一种用于视神经的检测系统的制作方法

1.本发明属于手术时视神经的检测技术领域，尤其是涉及一种用于视神经的检测系统。


背景技术：

2.人眼结构复杂，包括眼球、眼部肌肉、视神经等，对于眼眶内部的肿瘤切除手术，若肿瘤位置与视神经贴合紧凑，则在进行肿瘤切除时，为了防止误碰视神经，对视神经造成不可恢复的伤害，则在切除肿瘤时，需要对视神经进行全面检测，以防损伤视神经，造成不必要的伤害。
3.目前针对视神经检测的主要有光感检测或者是电生理检查，但是使用光感检测时，只能大致判断出视神经是否损伤，视神经损伤后瞳孔光感下降或者是无光感，但是对于视神经轻微受损的，通过上述方法并不能很好的检测出来；目前对于视觉诱发电位是否异常的判断主要依靠有经验的医生进行肉眼观察，对医生的要求较高，且当数据量大时，医生检测工作内容单一，容易出现视觉疲劳，辨别效率低，造成数据误差，对视神经的损伤程度进行误判，影响检测的准确性。


技术实现要素：

4.针对现有技术不足，本发明的目的在于提供了一种用于视神经的检测系统，通过显示器播放不同颜色或者亮度的视频或者图片，通过摄像头拍摄受检者的脸部数据，提取受检者的眼动数据，根据眼动数据进行分类识别得出眼动结果，根据眼动结果判断得出眼球的观感情况，主动判断视神经是否受损；同时结合视觉诱发电位，对视觉诱发电位进行数据处理，消除脑电信号影响，提取特征向量，并进行分类识别，增加检测结果判断的准确性；所述移动终端与上位机之间的通信连接采用无线通信，从而防止采用有线的方式对手术造成干扰和影响。
5.本发明提供如下技术方案：
6.一种用于视神经的检测系统，包括移动终端和上位机；所述移动终端与上位机之间进行通信连接，所述移动终端包括单片机，所述单片机连接有摄像头，摄像头采集受检者面部图像信息，单片机通过串口通信连接有脑波仪，单片机还设有显示器，显示器用于播放视频文件。
7.所述单片机还包括有检测模块，所述检测模块包括主动模块和被动模块，所述主动模块包括眼动数据采集模块、预处理模块、特征提取模块、聚类运算模块；所述被动模块包括视觉诱发电位信号采集模块、信号去噪、特征处理、分类识别；对主动模块的聚类结果和被动模块的分了训练结果进行积分处理，综合获取视神经的检测结果。
8.优选的，所述移动终端与上位机之间的通信连接采用无线通信；所述无线通信为蓝牙、wifi、红外数据传输等中的一种。
9.优选的，所述主动模块进行检测的步骤包括：摄像机获取面部视频，获取眼动数
据，滤波降噪，特征提取，聚类运算，获得眼动数据检测结果。
10.优选的，在特征提取时，训练好的采用神经网络进行处理，以获取更为准确的特征提取结果。
11.优选的，所述主动模块进行检测的步骤包括：获取视觉诱发电位信样本数据，截取有效的数据段，小波分析处理，计算各个尺度空间的小波系数均值与能量，获取样本数据的特征向量，对特征向量进行分类识别，得出视觉诱发电位检测结果。
12.优选的，从面部视频获取眼动数据的方法包括以下步骤：第一步，通过单片机读取摄像机拍摄人脸的视频文件，通过opencv中的模型寻找出人脸图像；
13.第二步，若找到人脸位置，统一截取200*200像素大小的人脸图像，并对人脸图像进行灰度处理，若没有找出人脸图像，则判断视频是否读取完毕；
14.第三步，选择图像长度的三分之一为眼睛的区域宽度，选择图像长度的十分之三维区域长度，以此两个矩形作为眼睛的区域；
15.第四步，对人眼区域使用基于梯度的瞳孔中心定位算法，计算瞳孔中心位置的坐标值；
16.第五步，若视频读取完毕，则结束，否则，返回执行第一步。
17.优选的，眼动数据的特征提取包括，设一个瞳孔纵向坐标波形的波形段总数为n，对每一个波形段之间进行等距分割。
18.优选的，对于n个段中的任意两个非重叠段，设第一个段中的眼动纵向坐标序列为x，第二个段中的眼动纵向坐标序列为y，最后计算x和y的相关性系数，根据相关性系数得出整个纵向坐标波形的综合复杂度。
19.优选的，x和y的相关性系数r满足：
20.上式中，n为一个波形被分的总段数，xi∈x非重叠段，yi∈y非重叠段；x1为x段的平均数，y1为y端段的平均数，s
