(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111521487.4 (22)申请日 2021.12.13 (71)申请人 中山大学中山眼科中心 地址 510060 广东省广州市先烈南路54 号 (72)发明人 林浩添　李龙辉　张小虎　刘海波　 刘纸宾　肖钧　 (74)专利代理 机构 广州润禾知识产权代理事务 所(普通合伙) 44446 代理人 郑永泉 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/80(2017.01) G16H 30/20(2018.01) G16H 50/20(2018.01)G16H 50/70(2018.01) G06N 20/00(2019.01) G06T 5/00(2006.01) (54)发明名称 一种机器学习模型训练和晶状体悬韧带评 估系统 (57)摘要 本发明涉及医疗技术领域， 更具体地， 涉及 一种机器学习模型训练和晶状体悬韧带评估系 统。 本发明通过对眼球图像进行优化和基于图像 特征检测算法进行边缘提取， 不仅提高了眼球图 像质量， 还使后续眼球组织的形变幅度和位移量 的获取更准确。 此外， 还采用机器学习模型减少 眼球受力信息的误差， 进一步提高晶状体悬韧带 生物力学状态的准确率。 在此基础上， 还进行了 相机标定， 校正镜头像差等因素引起的图像点处 的畸变， 以增加晶状体悬韧带生物力学状态评估 的准确性。 权利要求书2页 说明书11页 附图2页 CN 114418943 A 2022.04.29 CN 114418943 A 1.一种机器学习模型训练系统， 其特 征在于， 包括： 采集单元， 用于采集训练样本； 所述训练样本包括： 眼球参数以及眼球参数对应的眼球 受力信息； 所述眼球参数包括： 角膜生物力学、 角膜厚度、 眼压和前房深度； 训练单元， 用于基于机器学习算法建立受力分析模型， 并且利用所述训练样本对受力 分析模型进行训练。 2.根据权利要求1所述的一种机器学习 模型训练系统， 其特征在于， 所述机器学习算法 包括： LR回归算法、 SVM算法、 XGBo ost算法、 Random  Forest算法和Ext ra Tree算法。 3.一种晶状 体悬韧带评估系统， 其特 征在于， 包括： 图像单元， 用于采集眼球图像和眼球参数； 所述眼球图像为眼球受力后， 眼球组织发生 形变和位移的图像； 优化单元， 用于对所述眼球图像进行优化； 处理单元， 用于基于 图像特征检测算法对优化后的所述眼球图像进行边缘提取， 并且 从完成边 缘提取的眼球图像中获取眼球受力后眼球组织的形变幅度和/或位移量； 分析单元， 用于将所述眼球参数输入已训练的受力分析模型， 获取眼球受力信 息； 所述 受力分析模型 是通过上述权利要求1或2的系统进行训练后得到的； 评估单元， 用于根据眼球受力后眼球组织的形变幅度和/或位移量， 以及对应的眼球受 力信息对晶状 体悬韧带进行评估， 获取晶状 体悬韧带的生物力学状态。 4.根据权利要求3所述的一种晶状 体悬韧带评估系统， 其特 征在于， 还 包括： 标定单元， 用于在所述图像单元采集眼球图像和眼球参数之前， 对采集眼球图像的图 像采集器进行 标定。 5.根据权利要求4所述的一种晶状体悬韧带评估系统， 其特征在于， 所述标定单元包 括： 初始模块， 用于建立图像畸变误差模型； 坐标模块， 用于采集原始网格图像， 并且以网格图像中的纵向与横向网格线作为坐标 轴建立坐标系， 获取原 始网格节点 坐标； 节点模块， 用于对所述原始网格图像的中部区域进行拟合， 获取目标网格图像以及目 标网格节点 坐标； 误差模块， 用于将所述原始网格节点坐标与所述目标网格节点坐标进行比较， 获取各 网格节点的图像畸变误差； 参数模块， 用于将所述目标网格节点坐标以及对应的所述图像畸变误差输入所述图像 畸变误差模型， 计算出畸变参数； 输出模块， 用于将目标像素点坐标和所述畸变参数输入所述图像畸变误差模型， 获取 对应的图像畸变误差和原始像素点坐标； 所述目标像素点坐标为所述目标网格图像的像素 点的坐标； 所述原始像素点坐标为所述目标网格图像的像素点在所述原始网格图像上对应 的点的坐标； 校正模块， 用于采集原始像素点坐标的灰度值/原始像素点坐标相邻的灰度值， 并且将 灰度值赋予对应的目标像素点， 获取畸变校正后的所述目标网格图像。 6.根据权利要求3所述的一种晶状体悬韧带评估系统， 其特征在于， 所述优化单元用于 对所述眼球图像进行优化， 包括：权　利　要　求　书 1/2 页 2 CN 114418943 A 2所述优化单元用于基于最大后验概率估计算法优化所述眼球图像， 获取优化后的眼球 图像。 7.根据权利要求3所述的一种晶状体悬韧带评估系统， 其特征在于， 所述图像特征检测 算法为can ny边缘检测算法。 8.根据权利要求7所述的一种晶状体悬韧带评估系统， 其特征在于， 所述处理单元包 括： 平滑处理模块， 用于使用高斯滤波器对所述眼球图像进行平 滑处理； 提取模块， 用于使用canny边缘检测算法对平滑处理后的所述高分辨率 眼球图像进行 边缘提取， 获取眼球组织的边 缘； 所述眼球组织 为晶状体和角膜； 位移模块， 用于根据晶状 体的边缘计算出眼球受力后晶状 体的位移量； 形变模块， 用于根据角膜的边 缘计算出眼球受力后角膜的形变幅度。 9.根据权利要求8所述的一种晶状体悬韧带评估系统， 其特征在于， 所述处理单元还包 括： 阈值模块， 用于对所述眼球图像设置灰度阈值， 区分角膜和晶状 体。 10.根据权利要求8所述的一种晶状体悬韧带评估系统， 其特征在于， 所述评估单元包 括： 眼球分析模块， 用于从眼球受力 信息中获取晶状 体受力大小； 晶状体分析模块， 用于计算所述晶状体受力大小与晶状体位移量的比值作为第一 比 值； 对比模块， 用于计算晶状 体位移量与角膜形变幅度的比值作为第二比值； 计算模块， 用于根据所述晶状体受力大小与第一比值和/或第二比值评估出晶状体悬 韧带的生物力学状态。权　利　要　求　书 2/2 页 3 CN 114418943 A 3