System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 用于使用机器学习评估个体的眼睛的屈光的方法和装置制造方法及图纸_技高网

用于使用机器学习评估个体的眼睛的屈光的方法和装置制造方法及图纸

技术编号:41952063 阅读:9 留言:0更新日期:2024-07-10 16:39
本发明专利技术涉及一种用于使用图像捕获装置来估计个体的眼睛的屈光的方法(100),该方法包括以下步骤:‑当眼睛相继被多个光源照射时,使用图像捕获装置获取(102)眼睛的偏心摄影验光图像;‑由计算模块分析(104)偏心摄影验光图像,以便确定至少一个屈光参数。根据本发明专利技术,分析步骤(104)是通过使用至少一个神经网络进行机器学习执行的,该至少一个神经网络被配置为根据偏心摄影验光图像来确定至少一个屈光参数,获取步骤(102)中的多个光源被定位在距图像捕获装置的光轴的至少两个不同的偏心距离处和/或沿横向于图像捕获装置的光轴的至少两个不同方向布置。

【技术实现步骤摘要】
【国外来华专利技术】

本专利技术涉及用于评估个体的眼睛的屈光的方法和系统。更具体地,本专利技术涉及一种用于估计个体的眼睛的屈光的方法和装置。本专利技术还涉及一种用于估计个体的眼睛的屈光的计算机程序。该方法、该装置和/或该计算机程序可以用于确定适合个体的眼科镜片的处方,或者用于根据所测量的屈光来制造眼科镜片。本专利技术还提供了可以用作用另一装置执行的进一步主观屈光的起点的屈光评估。


技术介绍

1、许多文献描述了用于测量个体的眼睛的屈光的装置和方法。主观屈光方法基于与观看不同视标并使用具有各种屈光矫正的一组镜片的个体的互动。客观屈光方法基于对所考虑的眼睛的光学特性的测量。特别地,用于测量客观屈光的一些方法和装置基于偏心摄影验光或光视网膜检影。

2、偏心摄影验光用于通过使用偏心光源照射用户的眼睛并用相机观察瞳孔的图像来执行客观屈光。在大多数情况下,反射光在检测到的图像中的瞳孔上形成具有被称为暗新月形、月牙形或月牙午餐的互补不发光形状的光形状。亮或暗的新月形的大小、形状和取向的分析能够根据偏心光源的位置来估计眼睛的屈光。例如,出版物w.wesemann、a.m.norcia、d.allen的“theory of eccentric photo refraction(photoretinoscopy):astigmatic eyes[偏心摄影验光(光视网膜检影)理论:散光眼]”,美国光学学会杂志a,第8卷,第12期,1991年,第2038-2047页或r.kusel、u.oechsner、w.wesemann、s.russlies、e.m.irmer和b.rassow的“light-intensity distribution in eccentricphotorefraction crescents[偏心摄影验光新月形中的光强度分布]”,美国光学学会杂志a,第15卷,1500-1511(1998)披露了亮部分的解析表达式。在gekeler f、schaeffel f、howland hc、wattam-bell j的“measurement of astigmatism by automated infraredphotoretinoscopy[通过自动化红外光视网膜检影测量散光]”,视光学和视力科学:美国视光学院官方出版物,1997年7月;74(7):472-482,doi:10.1097/00006324-199707000-00013中描述了从沿着三条子午线的光梯度的测量值推导球镜、柱镜和轴位值的相当简单的方法。

3、然而,这些方法没有考虑眼睛的高阶像差。此外,这些出版物大多是理论性的,但是没有披露能够快速获得屈光测量结果的方法和系统。而且,根据用户的屈光不正,可能难以检测到新月形。

4、另外,还已知用于测量个体的眼睛的屈光的其他方法。这些方法起作用,但是会引起不同的问题,尤其是因为这些方法耗时并且测量结果缺乏准确度。例如,利用这些方法很难测量低水平的屈光矫正。

5、需要在广泛的屈光值范围内提供快速且非常准确的摄影验光测量结果的系统和方法。


技术实现思路

1、本专利技术的一个目的是提供一种用于使用图像捕获装置来估计个体的眼睛的屈光的方法,所述图像捕获装置具有光轴并且被放置在距该个体的眼睛距离d处,该方法包括以下步骤:

2、-当该个体的眼睛相继被多个光源照射时,使用该图像捕获装置获取该眼睛的偏心摄影验光图像,每个偏心摄影验光图像对应于使用该多个光源中的至少一个光源进行的图像获取;