x
为x段数据的标准差，sy为y段数据的标准差。对于一个具有n段波形来说，一共有n(n-1)/2个相关性系数r，累加起来就是整个波形的综合复杂度r。r满足m为波形非重叠段的组合数量。通过上述特征提取得到综合波的复杂度，便于后续对瞳孔动作数据的分类识别，进一步提升眼动数据检测的准确性，提升视神经检测的准确性。
21.优选的，上位机与移动终端之间通过串行通信或者无线通信的方式进行连接。
22.优选的，在获取人眼部图象之后，为了进一步减少因为像素颜色的相似性导致无法得到很好的区域边界，而影响瞳孔坐标判断的准确性，造成最终的视神经结果判断出现误差，通过整合人眼图像的外观相似性和空间位置测量图像的特征距离，具体方法为，a，将获取的人眼图像分割成大小近似的k个区域，设图像有n个像素点，则每个区域有n/k个像素点，区域中心的距离s＝(n/k)
1/2
；b，初始化聚类中心，在一个小空间范围内调整聚类中心至梯度的最小点，每个像素计算到最近聚类中心的距离；c，当所有像素点都与最近聚类中心关联之后，根据每个聚类区域的特征平均值重新计算聚类中心，重复步骤c进行数据收敛；d，计算初始聚类中心和新的聚类中心的欧式距离，直到两者的欧氏距离小于预先的设定阈值，则结束数据收敛；最后通过上述步骤对人眼图像实现区域分割，增强人眼图像区域的连通性，得到很好的通孔边界，消除图像颜色的相似性而引起的差异，为后续获取眼动通孔坐
标数据增加准确性。
23.优选的，在被动检测的模块中，通过对采集的视觉诱发电位进行降噪处理，消除其它脑电信号对视觉诱发电位的影响，进一步增加视神经检测的准确性，降噪过程主要包括以下几个步骤：第一步，根据获取的视觉诱发电位信号选择最优的小波基函数，以及适合的分解层数，将视觉诱发电位信号进行小波变换；第二步，根据视觉诱发电位信号的要求，确定最恰当的阈值函数和阈值处理方式，对小波变换后的各层小波系数进行处理；第三部，根据第二步中阈值处理后所保留的这部分小波系数进行小波逆变换，得到去噪后的重构信号。在上述步骤1中，对于视觉诱发电位信号分解层数的确定，首先默认分解层数为1，对视觉诱发电信号进行小波分解，提取高频系数，之后对高频系数进行小波取相关白化检验，判断高频系数是否含有白噪声特性，若含有白噪声特性，则分解层数加1层，重复上述过程，若高频系数不含有白噪声特性，则输出分解层数即为最优分解层数。第二步中，阈值的选取采用固定的阈值λ＝δ
·
(2logm)；m为小波系数个数，δ为噪声的标准差。
24.在得到视觉诱发电位信号的均值与能量的特征向量之后，将视觉诱发电位信号和特征提取之后的眼动数据通过libsvm记性分类训练，并且输出分类结果，根据输出的分类结果进行模糊积分处理，得到视神经最终的损伤判断结果，通过视觉诱发电位信号和眼动数据两者结合，进一步提升视神经检测的准确性。
25.眼科肿瘤切除手术中的视神经功能的检测系统的检测方法包括以下步骤：
26.s1，检测时，将显示器至于患者视线前方，显示器播放不同颜色和亮度的视频，同时通过摄像头拍摄患者的面部图像传输至单片机；同时用脑波仪监测患者的脑电活动；
27.s2，单片机将获取的人脸图像进行处理，并获取患者的眼动数据，将眼动数据进行特征提取，并将提取结果通过libsvm进行分类训练，输出结果；
28.s3，同时单片机获取视觉诱发电位信号样本数据，取有效数据片段进行预处理和提取特征向量，将提取的特征向量通过libsvm进行分类训练，输出结果；
29.s4，通过对视觉诱发电位信号和眼动数据输出的分类结果进行模糊积分处理，得到视神经最终的损伤判断结果，传输至上位机进行结果显示。
30.与现有技术相比，本发明具有以下有益效果：
31.(1)本发明的用于视神经的检测系统，通过显示器播放不同颜色或者亮度的视频或者图片，通过摄像头拍摄受检者的脸部数据，提取受检者的眼动数据，根据眼动数据进行分类识别得出眼动结果，根据眼动结果判断得出眼球的观感情况，主动判断视神经是否受损。
