[发明专利]一种基于图像识别的角膜塑形镜验配方法及系统

说明书

本发明一方面提供了一种角膜塑形镜验配方法，方法包括：获取历史数据；根据历史数据，构建用于根据角膜地形图的颜色像素值计算角膜曲率值的神经网络模型；获取待测用户的角膜地形图，将该角膜地形图输入至模型，得到待测用户的角膜曲率值。本发明另一方面提供了一种角膜塑形镜验配系统，该系统包括：历史数据获取模块、模型构建模块和角膜曲率值计算模块。本发明只需要有角膜地形图的基础上就可根据用于计算角膜塑形镜参数的模型轻易得出合适的角膜塑形镜参数，从而省去了多次试戴角膜塑形镜试戴片的步骤，也方便了验光师的工作和保证了患者的用眼安全。

技术领域

本发明涉及塑形镜验配领域，具体涉及一种基于图像识别的角膜塑形镜验配方法及系统。

背景技术

目前在眼科医疗行业中，角膜塑形镜的验配方式还是根据角膜地形图的参数，通过查表法多次试戴角膜塑形镜的试戴片，然后根据试戴结果得出适合该用户佩戴的角膜塑形镜参数。该验配方式需要用户反复试戴角膜塑形镜的试戴片，可能会使用户眼睛感染病毒和细菌，进而威胁用户的眼睛健康。

发明内容

针对上述问题，本发明提供了一种基于图像识别的角膜塑形镜验配方法及其系统。

本发明的目的采用以下技术方案来实现：

本发明第一方面提供了一种基于图像识别的角膜塑形镜验配方法，该方法包括：

获取历史数据，所述历史数据包括：已验配用户的角膜地形图以及对应的角膜曲率值数据；

根据所述历史数据，构建用于根据角膜地形图的颜色像素值计算角膜曲率值的神经网络模型；

获取待测用户的角膜地形图，将该角膜地形图输入至所述模型，得到所述待测用户的角膜曲率值。

在一种可选的实施方式中，采用深度学习算法构建所述神经网络模型，包括：

对所述已验配用户的角膜地形图进行图像分割处理，得到用户角膜地形图特征区域图像和颜色对照标识板特征区域图像，将用户角膜地形图特征区域图像与其对应的角膜曲率值作为一样本数据；

将所有样本数据划分为训练集和测试集；

保留一张颜色对照标识板特征区域图像，根据颜色对照标识板特征区域图像的颜色像素值建立颜色像素值与角膜曲率值的对应关系；

根据所述颜色像素值与角膜曲率值的对应关系对所述训练集中的各个样本数据进行处理，得到各个样本数据的角膜曲率预测值，计算各个样本数据的角膜曲率预测值与其样本数据对应的角膜曲率值的误差值，根据得到的误差值调整该模型参数，以使该模型达到一个稳定状态。

在一种可选的实施方式中，所述深度学习算法为：CNN卷积神经网络算法；

采用所述CNN卷积神经网络算法构建所述神经网络模型，包括：

对所述已验配用户的角膜地形图进行图像分割处理，得到用户角膜地形图特征区域图像和颜色对照标识板特征区域图像，将用户角膜地形图特征区域图像与其对应的角膜曲率值作为一样本数据；

将所有样本数据划分为训练集和测试集；

保留一张颜色对照标识板特征区域图像,对所述颜色对照标识板特征区域图像中每个像素点进行降噪处理，得到降噪后的所述颜色对照标识板特征区域图像中每个像素点的颜色像素值；

根据降噪后的所述颜色对照标识板特征区域图像中每个像素点的颜色像素值建立颜色像素值与角膜曲率值的对应关系；

对所述训练集中的各个样本数据进行降噪处理，得到降噪后的各个样本数据中像素点的颜色像素值；