本發明涉及眼科醫療檢測，特別涉及一種分布式的角膜表面形態測量方法及裝置。
背景技術：
1、角膜地形測量是通過非侵入性技術獲取角膜表面形態及曲率數據的檢查方法，可提供角膜曲率（k值）、散光、屈光力等關鍵參數，廣泛應用于屈光手術術前評估（如排除圓錐角膜）、角膜接觸鏡適配、角膜病變（潰瘍/瘢痕等）診斷、術后效果監測及框架眼鏡精準驗配。目前使用的測量原理中，placido盤反射成像因成本低、結構簡單，成為中低端市場主導技術；scheimpflug成像與oct技術雖能獲取角膜前后表面及厚度數據，但受限于成本高、測量慢、結構復雜，應用范圍較窄。
2、基于placido盤原理的現有設備存在顯著缺陷：大盤設計導致測量距離遠，患者配合度不足易引發監測區域缺失和數據誤差；無法處理眼球微動或瞬目造成的圖像模糊，動態適應性差；測量結果依賴人工篩選，自動化程度低（單次耗時約3分鐘）；設備體積大（常超50厘米），需專業人員操作，便攜性與易用性不足?，F有技術在數據準確性、效率及操作便捷性上亟待改進，以滿足臨床對精準、高效角膜地形測量的需求。
技術實現思路
1、針對以上問題，本發明提出了一種分布式的角膜表面形態測量方法，解決傳統角膜地形圖設備在數據采集速度、完整性、動態適應性以及自動化分析等方面存在的不足。
2、本發明的具體方案如下：
3、一種分布式的角膜表面形態測量方法，包括以下步驟：
4、s1，獲取左右眼角膜反射placido盤圖案的視頻；
5、s2，對所述視頻進行圖像融合，基于深度學習模型，從連續視頻中篩選出若干張符合分析要求的圖像，具體操作如下：
6、s21，將視頻轉換成圖像序列；
7、s22，對圖像進行均一化處理；
8、s23，通過高斯濾波算法對圖像進行降噪；
9、s24，使用tenengrad算法計算降噪后圖像的模糊系數，根據模糊系數初篩圖像；
10、s25，將初篩后的圖像輸入cnn網絡進行打分，根據打分結果再次篩選圖像；
11、s3，對篩選出的圖像計算角膜頂點及各反射點的位置，利用頂點和各反射點構建覆蓋整個角膜的點云模型，基于所述點云模型進一步計算出角膜的關鍵參數；
12、s4，通過對多張圖像的角膜關鍵參數進行統計學分析，采用算術平均和標準差方法篩選出離散度最小的綜合結果。
13、對視頻中每一幀圖像進行提取、轉換為灰度圖像、降噪以及模糊系數計算等處理，能夠有效去除噪聲和干擾信息，提高圖像的質量和清晰度，從而為后續的角膜頂點和反射點位置計算提供更準確的圖像數據基礎。通過tenengrad算法和cnn網絡的協同作用，能夠自動篩選出最符合分析要求的清晰圖像，避免了人工篩選的主觀性和誤差，提高了測量的自動化程度和效率，確保了所選圖像的質量和代表性，為后續的角膜參數計算提供了有力保障。
14、進一步的，所述s22具體包括：
15、s221，計算每一幅圖像的均值亮度、最小亮度和最大亮度；
16、s222，根據s221的計算結果以及預設的亮度參數，計算每張圖片自適應亮度調整參數；
17、s223，對每張圖像的亮度進行均一化處理。
18、通過計算每一幅圖像的均值亮度、最小亮度和最大亮度，并根據預設的亮度參數計算每張圖片自適應亮度調整參數，從而對每張圖像的亮度進行均一化處理，能夠有效解決不同圖像之間亮度差異較大的問題，使得圖像序列具有更加統一和穩定的亮度特性，便于后續的圖像處理和分析，進一步提高了角膜測量的準確性和可靠性，為后續的角膜頂點和反射點位置計算提供了更優質的圖像數據基礎。
19、進一步的，所述s24具體包括：
20、s241，使用sobel算子分別計算圖像的水平梯度和垂直梯度，并基于圖像的水平梯度和垂直梯度計算圖像中每個像素的梯度幅值平方；
21、s242，取圖像中心50%區域作為中心區域，對中心區域所有像素的梯度幅值平方值進行累加，獲得圖像的模糊系數。
22、使用sobel算子計算圖像的水平梯度和垂直梯度，并基于此計算每個像素的梯度幅值平方，然后取圖像中心50%區域作為中心區域進行累加，獲得圖像的模糊系數，能夠更加準確地評估圖像的清晰度。這種方法聚焦于圖像中心區域，避免了睫毛、眼皮等邊緣干擾因素的影響，使得模糊系數的計算更加準確和可靠，從而能夠更有效地篩選出清晰的圖像，為后續的角膜參數計算提供了高質量的圖像數據，提高了測量結果的準確性。
23、進一步的，所述s3具體包括：
24、s31，利用klyce方法估算角膜頂點位置；
25、s32，基于角膜頂點位置及相鄰反射點的幾何關系，計算各角度子午線的軸向曲率半徑，進而確定所有反射點的三維坐標；
26、s33，將placido盤圖像上的特征點與角膜表面反射點建立一一映射關系，利用所有反射點的三維坐標構建覆蓋全角膜的點云模型；
27、s34，根據點云模型計算角膜的關鍵參數，包括角膜曲率、角膜散光、角膜屈光力、角膜不規則指數、角膜高度圖、角膜直徑、角膜偏心度、角膜表面地形圖、角膜頂點位置。