32.(2)本发明的用于视神经的检测系统，结合视觉诱发电位，对视觉诱发电位进行数据处理，消除脑电信号影响，提取特征向量，并进行分类识别，增加检测结果判断的准确性；通过视觉诱发电位信号和眼动数据两者结合，进一步提升视神经检测的准确性。
33.(3)本发明的用于视神经的检测系统，在被动检测的模块中，通过对采集的视觉诱发电位进行降噪处理，消除其它脑电信号对视觉诱发电位的影响，进一步增加视神经检测的准确性。
34.(4)本发明的用于视神经的检测系统，在获取人眼部图象之后，通过整合人眼图像的外观相似性和空间位置测量图像的特征距离，进一步减少因为像素颜色的相似性导致无法得到很好的区域边界，而影响瞳孔坐标判断的准确性，造成最终的视神经结果判断出现
误差。
35.(5)本发明的用于视神经的检测系统，通过对眼部数据的特征提取得到综合波的复杂度，便于后续对瞳孔动作数据的分类识别，进一步提升眼动数据检测的准确性，提升视神经检测的准确性。
36.(6)本发明的用于视神经的检测系统，通过对人眼图像实现区域分割，增强人眼图像区域的连通性，得到很好的通孔边界，消除图像颜色的相似性而引起的差异，为后续获取眼动通孔坐标数据增加准确性。
37.(7)本发明的用于视神经的检测系统，在特征提取时，训练好的采用神经网络进行处理，以获取更为准确的特征提取结果。
附图说明
38.为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
39.图1是本发明的整体系统框图。
40.图2是本发明的检测模块框图。
41.图3是本发明的主动模块检测流程图。
42.图4是本发明的干扰管理流程图。
43.图5是本发明的获取眼动数据流程图。
具体实施方式
44.为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述。显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
45.因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
46.实施例一：
47.如图1-2所示，一种用于视神经的检测系统，包括移动终端和上位机；所述移动终端与上位机之间进行通信连接，所述移动终端包括单片机，所述单片机连接有摄像头，摄像头采集受检者面部图像信息，单片机通过串口通信连接有脑波仪，单片机还设有显示器，显示器用于播放视频文件；
48.所述单片机还包括有检测模块，所述检测模块包括主动模块和被动模块，所述主动模块包括眼动数据采集模块、预处理模块、特征提取模块、聚类运算模块；所述被动模块包括视觉诱发电位信号采集模块、信号去噪、特征处理、分类识别；对主动模块的聚类结果
和被动模块的分了训练结果进行积分处理，综合获取视神经的检测结果。
49.上位机与移动终端之间通过串行通信或者无线通信的方式进行连接。所述移动终端与上位机之间的通信连接采用无线通信；所述无线通信为蓝牙、wifi、红外数据传输等中的一种。在特征提取时，训练好的采用神经网络进行处理，以获取更为准确的特征提取结果。
50.实施例二：
51.如图3-4所示，在实施例一的基础上，所述主动模块进行检测的步骤包括：摄像机获取面部视频，获取眼动数据，滤波降噪，特征提取，聚类运算，获得眼动数据检测结果。
52.所述主动模块进行检测的步骤包括：获取视觉诱发电位信样本数据，截取有效的数据段，小波分析处理，计算各个尺度空间的小波系数均值与能量，获取样本数据的特征向量，对特征向量进行分类识别，得出视觉诱发电位检测结果。
53.从面部视频获取眼动数据的方法包括以下步骤：第一步，通过单片机读取摄像机拍摄人脸的视频文件，通过opencv中的模型寻找出人脸图像；
54.第二步，若找到人脸位置，统一截取200*200像素大小的人脸图像，并对人脸图像进行灰度处理，若没有找出人脸图像，则判断视频是否读取完毕；
55.第三步，选择图像长度的三分之一为眼睛的区域宽度，选择图像长度的十分之三维区域长度，以此两个矩形作为眼睛的区域；
56.第四步，对人眼区域使用基于梯度的瞳孔中心定位算法，计算瞳孔中心位置的坐标值；
