提取程序被处理器执行时，实现上述方案中任一项所述的角膜动态参数提取方法的步骤。
有益效果：与现有技术相比，本发明提供了一种角膜动态参数提取方法，首先，本发明获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像；然后从每一帧角膜图像中提取角膜静态参数；最后根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的动态参数。本发明可从角膜视频中提取多帧角膜图像，并从这些角膜图像中提取到角膜静态参数，由于每一帧角膜图像中都可以提取出这些角膜静态参数，从而可以得出这些角膜静态参数在角膜形变的过程的变化规律，通过这个变化规律，可以再进一步提取出角膜动态参数，通过这些角膜动态参数，能够为角膜分析提供参考价值，提高分析准确度。
附图说明
图1为本发明实施例提供的角膜动态参数提取方法的具体实施方式的流程图。
图2为本发明实施例提供的角膜动态参数提取方法中特定时刻的角膜图像。
图3为本发明实施例提供的角膜动态参数提取方法中特定时刻的角膜图像的原始图像与分割结果的对比图。
图4为若干组圆锥角膜和若干组正常角膜的中央角膜厚度的曲线图。
图5是本发明实施例提供的视频画面动态移动装置的原理框图。
图6是本发明实施例提供的智能终端的内部结构原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
角膜是人眼球前方的透明组织，不仅能够平衡眼内压、维持眼球形态，还提供了75％的屈光度(43D)。新生儿出生时角膜厚度不等，中央略薄，约为0.58mm，越靠近角膜周边越厚，约为1mm。正常成年人角膜中央厚度约为555±37mm。角膜的光学功能与其组织结构形态紧密相关，非常微小的角膜形态改变即可导致全眼光学特性发生显著变化。即一旦角膜厚度异常，即使是局部某一区域的细微异常都会导致角膜屈光改变，从而影响视力。角膜中央或旁中央基质变薄，中周部变薄区顶部向外突出，就会诱发圆锥角膜(Keratoconus，KC)。随着病情加深，中央角膜厚度(Cornea Central Thickness，CCT)会变得非常薄，轻微创伤即可导致角膜穿孔。圆锥角膜手术成功率很低，只能通过早发现早治疗来控制病情的发展。这就需要临床仪器能够对中央角膜厚度有更为细致精确的刻画，来辅助早期圆锥角膜的诊断。
为了能够更好地对角膜进行分析，现有的临床仪器能够可视化角膜并评估其生物力学特性，但是现有的系统在捕获的角膜动态序列进行分析只能计算单帧的图像参数，不能很好的反应角膜运动过程中的细节信息，导致角膜分析的准确性不够。
为了解决现有技术的问题，本发明提供一种角膜动态参数提取方法，首先，本发明获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像；然后从每一帧角膜图像中提取角膜静态参数；最后根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的动态参数。本发明可从角膜视频中提取多帧角膜图像，并从这些角膜图像中提取到角膜静态参数，由于每一帧角膜图像中都可以提取出这些角膜静态参数，从而可以得出这些角膜静态参数在角膜形变的过程的变化规律，通过这个变化规律，可以再进一步提取出角膜动态参数，通过这些角膜动态参数，能够为角膜分析提供参考价值，提高分析准确度。
具体地，本实施例中的角膜动态参数提取方法可应用于智能终端中，如图1中所示，所述方法包括如下步骤:
步骤S100、获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像。
在本实施例中，可通过临床仪器采集角膜在完成完整形变过程的角膜视频，所述临床仪器动态记录并分析角膜受压改变形态、还原形态过程中的生物力学参数。每次完整的形变过程，结果记录为单个视频。当采集到所述角膜视频后，本实施例需要对所述角膜视频进行数据预处理。本实施例中的数据预处理包括对所述角膜视频转化为图像，然后对图像进行预处理。也就是说，在获取到采集到的角膜视频后，本实施例首先会对角膜视频数据预处理，当数据预处理后，本实施例将经过数据预处理后的角膜视频进行图像分割，得到若干帧角膜图像，所述若干帧角膜图像为所述角膜视频中特定时刻的角膜图像。在本实施例中，所述特定时刻的角膜图像包括：起始时刻，第一次压平时刻，最大压陷时刻，第二次压平时刻这四帧的角膜图像。具体如图2中所示，图2找那个的a为起始时刻的角膜图像，b为第一次压平时刻的角膜图像，c为最大压陷时刻的角膜图像，d为第二次压平时刻这四帧的角膜图像。
在本实施例中，所提取的特定时刻的角膜图像是角膜区域在完整形变过程中的最为重要的时刻的角膜图像，因此通过从角膜视频中提取特定时刻的角膜图像，并且在后续步骤中根据这些特定时刻的角膜图像可以很好地体现出角膜的形变，从而更为准确地获取到角膜图像的动态参数。
步骤S200、从每一帧角膜图像中提取角膜静态参数。
