【技術實現步驟摘要】
本專利技術涉及圖像處理，更具體的，涉及一種白內障手術角膜實時定位方法及系統。
技術介紹
1、目前，白內障手術已經成為全球最多的手術之一，在手術中能夠實時預警是手術成功的關鍵，現有的利用深度學習輔助進行白內障手術術中診斷以及術后排查是一直以來提高白內障手術成功率的重要手段，大部分的研究基于傳統的目標檢測技術，對現有的白內障手術的數據集圖像進行手術器械以及部分眼部組織檢測，這些方法的優點是能夠快速的對手術中的目標進行定位；但這些傳統方法也存在著以下幾個方面的不足：需要的參數過多、對橢圓形的目標檢測精度不高等。
2、因此，現有技術存在缺陷，亟待改進。
技術實現思路
1、鑒于上述問題，本專利技術的目的是提供一種白內障手術角膜實時定位方法及系統，能夠更快更準確的對白內障手術角膜進行定位，減少了醫生的負擔。
2、本專利技術第一方面提供了一種白內障手術角膜實時定位方法，包括：
3、獲取白內障手術角膜的數據集；
4、將白內障手術角膜的數據集進行預處理，得到預設格式的標準數據集；
5、基于預設格式的標準數據集，構建角膜推理模型；
6、提取患者端的白內障手術中的眼部組織圖像；
7、將患者端的白內障手術中的眼部組織圖像發送至角膜推理模型，得到推理的mask圖；
8、將推理的mask圖發送至預設管理端以進行存儲。
9、本方案中，所述將白內障手術角膜的數據集進行預處理的步驟，包括：
10、
11、提取數據的json文件中cornea類的標注點；
12、基于數據的json文件中cornea類的標注點，繪制對應數據中角膜的掩碼圖，并獲取橢圓中心點以及真實長短軸信息。
13、本方案中，所述構建角膜推理模型的步驟，具體包括：
14、將預設格式的標準數據集劃分為訓練樣本數據子集和測試數據子集；
15、將訓練樣本數據子集中的標準數據依次發送至預設的初始化模型以進行訓練，得到初始化模型的總損失值；
16、若初始化模型的總損失值小于等于預設損失閾值，則將測試數據子集中標準數據依次發送至預設的初始化模型以進行驗證，確定合格率；
17、若合格率大于預設合格率閾值，則對應初始化模型停止訓練，并將對應初始化模型設為角膜推理模型。
18、本方案中，所述得到初始化模型的總損失值的步驟，具體包括：
19、提取訓練樣本數據子集中的標準數據中角膜的掩碼圖，設為輸入圖像im；
20、將輸入圖像im輸入至初始化模型，得到熱圖設為預測圖像，基于預設的二維高斯函數，將輸入圖像映射為真實熱圖oxyc；
21、將真實熱圖oxyc和預測圖像進行對比分析，得到中心點損失函數值lk；
22、提取輸入圖像標簽中的真實長短軸信息；
23、基于預設的l1損失值loff的偏移量得到預測的中心點以及長短軸；
24、根據輸入圖像標簽中的真實長短軸信息和預測的中心點以及長短軸，得到長短軸的損失函數值laxes；
25、將初始化模型的總損失值設為ldet，其公式為：
26、ldet＝lk+λaxes*laxes+λoff*loff
27、其中λaxes表示長短軸損失函數權重系數，λoff表示l1損失權重系數，loff表示l1的損失值。
28、本方案中，所述將真實熱圖oxyc和預測圖像進行對比分析，得到中心點損失函數值的步驟，具體包括：
29、將中心點損失函數值設為lk，其公式為：
30、
31、其中μ、β為焦點損失的超參數，m為關鍵點個數；
32、所述真實熱圖oxyc的獲取公式為：
33、
34、其中x、y為地面真值的中心點坐標，為下采樣地面真值的中心點坐標，σp為核標準差，im∈rw×h×3，其中高為h，寬為w，r為預測的下采樣因子，c為候選類的數量，
35、本方案中，所述得到長短軸的損失函數值laxes的步驟，具體包括：
36、根據輸入圖像標簽中的真實長短軸信息和預測的中心點以及長短軸，構建輸入圖像中角膜外輪廓的邊界橢圓，其公式為：其中分別表示預測圖像中每個像素點的長短軸預測值，表示為l1損失loff的偏移量；
37、將長短軸損失函數值設為laxes，其公式為：
38、
39、其中，a表示為長軸真實值，b表示為短軸真實值，p表示為輸入圖像的外輪廓的中心點，ak、bk分別表示輸入圖像標簽中對比的像素點k的長短軸真實值，n表示對比的像素點總數。
