泪河高度检测方法、装置、设备及存储介质与流程

本申请涉及医学影像，尤其涉及一种泪河高度检测方法、装置、设备及存储介质。

背景技术：

1、泪河高度是泪液与上下眼睑和角膜形成的平面高度，它能够反映泪腺分泌的量。目前，泪河高度的检测通常依赖于人工操作和传统图像处理方式，这些方式主要通过手动测量和基于边缘检测的算法来确定的泪河的高度。

2、然而，人工操作的方式需要耗费大量时间，检测结果受到主观因素的影响，而传统图像处理方式对光照和图像质量较敏感，因此采用现有的泪河高度检测方式在对不同质量的图像进行处理时，检测所得的泪河高度的可靠性较低。

技术实现思路

1、本申请的主要目的在于提供一种泪河高度检测方法、装置、设备及存储介质，旨在解决采用现有的泪河高度检测方式在对不同质量的图像进行处理时，检测所得的泪河高度的可靠性较低的技术问题。

2、为实现上述目的，本申请提出一种泪河高度检测方法，所述泪河高度检测方法包括：

3、获取待检测眼部图像，采用预设灰度共生矩阵增强算法对所述待检测眼部图像进行预处理；

4、将预处理后的待检测眼部图像输入至预设泪河分割模型中，获得泪河分割结果，所述预设泪河分割模型基于unet网络进行构建，所述预设泪河分割模块中包括预设编码器和预设解码器，所述预设编码器和所述预设解码器中均包括替换了原始卷积层的双层卷积层；

5、基于泪河分割结果确定若干测量关键点，并根据各所述测量关键点对应的高度信息确定所述待检测眼部图像的泪河高度值。

6、在一实施例中，所述获取待检测眼部图像，采用预设灰度共生矩阵增强算法对所述待检测眼部图像进行预处理的步骤，包括：

7、获取待检测眼部图像，所述待检测眼部图像包括角膜区域以及泪河区域；

8、对所述待检测眼部图像采用预设placido环反射增强算法进行图像增强，获得角膜区域投射环增强的待检测眼部图像；

9、对所述角膜区域投射环增强的待检测眼部图像采用预设灰度共生矩阵增强算法进行图像增强，获得泪河区域纹理增强的待检测眼部图像。

10、在一实施例中，所述将预处理后的待检测眼部图像输入至预设泪河分割模型中，获得泪河分割结果的步骤之前，包括：

11、初始化待训练的泪河分割模型；

12、采集若干眼部图像，并在各所述眼部图像标注完成时，生成初始训练集；

13、对所述初始训练集中的各训练样本进行图像预处理，获得模型训练集；

14、采用所述模型训练集对所述待训练的泪河分割模型进行训练，获得预设泪河分割模型。

15、在一实施例中，所述初始化待训练的泪河分割模型的步骤，包括：

16、采用unet网络初始化泪河分割模型的模型架构；

17、定义所述泪河分割模型的模型参数，获得待训练的泪河分割模型，所述模型参数包括：输入通道数、输出通道数、基本通道数以及下采样次数。

18、在一实施例中，所述采用所述模型训练集对所述待训练的泪河分割模型进行训练，获得预设泪河分割模型的步骤，包括：

19、基于交叉验证方式，采用所述模型训练集对所述待训练的泪河分割模型进行训练；

20、基于训练结果，采用超参数调优方式确定目标最优模型参数以获得预设泪河分割模型。

21、在一实施例中，所述预设泪河分割模型还包括输出层，所述将预处理后的待检测眼部图像输入至预设泪河分割模型中，获得泪河分割结果的步骤，包括：

22、通过预设编码器对所述预处理后的待检测眼部图像进行下采样处理，获得下采样特征图；

23、通过预设解码器对所述下采样特征图进行上采样处理，获得上采样特征图，并将所述上采样特征图与对应的下采样特征图进行拼接，获得目标特征图；

24、通过所述输出层将所述目标特征图进行转换，根据转换结果获得泪河分割结果。

25、在一实施例中，所述基于泪河分割结果确定若干测量关键点，并根据各所述测量关键点对应的高度信息确定所述待检测眼部图像的泪河高度值的步骤，包括：

26、在所述待检测眼部图像中定位至泪河区域的分割边缘线，从所述分割边缘线的中心位置向两端位置基于预设间隔进行采样，获得若干测量关键点；

27、获取各所述测量关键点的测量高度值，并采用线性差值算法根据各所述测量高度值确定所述待检测眼部图像的泪河高度值。

28、此外，为实现上述目的，本申请还提出一种泪河高度检测装置，所述装置包括：

29、图像获取模块，用于获取待检测眼部图像，采用预设灰度共生矩阵增强算法对所述待检测眼部图像进行预处理；

30、图像分割模块，用于将预处理后的待检测眼部图像输入至预设泪河分割模型中，获得泪河分割结果，所述预设泪河分割模型基于unet网络进行构建，所述预设泪河分割模块中包括预设编码器和预设解码器，所述预设编码器和所述预设解码器中均包括替换了原始卷积层的双层卷积层；