当得到若干帧的角膜图像后，本实施例中还可从角膜图像中分割出每一帧角膜图像中的角膜测量区域，所述角膜测量区域为所述角膜图像的中央区域。具体如图3中所示，图3中即为针对特定时刻(包括起始时刻，第一次压平时刻，最大压陷时刻，第二次压平时刻)的原始角膜图像以及分割出角膜测量区域的图像，具体地，图3中a1为起始时刻的原始角膜图像，a2为分割出的起始时刻的角膜测量区域的图像；b1为第一次压平时刻的原始角膜图像，b2为分割出的第一次压平时刻的角膜测量区域的图像；c1为最大压陷时刻的原始角膜图像，c2为分割出的最大压陷时刻的角膜测量区域的图像；d1为第二次压平时刻的原始角膜图像，d2为分割出的第二次压平时刻的角膜测量区域的图像。通过分割出该角膜测量区域有利于测量该角膜的静态参数。具体地，本实施例可从所述每一帧角膜图像中的角膜测量区域中获取角膜静态参数，所述角膜静态参数包括角膜厚度等在内的一系列角膜生物力学参数。对于一个角膜视频，每一帧角膜图像都可以提取出这些静态参数，从而可以得出这些静态参数在角膜形变的过程的变化规律，通过这个变化规律，可以再进一步提取出一些动态参数等。以角膜厚度这个参数为例，在获得角膜视频并进行图像分割之后，取特定时刻的角膜图像中央的一部分区域，作为角膜厚度的测量区域，即得到角膜测量区域，然后从该角膜测量区域中计算得出角膜厚度，由于一个视频包含若干帧图像，从而一个视频会计算出若干个角膜厚度。如图4中所示，图4为若干组圆锥角膜和若干组正常角膜的角膜厚度的曲线图，实线上方的区域为正常角膜，实线下方的区域为圆锥角膜，实线表示角膜厚度的平均值，虚线表示平均值±标准差。由曲线中可以得出，角膜厚度曲线对于圆锥角膜和正常角膜的分类。因此当本实施例测量得到各个角膜图像中的角膜厚度后，即可根据图4来确定本实施例所采样的角膜图像属于圆锥角膜还是正常角膜。
步骤S300、根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的角膜动态参数。
在本实施例中，由于一个角膜视频是由多帧角膜图像组成的，当得到每一帧角膜图像的角膜静态参数后，本实施例可将所有帧的角膜图像的角膜静态参数进行汇总，并根据所述角膜静态参数，得出所述角膜视频中所述角膜测量区域的形变规律，然后根据所述形变规律，确定所述角膜图像的角膜动态参数。比如根据测量得到的不同帧的角膜图像中的中央角膜厚度来分析出该角膜图像中的角膜厚度的变化规律，来得到角膜厚度的变化率等参数，这些参数即为所述角膜图像的角膜动态参数。
综上，本实施例获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像；然后从每一帧角膜图像中提取角膜静态参数；最后根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的动态参数。本实施例可从角膜视频中提取多帧角膜图像，并从这些角膜图像中提取到角膜静态参数，由于每一帧角膜图像中都可以提取出这些角膜静态参数，从而可以得出这些角膜静态参数在角膜形变的过程的变化规律，通过这个变化规律，可以再进一步提取出角膜动态参数，通过这些角膜动态参数，能够为角膜分析提供参考价值，提高分析准确度。
示例性设备
如图5中所示，本发明实施例提供一种角膜动态参数提取系统，该系统包括：角膜图像获取模块10、静态参数提取模块20、动态参数提取模块30。具体地，所述角膜图像获取模块10，用于获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像。所述静态参数提取模块20，用于从每一帧角膜图像中提取角膜静态参数。所述动态参数提取模块30，用于根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的角膜动态参数。
在一种实现方式中，所述角膜图像获取模块10包括：
数据预处理单元，用于通过临床仪器采集角膜在完成完整形变过程的角膜视频，并对所述角膜视频进行数据预处理；
角膜图像处理单元，用于将经过数据预处理后的角膜视频进行图像分割，得到若干帧角膜图像，所述若干帧角膜图像为所述角膜视频中特定时刻的角膜图像。
在一种实现方式中，所述静态参数提取模块20包括：
测量区域获取单元，用于获取每一帧角膜图像中的角膜测量区域，所述角膜测量区域为所述角膜图像的中央区域；
静态参数获取单元，用于从所述每一帧角膜图像中的角膜测量区域中获取角膜静态参数，所述角膜静态参数包括角膜厚度等在内的一系列角膜生物力学参数。
在一种实现方式中，所述动态参数提取模块30包括：
形变规律确定单元，用于根据所述角膜静态参数，得出所述角膜视频中所述角膜测量区域的形变规律；
动态参数确定单元，用于根据所述形变规律，确定所述角膜图像的角膜动态参数。
基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图6所示。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种角膜动态参数提取方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏，该智能终端的温度传感器是预先在智能终端内部设置，用于检测内部设备的运行温度。