40、本方案中，所述提取輸入圖像標簽中的真實長短軸信息的步驟，具體包括：
41、提取白內障手術角膜的數據集中任一數據的白內障手術眼部組織圖像的矩形標簽；
42、將矩形標簽中對角點的坐標分別設為(x1，y1)和(x2，y2)；
43、將輸入圖像的外輪廓的中心點設為p，其公式為：
44、
45、將長軸真實值設為a，其公式為：
46、將短軸真實值設為b，其公式為：
47、本專利技術第二方面提供了一種白內障手術角膜實時定位系統，包括存儲器和處理器，所述存儲器中存儲有一種白內障手術角膜實時定位方法程序，所述一種白內障手術角膜實時定位方法程序被所述處理器執行時實現如下步驟：
48、獲取白內障手術角膜的數據集；
49、將白內障手術角膜的數據集進行預處理，得到預設格式的標準數據集；
50、基于預設格式的標準數據集，構建角膜推理模型；
51、提取患者端的白內障手術中的眼部組織圖像；
52、將患者端的白內障手術中的眼部組織圖像發送至角膜推理模型，得到推理的mask圖；
53、將推理的mask圖發送至預設管理端以進行存儲。
54、本方案中，所述將白內障手術角膜的數據集進行預處理的步驟，包括：
55、提取白內障手術角膜的數據集中數據的json文件；
56、提取數據的json文件中cornea類的標注點；
57、基于數據的json文件中cornea類的標注點，繪制對應數據中角膜的掩碼圖，并獲取橢圓中心點以及真實長短軸信息。
58、本方案中，所述構建角膜推理模型的步驟，具體包括：
59、將預設格式的標準數據集劃分為訓練樣本數據子集和測試數據子集；
60、將訓練樣本數據子集中的標準數據依次發送至預設的初始化模型以進行訓練，得到初始化模型的總損失值；
61、若初始化模型的總損失值小于等于預設損失閾值，則將測試數據子集中標準數據依次發送至預設的初始化模型以進行驗證，確定合格率；
62、若合格率大于預設合格率閾值，則對應初始化模型停止本文檔來自技高網...
【技術保護點】
1.一種白內障手術角膜實時定位方法，其特征在于，包括：
2.根據權利要求1所述的一種白內障手術角膜實時定位方法，其特征在于，所述將白內障手術角膜的數據集進行預處理的步驟，包括：
3.根據權利要求1所述的一種白內障手術角膜實時定位方法，其特征在于，所述構建角膜推理模型的步驟，具體包括：
4.根據權利要求3所述的一種白內障手術角膜實時定位方法，其特征在于，所述得到初始化模型的總損失值的步驟，具體包括：
5.根據權利要求4所述的一種白內障手術角膜實時定位方法，其特征在于，所述將真實熱圖Oxyc和預測圖像進行對比分析，得到中心點損失函數值的步驟，具體包括：
6.根據權利要求4所述的一種白內障手術角膜實時定位方法，其特征在于，所述得到長短軸的損失函數值Laxes的步驟，具體包括：
7.根據權利要求4所述的一種白內障手術角膜實時定位方法，其特征在于，所述提取輸入圖像標簽中的真實長短軸信息的步驟，具體包括：
8.一種白內障手術角膜實時定位系統，其特征在于，包括存儲器和處理器，所述存儲器中存儲有一種白內障手術角膜
9.根據權利要求8所述的一種白內障手術角膜實時定位系統，其特征在于，所述將白內障手術角膜的數據集進行預處理的步驟，包括：
10.根據權利要求8所述的一種白內障手術角膜實時定位系統，其特征在于，所述構建角膜推理模型的步驟，具體包括：
...【技術特征摘要】
1.一種白內障手術角膜實時定位方法，其特征在于，包括：
2.根據權利要求1所述的一種白內障手術角膜實時定位方法，其特征在于，所述將白內障手術角膜的數據集進行預處理的步驟，包括：
3.根據權利要求1所述的一種白內障手術角膜實時定位方法，其特征在于，所述構建角膜推理模型的步驟，具體包括：
4.根據權利要求3所述的一種白內障手術角膜實時定位方法，其特征在于，所述得到初始化模型的總損失值的步驟，具體包括：
5.根據權利要求4所述的一種白內障手術角膜實時定位方法，其特征在于，所述將真實熱圖oxyc和預測圖像進行對比分析，得到中心點損失函數值的步驟，具體包括：
6.根據權利要求4所述的一種白內障手術角膜實時定位方法...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。