28、利用klyce方法估算角膜頂點位置，結合相鄰反射點的幾何關系，進而獲取各個反射點位置，能夠精確地確定角膜表面的關鍵幾何特征。通過將placido盤圖像上的特征點與角膜表面反射點建立一一映射關系，構建覆蓋整個角膜的點云模型，并據此計算出包括角膜曲率、角膜散光、角膜屈光力等多種關鍵參數。
29、一種分布式的角膜表面形態測量裝置，其特征在于，包括：
30、采集設備，用采集左右眼角膜反射placido盤圖案的專用視頻，并將采集到的視頻傳輸至終端；
31、終端，用于將從采集設備接收到的視頻上傳至服務端；將從服務端接收到的數據進行展示；
32、服務端，用于對接收到的視頻進行圖像融合，基于深度學習模型，從連續視頻中篩選出多張符合分析要求的清晰圖像；針對篩選出的圖像計算角膜頂點及各反射點的位置，利用這些點構建覆蓋整個角膜的點云模型，基于所述點云模型進一步計算出角膜的關鍵參數；通過對多張圖像的角膜關鍵參數進行統計學分析，篩選出離散度最小的綜合結果；將所述結果發送至終端。
33、該分布式角膜表面形態測量裝置通過設置采集設備、終端和服務端，實現了角膜測量過程的自動化和高效化。采集設備能夠采集左右眼角膜反射placido盤圖案的專用視頻并傳輸至終端，終端負責視頻的上傳和數據的展示，而服務端則完成圖像融合、清晰圖像篩選、角膜頂點和反射點位置計算以及關鍵參數計算等核心任務。這種模塊化設計不僅提高了裝置的穩定性和可靠性，還使得各模塊之間可以協同工作，充分發揮各自的優勢，有效提升了角膜測量的效率和精度，為臨床應用提供了便捷、高效的角膜形態測量解決方案。
34、進一步的，所述采集設備具體包括：
35、投射單元，包括兩個placido盤，用于測量左右眼角膜地形數據；
36、成像單元，用于采集角膜表面反射光點的視頻，并實時檢測瞳孔位置；
37、調整單元，用于根據瞳孔位置自動調整placido盤的位置以實現與瞳孔居中對齊；
38、通信單元，用于將采集的視頻傳輸至終端。
39、采集設備中的投射單元、成像單元、調整單元和通信單元相互配合，實現了對左右眼角膜地形數據的高效采集和傳輸。投射單元的兩個placido盤用于測量左右眼角膜地形數據，成像單元能夠采集角膜表面反射光點的視頻并實時檢測瞳孔位置，調整單元根據瞳孔位置自動調整placido盤的位置以實現與瞳孔居中對齊，確保了測量的準確性和可靠性。通信單元則負責將采集的視頻傳輸至終端，保證了數據的及時傳輸和后續處理。這種設計使得數據采集過程更加自動化、智能化，提高了測量的效率和精度，為整個角膜表面形態測量裝置提供了高質量的數據支持。
40、進一步的，所述兩個placido盤均使用直徑為50mm-80mm的圓錐形placido盤，至少包含16個環帶，環帶由透光的微孔組成，每個環帶包含16至36個微孔，微孔呈同心圓分布，相鄰環帶之間的間距逐漸增加。
41、采用直徑為50mm-80mm的圓錐形placido盤，并且每個環帶包含16至36個透光的微孔，微孔呈同心圓分布且相鄰環帶之間的間距逐漸增加，這種設計能夠在保證測量精度的同時，有效縮小placido盤的尺寸，使其更加便攜和易于操作。此外，這種結構還有助于提高角膜反射圖像的質量和穩定性，為后續的圖像處理和參數計算提供了更好的基礎。通過優化placido盤的結構和參數，不僅降低了設備的成本和復雜度，還提高了測量的效率和可靠性，使得角膜表面形態測量更加方便、快捷，為臨床應用和日常監測提供了有力支持。
42、進一步的，所述成像單元包括led燈板，當瞳孔居中對齊后，調整單元啟動led燈板發出白光，白光從微孔透過進入placido盤，在人眼角膜形成由光點組成的反射圖像。
43、成像單元包括led燈板，在瞳孔居中對齊后，調整單元啟動led燈板發出白光，白光從微孔透過進入placido盤，在人眼角膜形成由光點組成的反射圖像。這種設計能夠提供均勻、穩定的照明光源，確保角膜反射圖像的質量和清晰度。通過控制led燈板的啟停和光強，可以更好地適應不同的眼部條件和測量需求，提高了測量的靈活性和適應性。同時，這種照明方式也有助于提高角膜反射圖像的對比度和特征點的提取精度，為后續的圖像處理和角膜參數計算提供了更優質的數據基礎，進一步提升了角膜表面形態測量的準確性和可靠性。
44、與現有技術相比，本發明的有益效果是：該方法及裝置能有效提升角膜表面形態測量的精度與可靠性。通過獲取左右眼角膜反射?placido?盤圖案的專用視頻，并經多步處理，可精準篩選出符合要求的清晰圖像，利用學習深度模型確保篩選準確性。后續基于角膜頂點及各反射點構建點云模型，能全面且精確地計算角膜關鍵參數。分布式的架構使得數據處理高效，采集設備、終端與服務端協同工作，提高整體測量效率。采用特定的?placido盤及相關算法，進一步增強了測量的科學性與實用性。