本领域技术人员可以理解，图6中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像；
从每一帧角膜图像中提取角膜静态参数；
根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的角膜动态参数。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上，本发明公开了一种角膜动态参数提取方法及系统，所述方法包括：获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像；从每一帧角膜图像中提取角膜静态参数；根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的动态参数。本发明可从角膜视频中提取多帧角膜图像，并从这些角膜图像中提取到角膜静态参数，由于每一帧角膜图像中都可以提取出这些角膜静态参数，从而可以得出这些角膜静态参数在角膜形变的过程的变化规律，通过这个变化规律，可以再进一步提取出角膜动态参数，通过这些角膜动态参数，能够为角膜分析提供参考价值。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种角膜动态参数提取方法，其特征在于，所述方法包括：
获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像；
从每一帧角膜图像中提取角膜静态参数；
根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的角膜动态参数；
所述获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像，包括：
通过临床仪器采集角膜在完成完整形变过程的角膜视频，并对所述角膜视频进行数据预处理，其中，所述数据预处理包括对所述角膜视频转化为图像，以及对图像进行预处理；
将经过数据预处理后的角膜视频进行图像分割，得到若干帧角膜图像，所述若干帧角膜图像为所述角膜视频中特定时刻的角膜图像，所述特定时刻的角膜图像包括：起始时刻，第一次压平时刻，最大压陷时刻，第二次压平时刻这四帧的角膜图像；
所述从每一帧角膜图像中提取角膜静态参数包括：
获取每一帧角膜图像中的角膜测量区域，所述角膜测量区域为所述角膜图像的中央区域；
从所述每一帧角膜图像中的角膜测量区域中获取角膜静态参数，所述角膜静态参数包括角膜厚度在内的一系列角膜生物力学参数；
所述根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的角膜动态参数，包括：
根据所述角膜静态参数，得出所述角膜视频中所述角膜测量区域的形变规律；
根据所述形变规律，确定所述角膜图像的角膜动态参数。
2.根据权利要求1所述的角膜动态参数提取方法，其特征在于，所述数据预处理包括对所述角膜视频转化为图像，然后对图像进行预处理。
3.一种角膜动态参数提取系统，其特征在于，所述系统包括：
角膜图像获取模块，用于获取角膜视频，并对所述角膜视频进行图像分割，得到若干帧角膜图像；
静态参数提取模块，用于从每一帧角膜图像中提取角膜静态参数；
动态参数提取模块，用于根据每一帧角膜图像的角膜静态参数，确定所述角膜图像的动态参数；
所述角膜图像获取模块包括：
数据预处理单元，用于通过临床仪器采集角膜在完成完整形变过程的角膜视频，并对所述角膜视频进行数据预处理，其中，所述数据预处理包括对所述角膜视频转化为图像，以及对图像进行预处理；
角膜图像处理单元，用于将经过数据预处理后的角膜视频进行图像分割，得到若干帧角膜图像，所述若干帧角膜图像为所述角膜视频中特定时刻的角膜图像，所述特定时刻的角膜图像包括：起始时刻，第一次压平时刻，最大压陷时刻，第二次压平时刻这四帧的角膜图像；
所述静态参数提取模块包括：
测量区域获取单元，用于获取每一帧角膜图像中的角膜测量区域，所述角膜测量区域为所述角膜图像的中央区域；
静态参数获取单元，用于从所述每一帧角膜图像中的角膜测量区域中获取角膜静态参数，所述角膜静态参数包括角膜厚度在内的一系列角膜生物力学参数；
所述动态参数提取模块包括：
形变规律确定单元，用于根据所述角膜静态参数，得出所述角膜视频中所述角膜测量区域的形变规律；
动态参数确定单元，用于根据所述形变规律，确定所述角膜图像的角膜动态参数。
4.一种智能终端，其特征在于，所述智能终端包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的角膜动态参数提取程序，所述角膜动态参数提取程序被所述处理器执行时，实现如权利要求1-2任一项所述的角膜动态参数提取方法的步骤。