3、-由计算模块分析这些偏心摄影验光图像,以便确定包括球镜值的至少一个屈光参数。

4、根据本专利技术的方法,分析步骤是通过使用至少一个神经网络进行机器学习执行的,该至少一个神经网络被配置为根据提供给计算模块的偏心摄影验光图像来确定至少一个屈光参数,获取步骤中的多个光源被定位在距图像捕获装置的光轴的至少两个不同的偏心距离处和/或沿横向于图像捕获装置的光轴的至少两个不同方向布置。

5、根据该方法的特定且有利的方面,该神经网络被配置为基于获取的偏心摄影验光图像并基于至少表示该距离d以及该多个光源中的每个光源相对于该图像捕获装置的位置的一组输入来确定至少一个屈光参数。

6、位置意指偏心距离或距离和子午线角。

7、因此,根据本专利技术的方法使用被布置在不同子午线上的光源,从而允许同时对个体的眼睛的屈光参数(或至少一个屈光参数)执行多重评估。图像捕获装置不需要旋转,这提高了评估的准确度。进一步地,该方法易于实施,因为在根据本专利技术的方法中仅需要一次调整(例如获取时的距离d,并进行多重评估)。然后,将神经网络应用于与至少两个不同的偏心距离和/或两个不同的已知方向相对应的多个图像提供了更好的结果,因为如视网膜、眼睛晶状体、角膜等眼视神经具有取决于眼睛特性的取向,并且因为眼睛不具有完美的旋转对称。

8、因此,根据本专利技术的方法提供了一种快速、准确且易于实施的摄影验光的估计方法。

9、根据另一特定方面,球镜值包括等效球镜参数,表示为m。

10、根据实施例,该方法包括在该分析步骤之前的训练步骤,以便基于存储在数据库中的一组训练偏心摄影验光图像来训练该至少一个神经网络,并且包括评估步骤,以使用存储在同一或另一数据库中的一组测试偏心摄影验光图像来测试该至少一个神经网络,其中,该组训练偏心摄影验光图像中的每个训练偏心摄影验光图像和该组测试偏心摄影验光图像中的每个测试偏心摄影验光图像分别与该至少一个屈光参数中的每个屈光参数的值相关联。

11、根据该实施例的特定且有利的方面,该组训练偏心摄影验光图像和该组测试偏心摄影验光图像包括使用该图像捕获装置获取的图像和/或使用模拟模型获得的模拟图像。

12、根据另一实施例,该方法包括预处理步骤,该预处理步骤包括图像识别步骤,该图像识别步骤被配置为从这些偏心摄影验光图像中检测或辨别元素,所述元素与这些偏心摄影验光图像的区域相关。

13、根据该实施例的特定且有利的方面,该方法进一步包括裁剪步骤,该裁剪步骤被配置为选择在该图像识别步骤中检测或辨别的元素中的至少一个元素。

14、有利地,该至少一个屈光参数进一步包括以下各项中的该眼睛的至少一个其他参数:散光特征、高阶像差,和/或其中,所述分析步骤进一步确定以下各项中的至少一个单独的参数:个体的眼睛的瞳孔大小和形状、个体的眼睛的瞳孔直径、半瞳孔距离、注视方向、红光反射量和斯泰尔斯-克劳福德参数(stiles-crawford parameter)。

15、根据特定方面,在该分析步骤中使用的至少一个神经网络包括针对每个屈光参数的不同的神经网络或针对该至少一个屈光参数中的所有屈光参数的单个神经网络。

16、根据另一特定方面,该至少一个神经网络包括卷积神经网络,该卷积神经网络包括至少三个卷积层和至少两个输出层。

17、本专利技术的另一目的是提供一种用于估计个体的眼睛的屈光的装置,所述用于估计屈光的装置包括:

<本文档来自技高网...

【技术保护点】

1.一种用于使用图像捕获装置来估计个体的眼睛的屈光的方法,所述图像捕获装置具有光轴并且被放置在距所述个体的眼睛的距离d处,所述方法包括以下步骤:

2.根据权利要求1所述的方法,其中,所述方法包括在所述分析步骤之前的训练步骤,以便基于存储在数据库中的一组训练偏心摄影验光图像来训练所述至少一个神经网络,并且包括评估步骤,以使用存储在同一或另一数据库中的一组测试偏心摄影验光图像来测试所述至少一个神经网络,其中,该组训练偏心摄影验光图像中的每个训练偏心摄影验光图像和该组测试偏心摄影验光图像中的每个测试偏心摄影验光图像分别与所述至少一个屈光参数中的每个屈光参数的值相关联。

