角膜塑形镜荧光素染色的配适方法及配适系统

本发明涉及角膜塑形镜，尤其涉及一种角膜塑形镜荧光素染色的配适方法及配适系统。

背景技术：

1、在角膜塑形镜智能验配领域，已经有一些研究提出了不同的方法来优化角膜塑形镜的验配过程。

2、其一为一种利用角膜高度数据的计算方法，通过应用拟合算法，可以更准确地估计角膜塑形镜的ac值，然而，这种方法需要准备患者的角膜数据文件，并且需要复杂的跨平台模型建模来进行拟合，导致了数据准备和程序运行时间较长。

3、其二为基于机器学习的方法建立角膜塑形镜镜片试戴参数选择的算法模型，用来减少角膜塑形镜验配过程中的试戴次数，但这种方式仍是通过角膜地形图产生的数值数据去拟合模型，并不能通过角膜荧光染色图片提供预测校准。

4、因此，现有的角膜塑形镜配适技术较为复杂且配适结果准确度较低。

技术实现思路

1、本发明旨在至少解决相关技术中存在的技术问题之一。为此，本发明提供一种角膜塑形镜荧光素染色的配适方法及配适系统，解决了传统技术中角膜塑形镜配适技术较为复杂且配适结果准确度较低的技术问题，提高了角膜塑形镜的配适速率以及配适准确度。

2、本发明提供一种角膜塑形镜荧光素染色的配适方法，包括如下步骤：

3、定义调整偏差值之前的荧光素染色图像为非标准验配图像，定义调整偏差值之后的荧光素染色图像为标准验配图像；

4、构建用于确定所述偏差值的差分模型，所述差分模型包括特征解析器、自注意力重构器以及差分预测器；

5、提供若干组非标准验配图像和标准验配图像，使用所述非标准验配图像和所述标准验配图像对所述差分模型进行训练；

6、获取试戴片的荧光素染色图像，获取试戴片的若干变量的原始参数；

7、将所述荧光素染色图像导入训练后的所述差分模型，所述差分模型得出调节所述原始参数的偏差值，进而根据所述偏差值调整所述原始参数至最终参数，以将所述试戴片调整至角膜塑形镜。

8、本发明角膜塑形镜荧光素染色的配适方法的进一步改进在于，将所述荧光素染色图像导入训练后的所述差分模型，所述差分模型得出调节所述原始参数的偏差值时，包括：

9、所述特征解析器获取所述荧光素染色图像，进而自所述荧光素染色图像中抽取非标准特征，所述非标准特征包括所述荧光素染色图像的原始参数，所述自注意力重构器根据所述非标准特征生成重构特征，所述差分预测器将所述非标准特征以及所述重构特征进行差分融合，进而所述差分预测器得出所述偏差值。

10、本发明角膜塑形镜荧光素染色的配适方法的进一步改进在于，使用所述非标准验配图像和所述标准验配图像对所述差分模型进行训练时，包括：

11、设置分割增强训练器，将所述分割增强训练器连接于所述特征解析器；

12、对所述特征解析器进行训练；

13、冻结训练后的所述特征解析器，对所述自注意力重构器进行训练；

14、冻结训练后的所述特征解析器以及所述自注意力重构器，对所述差分预测器进行训练，从而完成对所述差分模型的训练。

15、本发明角膜塑形镜荧光素染色的配适方法的进一步改进在于，将所述荧光素染色图像的周弧区定义为前景，将所述荧光素染色图像除所述周弧区之外的其他区域定义为背景，对所述特征解析器进行训练时，包括：

16、确定所述特征解析器的损失函数，

17、

18、其中，表示荧光素染色图像的宽，表示荧光素染色图像的高，每一所述荧光素染色图像包括若干像素值，表示第像素值对应的前景与背景的类别真实值，表示第像素值对应的预测概率。

19、本发明角膜塑形镜荧光素染色的配适方法的进一步改进在于，冻结训练后的所述特征解析器，对所述自注意力重构器进行训练时，包括：

20、提供若干组非标准验配图像和标准验配图像，

21、将所述非标准验配图像经过训练后的所述特征解析器进行处理以得到非标准特征，进而所述自注意力重构器将所述非标准特征重构为重构特征；

22、将所述标准验配图像经过训练后的所述特征解析器进行处理以得到对比特征，

23、构建所述自注意力重构器的损失函数，

24、

25、其中，表示用于训练的所述非标准验配图像以及标准验配图像的组数，表示第组所述非标准验配图像以及标准验配图像，表示除对应组的之外的第组的标准验配图像的对比特征，表示和的余弦相似度，表示和的余弦相似度，表示温度系数；

26、通过所述损失函数以计算和的对比损失，进而根据所述对比损失调节所述自注意力重构器的权重。

27、本发明角膜塑形镜荧光素染色的配适方法的进一步改进在于，冻结训练后的所述特征解析器以及所述自注意力重构器，对所述差分预测器进行训练时，包括：

28、所述差分预测器包括融合模块以及预测模块；

29、提供所述非标准验配图像中的若干变量的原始参数，提供所述标准验配图像中的若干变量的最终参数，进而获取所述原始参数调节至所述最终参数的真实值，

30、通过所述融合模块将和进行融合，得到差异特征，然后将所述差异特征输入所述预测模块进行预测，得到预测值，

31、所述差分预测器的损失函数，

32、

33、其中，表示用于训练的所述非标准验配图像以及标准验配图像的组数，表示第组所述非标准验配图像以及标准验配图像，表示第组非标准验配图像和标准验配图像对应的预测值，表示第组非标准验配图像和标准验配图像对应的真实值；

34、根据所述损失函数调节所述融合模块以及所述预测模块的权重。

35、本发明角膜塑形镜荧光素染色的配适方法的进一步改进在于，于所述自注意力重构器设置重构网络，所述重构网络包括采样单元、卷积单元以及线性注意力单元；

36、通过所述采样单元以调节所述非标准特征的输入尺寸，进而所述卷积单元用以对所述非标准特征进行编码以及解码操作，进而所述线性注意力单元用以提供多个非标准特征之间的联系并得出重构特征。

37、本发明角膜塑形镜荧光素染色的配适方法的进一步改进在于，所述变量包括降幅、ac、cp以及dia参数。

38、本发明还提供了一种角膜塑形镜荧光素染色的配适系统，所述配适系统用以执行如上所述的配适方法，所述配适系统包括差分模型，所述差分模型包括特征解析器、自注意力重构器以及差分预测器；

39、所述特征解析器用以获取荧光素染色图像，进而自所述荧光素染色图像中抽取非标准特征；

40、所述自注意力重构器用以根据所述非标准特征生成重构特征；

41、所述差分预测器用以将所述非标准特征以及所述重构特征进行差分融合，进而所述差分预测器得出所述偏差值。

42、本发明角膜塑形镜荧光素染色的配适方法通过构建差分模型，该差分模型专用于对角膜塑形镜配适过程中的变量的参数调整，提高对角膜塑形镜的配适速度以及准确度，通过提供的成对的标准验配图像和非标准验配图像，从而对差分模型进行对应的训练，确保差分模型中的特征解析器、自注意力重构器以及差分预测器都调整至准确的权重和参数，保证在差分模型投入使用后能准确的得出偏差值，提高对角膜塑形镜的配适准确度。

43、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。