技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种用于近视防控的眼球三维重建方法、装置及终端  >  正文

一种用于近视防控的眼球三维重建方法、装置及终端

  • 国知局
  • 2024-09-11 14:39:30

本发明涉及深度学习,尤其涉及的是一种用于近视防控的眼球三维重建方法、装置及终端。

背景技术:

1、目前,近视发生率日趋上升,并呈低龄化趋势,为人们的生活带来不便。因此,近视防控尤为重要。目前尚没有很好的方法能够治愈近视,准分子激光近视矫正手术和眼内镜植入近视矫正手术,也仅仅是消除了表面上的近视度数,并不能对近视造成的眼底病变进行逆转,因此对近视的防控尤为重要。控制近视的方法包括药物(如阿托品等)、框架眼镜(如周边离焦框架镜、渐近多焦点镜等)、接触镜(如角膜逆形镜、硬性透气性角膜接触镜、多焦点软镜等)。而动物实验已证明周边离焦理论是近视发生、发展的重要机制之一。基于该理论出现了多种近视防控方法,包括角膜塑形镜、多焦点软性角膜接触镜、特殊设计周边离焦框架镜等。

2、眼球是一个近似椭球体的三维结构,若将人眼比作相机,近视意味着光线进入相机镜头后成像在底片(视网膜)前,这通常是由于眼球从前到后过长(轴向近视),也可能是由过度弯曲的角膜和/或光学能力增加的晶状体引起(屈光性近视)。高度近视眼轴增长发生、发展引起眼球整体形态异常,其中眼底的形态变化会导致很多病理性改变,如脉络膜新生血管、后巩膜葡萄肿、中央凹劈裂和周围视网膜变性、近视性视乳头神经病变等,高度近视病理性改变可能进一步引起眼底并发症。如图1所示,随着近视的加深,患者的眼球会随之发生不同程度的形变。由于使用单光隐形眼镜或单光眼镜进行近视矫正可以等量地矫正中央凹和周边视网膜的近视,这导致近视眼的中央凹和周边视网膜处于不同的近视状态。周边视网膜更加远视,因此周边和中央同等的近视矫正可能会加深近视,如图2所示。结合周边离焦理论进行近视矫正可矫正中央凹处的完全近视度数,但通过在周边提供额外的正光焦度而在周边视网膜中产生近视散焦,从而可以达到延缓近视进展的效果,如图3所示。

3、患者眼球的形变和弯曲程度都不一致,而目前在提供近视防控眼镜时没有考虑到这一点,没有对眼球结构进行三维重建,都是把所有人的眼球当成一个标准的弯曲球体进行镜面弯曲度的设计,进而导致了部分患者使用周边离焦眼镜会有效果,部分患者则没有效果。因此,会导致近视防控眼镜的近视防控效果较差。

4、因此,现有技术存在缺陷,有待改进与发展。

技术实现思路

1、本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种用于近视防控的眼球三维重建方法、装置及终端,旨在解决现有技术中在提供近视防控眼镜时,没有对眼球结构进行三维重建,会导致近视防控眼镜的近视防控效果较差的问题。

2、本发明解决技术问题所采用的技术方案如下:

3、一种用于近视防控的眼球三维重建方法,所述方法包括:

4、获取当前眼球结构对应的第一视野内的若干分层眼底图像;

5、提取各个分层眼底图像中的眼球结构信息,根据各个分层眼底图像中的眼球结构信息得到第一视野点云信息;

6、将所述第一视野点云信息输入预先训练的神经网络模型,得到当前眼球结构对应的第二视野内的眼球三维结构;

7、其中,所述第一视野小于所述第二视野。

8、在一种实现方式中,所述提取各个分层眼底图像中的眼球结构信息,根据各个分层眼底图像中的眼球结构信息得到第一视野点云信息,包括:

9、提取各个所述分层眼底图像的眼球结构分割线,得到各个所述分层眼底图像对应的眼球结构信息;

10、将各个第一视野分层眼底图像中的眼球结构信息进行组合,得到第一视野眼球点云;

11、将所述第一视野眼球点云进行极坐标变换,得到第一视野点云信息。

12、在一种实现方式中,将所述第一视野点云信息输入预先训练的神经网络模型,得到当前眼球结构对应的第二视野内的眼球三维结构,包括:

13、将所述第一视野点云信息输入预先训练的神经网络模型,得到第二视野三维极坐标;

14、将所述第二视野三维极坐标进行极坐标反变换,得到第二视野三维点云;

15、根据所述第二视野三维点云得到当前眼球结构对应的第二视野内的眼球三维结构。

16、在一种实现方式中,所述神经网络模型的训练步骤包括:

17、获取训练数据集,所述训练数据集包括:若干一一对应的第二视野点云和局部第一视野点云;

18、获取预先构建的模板点云,所述模板点云为将预先获取的若干正常眼球结构对应的第二视野点云进行叠加,并经高斯模糊后得到;

19、分别将所述局部第一视野点云和所述模板点云进行极坐标变换,得到局部第一视野点云信息和模板点云信息;

20、将所述局部第一视野点云信息和所述模板点云信息输入预先构建的初始神经网络模型中,以所述局部第一视野点云对应的第二视野点云为训练目标,对所述初始神经网络模型进行训练;

21、训练完成,得到已训练的神经网络模型。

22、在一种实现方式中,所述获取训练数据集包括:

23、获取通过第二视野图像采集装置采集的若干第二视野分层眼底图像组,并提取各个第二视野分层眼底图像组对应的第二视野点云;

24、对所述第二视野点云进行局部截取,得到所述第二视野点云对应的局部第一视野点云。

25、在一种实现方式中,所述获取通过第二视野图像采集装置采集的若干第二视野分层眼底图像组,并提取各个第二视野分层眼底图像组对应的第二视野点云,包括:

26、获取通过第二视野图像采集装置采集的若干第二视野分层眼底图像组,所述第二视野分层眼底图像组包括同一眼球结构对应的若干第二视野分层眼底图像;

27、分别提取各个第二视野分层眼底图像组中各个所述第二视野分层眼底图像的眼球结构分割线,得到第二视野分层眼底图像组中各个所述第二视野分层眼底图像对应的眼球结构信息;

28、将各个第二视野分层眼底图像对应的眼球结构信息进行组合,得到第二视野分层眼底图像组对应的第二视野点云。

29、在一种实现方式中,在对所述初始神经网络模型进行训练时,所述局部第一视野点云信息经初始神经网络模型提取的每层特征和所述模板点云信息经初始神经网络模型提取的每层特征进行叠加融合,每层特征包括:纹理特征和几何特征。

30、本发明还提供一种用于近视防控的眼球三维重建装置,所述装置包括:

31、获取模块,用于获取当前眼球结构对应的若干第一视野分层眼底图像;

32、提取模块,用于提取各个第一视野分层眼底图像中的眼球结构信息,根据各个第一视野分层眼底图像中的眼球结构信息得到第一视野点云信息;

33、输入模块,用于将所述第一视野点云信息输入预先训练的神经网络模型,得到当前眼球结构对应的第二视野眼球三维结构。

34、本发明还提供一种终端,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用于近视防控的眼球三维重建程序,所述用于近视防控的眼球三维重建程序被所述处理器执行时实现如上所述的用于近视防控的眼球三维重建方法的步骤。

35、本发明还提供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,所述计算机程序能够被执行以用于实现如上所述的用于近视防控的眼球三维重建方法的步骤。

36、本发明提供的一种用于近视防控的眼球三维重建方法,包括:获取当前眼球结构对应的第一视野内的若干分层眼底图像;提取各个分层眼底图像中的眼球结构信息,根据各个分层眼底图像中的眼球结构信息得到第一视野点云信息;将所述第一视野点云信息输入预先训练的神经网络模型,得到当前眼球结构对应的第二视野内的眼球三维结构;其中,所述第一视野小于所述第二视野。本发明通过将第一视野点云信息输入预先训练的神经网络模型,得到了第二视野内的眼球三维结构,进而能够实现根据小视野的图像重建出大视野的三维结构,避免了把所有人的眼球当成一个标准的弯曲球体进行镜面弯曲度的设计,根据重建的第二视野内的眼球三维结构区别各个眼球结构的不同,进而对近视防控眼镜进行不同的镜面弯曲度设计,以便于提高近视防控眼镜的近视防控效果。

本文地址:https://www.jishuxx.com/zhuanli/20240911/291728.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。