5.一种计算机可读存储介质，其特征在于，其上存储有角膜动态参数提取程序，所述角膜动态参数提取程序被处理器执行时，实现如权利要求1-2任一项所述的角膜动态参数提取方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011375954.2A CN112465785B (zh) | 2020-11-30 | 2020-11-30 | 角膜动态参数提取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011375954.2A CN112465785B (zh) | 2020-11-30 | 2020-11-30 | 角膜动态参数提取方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112465785A CN112465785A (zh) | 2021-03-09 |
| CN112465785B true CN112465785B (zh) | 2024-05-31 |
Family
ID=74805804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011375954.2A Active CN112465785B (zh) | 2020-11-30 | 2020-11-30 | 角膜动态参数提取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112465785B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005236483A (ja) * | 2004-02-18 | 2005-09-02 | Casio Comput Co Ltd | 画像処理装置およびプログラム |
| CN1971622A (zh) * | 2006-12-12 | 2007-05-30 | 北京中星微电子有限公司 | 数字摄像装置的视频动画背景处理方法和系统 |
| CN107036820A (zh) * | 2017-05-09 | 2017-08-11 | 武汉理工大学 | 基于时序图像处理的发动机轮系横向振动检测方法及系统 |
| CN108875498A (zh) * | 2017-11-03 | 2018-11-23 | 北京旷视科技有限公司 | 用于行人重识别的方法、装置及计算机存储介质 |
| CN109583336A (zh) * | 2018-11-16 | 2019-04-05 | 北京中竞鸽体育文化发展有限公司 | 一种建立运动物体模型的方法及装置 |
| CN110604617A (zh) * | 2019-10-30 | 2019-12-24 | 深圳市科创数字显示技术有限公司 | 板层角膜移植ar手术导航系统及方法 |
| CN111523410A (zh) * | 2020-04-09 | 2020-08-11 | 哈尔滨工业大学 | 一种基于注意力机制的视频显著性目标检测方法 |
| CN111616800A (zh) * | 2020-06-09 | 2020-09-04 | 电子科技大学 | 眼科手术导航系统 |
| CN111914118A (zh) * | 2020-07-22 | 2020-11-10 | 珠海大横琴科技发展有限公司 | 基于大数据的视频分析方法、装置、设备及存储介质 |
| CN111932502A (zh) * | 2020-07-13 | 2020-11-13 | 深圳大学 | 一种角膜图像点云选取方法、系统、智能终端及存储介质 |
-
2020
- 2020-11-30 CN CN202011375954.2A patent/CN112465785B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005236483A (ja) * | 2004-02-18 | 2005-09-02 | Casio Comput Co Ltd | 画像処理装置およびプログラム |
| CN1971622A (zh) * | 2006-12-12 | 2007-05-30 | 北京中星微电子有限公司 | 数字摄像装置的视频动画背景处理方法和系统 |
| CN107036820A (zh) * | 2017-05-09 | 2017-08-11 | 武汉理工大学 | 基于时序图像处理的发动机轮系横向振动检测方法及系统 |
| CN108875498A (zh) * | 2017-11-03 | 2018-11-23 | 北京旷视科技有限公司 | 用于行人重识别的方法、装置及计算机存储介质 |
| CN109583336A (zh) * | 2018-11-16 | 2019-04-05 | 北京中竞鸽体育文化发展有限公司 | 一种建立运动物体模型的方法及装置 |