3.根据权利要求2所述的方法,其中,该组训练偏心摄影验光图像和该组测试偏心摄影验光图像包括使用所述图像捕获装置获取的图像和/或使用模拟模型获得的模拟图像。

4.根据权利要求1至3中任一项所述的方法,其中,所述方法包括预处理步骤,所述预处理步骤包括图像识别步骤,所述图像识别步骤被配置为从所述偏心摄影验光图像中检测或辨别元素,所述元素与所述偏心摄影验光图像的区域相关。

5.根据权利要求4所述的方法,其中,所述方法进一步包括裁剪步骤,所述裁剪步骤被配置为选择在所述图像识别步骤中检测或辨别的所述元素中的至少一个元素。

6.根据权利要求1至5中任一项所述的方法,其中,所述至少一个屈光参数进一步包括以下各项中的所述眼睛的至少一个其他参数:散光特征、高阶像差,和/或其中,所述分析步骤进一步确定以下各项中的至少一个单独的参数:所述个体的眼睛的瞳孔直径、半瞳孔距离、注视方向、红光反射量和斯泰尔斯-克劳福德参数。

7.根据权利要求6所述的方法,其中,在所述分析步骤中使用的所述至少一个神经网络包括针对每个屈光参数的不同的神经网络或针对所述至少一个屈光参数中的所有屈光参数的单个神经网络。

8.根据权利要求1至7所述的方法,其中,所述至少一个神经网络包括卷积神经网络,所述卷积神经网络包括至少三个卷积层和至少两个输出层。

9.一种用于估计个体的眼睛的屈光的装置,所述用于估计屈光的装置包括:

10.根据权利要求9所述的装置,其中,所述多个光源中的至少一个光源在距所述图像捕获装置的边缘介于0,3毫米与20毫米之间的距离处。

11.根据权利要求9至10中任一项所述的装置,其中,每个光源被放置在距其他光源介于1毫米与300毫米或500毫米之间的距离处,或与所述其他光源间隔介于3度与180度之间的角度、优选地介于3度与120度之间的角度,所述角度是根据所述多个光源中的两个光源关于所述图像捕获装置的光轴的两个不同方向来限定的。

12.根据任何光源的装置被布置为以权利要求9至11之一的近红外或红外的波长发射,其中,所述计算模块嵌入附接到所述图像捕获装置的移动装置中,或存储在远程服务器中。

13.一种计算机可读介质,承载计算机程序产品的一个或多个指令序列,所述一个或多个指令序列包括一个或多个存储的指令序列,所述一个或多个存储的指令序列能够由处理器访问并且当由所述处理器执行时使所述处理器执行根据权利要求1至8中任一项所述的方法。

...

【技术特征摘要】
【国外来华专利技术】

1.一种用于使用图像捕获装置来估计个体的眼睛的屈光的方法,所述图像捕获装置具有光轴并且被放置在距所述个体的眼睛的距离d处,所述方法包括以下步骤:

2.根据权利要求1所述的方法,其中,所述方法包括在所述分析步骤之前的训练步骤,以便基于存储在数据库中的一组训练偏心摄影验光图像来训练所述至少一个神经网络,并且包括评估步骤,以使用存储在同一或另一数据库中的一组测试偏心摄影验光图像来测试所述至少一个神经网络,其中,该组训练偏心摄影验光图像中的每个训练偏心摄影验光图像和该组测试偏心摄影验光图像中的每个测试偏心摄影验光图像分别与所述至少一个屈光参数中的每个屈光参数的值相关联。

3.根据权利要求2所述的方法,其中,该组训练偏心摄影验光图像和该组测试偏心摄影验光图像包括使用所述图像捕获装置获取的图像和/或使用模拟模型获得的模拟图像。

4.根据权利要求1至3中任一项所述的方法,其中,所述方法包括预处理步骤,所述预处理步骤包括图像识别步骤,所述图像识别步骤被配置为从所述偏心摄影验光图像中检测或辨别元素,所述元素与所述偏心摄影验光图像的区域相关。

5.根据权利要求4所述的方法,其中,所述方法进一步包括裁剪步骤,所述裁剪步骤被配置为选择在所述图像识别步骤中检测或辨别的所述元素中的至少一个元素。

6.根据权利要求1至5中任一项所述的方法,其中,所述至少一个屈光参数进一步包括以下各项中的所述眼睛的至少一个其他参数:散光特征、高阶像差,和/或其中,所述分析步骤进一步确定以下各项中的至少一个单独的参数:所述个体的眼睛的...

【专利技术属性】
技术研发人员:S·鲍缇嫩M·佩卢克斯P·皮诺H·德罗西
申请(专利权)人:依视路国际公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1