31、后处理模块，用于基于泪河分割结果确定若干测量关键点，并根据各所述测量关键点对应的高度信息确定所述待检测眼部图像的泪河高度值。

32、此外，为实现上述目的，本申请还提出一种泪河高度检测设备，所述设备包括：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泪河高度检测程序，所述泪河高度检测程序配置为实现如上文所述的泪河高度检测方法的步骤。

33、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质上存储泪河高度检测程序，所述泪河高度检测程序被处理器执行时实现如上文所述的泪河高度检测方法的步骤。

34、本申请公开一种泪河高度检测方法，通过获取待检测眼部图像，采用预设灰度共生矩阵增强算法对所述待检测眼部图像进行预处理；将预处理后的待检测眼部图像输入至预设泪河分割模型中，获得泪河分割结果，所述预设泪河分割模型基于unet网络进行构建，所述预设泪河分割模块中包括预设编码器和预设解码器，所述预设编码器和所述预设解码器中均包括替换了原始卷积层的双层卷积层；基于泪河分割结果确定若干测量关键点，并根据各所述测量关键点对应的高度信息确定所述待检测眼部图像的泪河高度值。由于本申请中采用预设灰度共生矩阵增强算法进行图像预处理，能够有效增强图像的纹理特征，提高后续模型分割的准确性；在基于unet网络构建的预设泪河分割模型中采用双层卷积层，能够深入地提取图像特征，获得更精准的泪河分割结果，从而基于分割结果确定的测量关键点对应的高度信息最终确定泪河高度值，实现了泪河高度检测自动化，在保证检测效率的同时确保了检测结果的可靠性。

技术特征：

1.一种泪河高度检测方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述获取待检测眼部图像，采用预设灰度共生矩阵增强算法对所述待检测眼部图像进行预处理的步骤，包括：

3.如权利要求1所述的方法，其特征在于，所述将预处理后的待检测眼部图像输入至预设泪河分割模型中，获得泪河分割结果的步骤之前，包括：

4.如权利要求3所述的方法，其特征在于，所述初始化待训练的泪河分割模型的步骤，包括：

5.如权利要求3所述的方法，其特征在于，所述采用所述模型训练集对所述待训练的泪河分割模型进行训练，获得预设泪河分割模型的步骤，包括：

6.如权利要求1所述的方法，其特征在于，所述预设泪河分割模型还包括输出层，所述将预处理后的待检测眼部图像输入至预设泪河分割模型中，获得泪河分割结果的步骤，包括：

7.如权利要求1所述的方法，其特征在于，所述基于泪河分割结果确定若干测量关键点，并根据各所述测量关键点对应的高度信息确定所述待检测眼部图像的泪河高度值的步骤，包括：

8.一种泪河高度检测装置，其特征在于，所述装置包括：

9.一种泪河高度检测设备，其特征在于，所述泪河高度检测设备包括：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泪河高度检测程序，所述泪河高度检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的泪河高度检测方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有泪河高度检测程序，所述泪河高度检测程序被处理器执行时实现如权利要求1至7中任一项所述的泪河高度检测方法的步骤。

技术总结
本申请公开了一种泪河高度检测方法、装置、设备及存储介质，涉及医学影像技术领域，该方法包括：获取待检测眼部图像，采用预设灰度共生矩阵增强算法对待检测眼部图像进行预处理；将预处理后的待检测眼部图像输入至预设泪河分割模型中，获得泪河分割结果，预设泪河分割模型基于Unet网络进行构建，预设泪河分割模块中的预设编码器和预设解码器中均包括替换了原始卷积层的双层卷积层；基于泪河分割结果确定若干测量关键点，根据各测量关键点对应的高度信息确定泪河高度值。本申请中通过采用预设灰度共生矩阵增强算法进行图像预处理、基于改进Unet网络构建泪河分割模型，能够有效提高泪河高度检测的准确性和可靠性。

技术研发人员：戴伟伟,韦彦铃,孙涛,王佳
受保护的技术使用者：北京九辰智能医疗设备有限公司
技术研发日：
技术公布日：2025/1/6