| CN110604617A (zh) * | 2019-10-30 | 2019-12-24 | 深圳市科创数字显示技术有限公司 | 板层角膜移植ar手术导航系统及方法 |
| CN111523410A (zh) * | 2020-04-09 | 2020-08-11 | 哈尔滨工业大学 | 一种基于注意力机制的视频显著性目标检测方法 |
| CN111616800A (zh) * | 2020-06-09 | 2020-09-04 | 电子科技大学 | 眼科手术导航系统 |
| CN111932502A (zh) * | 2020-07-13 | 2020-11-13 | 深圳大学 | 一种角膜图像点云选取方法、系统、智能终端及存储介质 |
| CN111914118A (zh) * | 2020-07-22 | 2020-11-10 | 珠海大横琴科技发展有限公司 | 基于大数据的视频分析方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112465785A (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12114929B2 (en) | Retinopathy recognition system | |
| US20220079430A1 (en) | System for recognizing diabetic retinopathy | |
| CN111340087A (zh) | 图像识别方法、装置、计算机可读存储介质和计算机设备 | |
| CN110210357B (zh) | 一种基于静态照片面部识别的上睑下垂图像测量方法 | |
| CN113053517B (zh) | 一种基于动态区域量化指标的面瘫级别评估方法 | |
| CN113889267A (zh) | 基于眼象识别的糖尿病诊断模型的构建方法和电子设备 | |
| JP7257645B2 (ja) | 画像処理方法、装置、電子デバイス及び記憶媒体 | |
| CN115100647A (zh) | 一种宫颈癌细胞的识别方法及装置 | |
| Consejo et al. | Detection of subclinical keratoconus with a validated alternative method to corneal densitometry | |
| CN112465785B (zh) | 角膜动态参数提取方法及系统 | |
| CN111938567B (zh) | 基于深度学习的眼科参数测量方法、系统及设备 | |
| CN113361482A (zh) | 核性白内障识别方法、装置、电子设备以及存储介质 | |
| WO2024060418A1 (zh) | 基于眼部异常姿态的异常屈光状态识别方法及装置 | |
| CN112806957A (zh) | 一种基于深度学习的圆锥角膜和亚临床圆锥角膜检测系统 | |
| CN111292285B (zh) | 一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法 | |
| Umamageswari et al. | A novel approach for classification of diabetics from retinal image using deep learning technique | |
| CN111161257A (zh) | 一种广域眼底图像质量控制的方法及人工智能系统 | |
| CN110992364A (zh) | 视网膜图像识别方法、装置、计算机设备和存储介质 | |
| WO2021139446A1 (zh) | 一种抗血管内皮生长因子vegf疗效预测装置及方法 | |
| CN113177038B (zh) | 一种视网膜神经纤维层数据校正方法、装置及电子设备 | |
| Ricciuti et al. | Pupil diameter estimation in visible light | |
| Danao et al. | Machine learning-based glaucoma detection through frontal eye features analysis | |
| TWI821063B (zh) | 視網膜自動分層模型之建立方法、視網膜分層量化系統、眼部照護裝置、視網膜分層厚度及視網膜分層面積的檢測方法及神經退化性疾病評估和預測方法 | |
| CN115132326B (zh) | 基于眼底图像的糖尿病视网膜病变的评估系统及评估方法 | |
| CN117854139B (zh) | 基于稀疏选择的开角型青光眼识别方法、介质及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |