[发明专利]一种基于三维人脸模型重建的眼睑参数测量方法及系统

说明书

本发明的一个技术方案是提供了一种基于三维人脸模型重建的眼睑参数测量方法。本发明的另一个技术方案是提供了一种基于三维人脸模型重建的眼睑参数测量系统，其特征在于，包括映射模型；三维人脸模型建立模块；关键点提取模块；眼睑参数计算模块。本发明提出的眼睑参数测量方法及系统具有应用场景广、测量准确度高等优点，能够标准化传统临床诊疗过程中繁琐且易受主观因素干扰的眼睑参数测量过程，助力以眼睑疾病为主的多种眼病的诊断评估，节约人工成本，提升医疗效率。

技术领域

本发明涉及一种眼睑参数测量方法及系统。

背景技术

眼睑位于眼球前部，上、下眼睑的闭合可有效避免外界的微生物、灰尘等的侵及，起到保护眼球的作用。解剖学上，眼睑共由7层组成：皮肤、眼轮匝肌、眶隔、眶脂肪、牵开肌、睑板和结膜。故全身或局部皮肤、粘膜、肌肉等病变均可累及眼睑，造成眼睑松弛、上睑下垂、眼睑退缩等眼睑疾病，影响外观，并可能阻碍入射光线进而导致功能性视力障碍，给患者带来不便。

目前临床对眼睑疾病的诊治依赖对眼睑参数的测量。以眼睑退缩为例，正常情况下，上睑应该遮盖上方角膜1-2mm，下睑中央位置与角膜处于同一水平。当睑缘与角膜之间有巩膜露出时，则称为眼睑退缩。根据退缩量不同，通常将上睑退缩分为轻度、中度和重度上睑退缩。轻度为上睑退缩1-2mm，中度为上睑退缩3-4mm，重度为上睑退缩大于5mm，在上睑下垂等疾病的诊断过程中也有类似的分级分度标准。不同的分度将影响临床医生在治疗决策时对手术方法的选择，因而对睑裂大小、睑缘与角膜缘距离等眼睑参数的测定，是眼睑疾病临床诊疗过程中的重要环节。

而现有诊疗过程中，对眼睑参数的测量多由医生利用尺子进行。这种测量方法较为原始，易受医生个人经验等主观因素影响，偶然误差较大。同时，由于眼部复杂的三维结构，眼睑参数本身较难准确测量，且测量过程相对繁琐，导致实际诊疗过程效率低下。

随着人工智能的发展，图像识别与图像测量技术开始广泛应用于医疗领域，为解决这一行业问题提供了可行方案。但目前的精准测量方法多依赖于三维人脸模型，需要特定的设备进行人脸采集，使用门槛较高，同样不适用于一线临床应用。部分以二维照片为对象进行的自动测量又受眼部本身结构影响，难以实现准确的测量。

发明内容

本发明的目的是：提供一种适用于临床实际诊疗环境的，基于二维照片可实现的标准化眼睑参数精准测量方法及系统。

为了达到上述目的，本发明的一个技术方案是提供了一种基于三维人脸模型重建的眼睑参数测量方法，其特征在于，包括以下步骤：

步骤1、获取患者的二维人脸图片，将二维人脸图片输入映射模型后获得三维人脸数据；

步骤2、利用Mesh-UV展开算法将三维人脸数据映射到二维上，获得每个三维人脸数据点坐标所对应的二维纹理贴图的坐标，从而建立完整的三维人脸模型；

步骤3、基于二维纹理贴图提取关键点，该关键点包括眼睑边缘关键点以及角膜关键点，其中：

利用边缘检测算法从二维纹理贴图上提取眼睑边缘关键点；

提取角膜关键点时，遍历二维纹理贴图上角膜所对应圆周上的所有点，任意三个点经Hough变换后在三维参数空间应对应的一点进行投票，遍历结束后，得票数最高的三维参数空间中的点所确定的圆即为当选圆，基于当选圆提取角膜关键点；

步骤4、基于关键点计算相关眼睑参数。

优选地，步骤1中，所述映射模型采用Transformer。

优选地，步骤2中，利用Mesh-UV展开算法将三维人脸数据映射到二维上包括以下步骤：

步骤201、在基于三维人脸数据构建的三维图上创建网格割缝，便于网格能够分割成一块块的圆盘结构；