57.第四步，若视频读取完毕，则结束，否则，返回执行第一步。
58.眼动数据的特征提取包括，设一个瞳孔纵向坐标波形的波形段总数为n，对每一个波形段之间进行等距分割。
59.对于n个段中的任意两个非重叠段，设第一个段中的眼动纵向坐标序列为x，第二个段中的眼动纵向坐标序列为y，最后计算x和y的相关性系数，根据相关性系数得出整个纵向坐标波形的综合复杂度。
60.x和y的相关性系数r满足：
61.上式中，n为一个波形被分的总段数，xi∈x非重叠段，yi∈y非重叠段；x1为x段的平均数，y1为y端段的平均数，s
x
为x段数据的标准差，sy为y段数据的标准差。对于一个具有n段波形来说，一共有n(n-1)/2个相关性系数r，累加起来就是整个波形的综合复杂度r。r满足m为波形非重叠段的组合数量。通过上述特征提取得到综合波的复杂度，便于后续对瞳孔动作数据的分类识别，进一步提升眼动数据检测的准确性，提升视神经检测的准确性。
62.实施例三：
63.如图5所示，在实施例二的基础上，在被动检测的模块中，通过对采集的视觉诱发电位进行降噪处理，消除其它脑电信号对视觉诱发电位的影响，进一步增加视神经检测的准确性，降噪过程主要包括以下几个步骤：第一步，根据获取的视觉诱发电位信号选择最优的小波基函数，以及适合的分解层数，将视觉诱发电位信号进行小波变换；第二步，根据视觉诱发电位信号的要求，确定最恰当的阈值函数和阈值处理方式，对小波变换后的各层小
波系数进行处理；第三部，根据第二步中阈值处理后所保留的这部分小波系数进行小波逆变换，得到去噪后的重构信号。在上述步骤1中，对于视觉诱发电位信号分解层数的确定，首先默认分解层数为1，对视觉诱发电信号进行小波分解，提取高频系数，之后对高频系数进行小波取相关白化检验，判断高频系数是否含有白噪声特性，若含有白噪声特性，则分解层数加1层，重复上述过程，若高频系数不含有白噪声特性，则输出分解层数即为最优分解层数。第二步中，阈值的选取采用固定的阈值λ＝δ
·
(2logm)；m为小波系数个数，δ为噪声的标准差。
64.在得到视觉诱发电位信号的均值与能量的特征向量之后，将视觉诱发电位信号和特征提取之后的眼动数据通过libsvm记性分类训练，并且输出分类结果，根据输出的分类结果进行模糊积分处理，得到视神经最终的损伤判断结果，通过视觉诱发电位信号和眼动数据两者结合，进一步提升视神经检测的准确性。
65.实施例四
66.在实施例一的基础上，在获取人眼部图象之后，为了进一步减少因为像素颜色的相似性导致无法得到很好的区域边界，而影响瞳孔坐标判断的准确性，造成最终的视神经结果判断出现误差，通过整合人眼图像的外观相似性和空间位置测量图像的特征距离，具体方法为，a，将获取的人眼图像分割成大小近似的k个区域，设图像有n个像素点，则每个区域有n/k个像素点，区域中心的距离s＝(n/k)
1/2
；b，初始化聚类中心，在一个小空间范围内调整聚类中心至梯度的最小点，每个像素计算到最近聚类中心的距离；c，当所有像素点都与最近聚类中心关联之后，根据每个聚类区域的特征平均值重新计算聚类中心，重复步骤c进行数据收敛；d，计算初始聚类中心和新的聚类中心的欧式距离，直到两者的欧氏距离小于预先的设定阈值，则结束数据收敛；最后通过上述步骤对人眼图像实现区域分割，增强人眼图像区域的连通性，得到很好的通孔边界，消除图像颜色的相似性而引起的差异，为后续获取眼动通孔坐标数据增加准确性。
67.实施例五：
68.眼科肿瘤切除手术中的视神经检测方法包括以下步骤：
69.s1，检测时，将显示器至于患者视线前方，显示器播放不同颜色和亮度的视频，同时通过摄像头拍摄患者的面部图像传输至单片机；同时用脑波仪监测患者的脑电活动；
70.s2，单片机将获取的人脸图像进行处理，并获取患者的眼动数据，将眼动数据进行特征提取，并将提取结果通过libsvm进行分类训练，输出结果；
71.s3，同时单片机获取视觉诱发电位信号样本数据，取有效数据片段进行预处理和提取特征向量，将提取的特征向量通过libsvm进行分类训练，输出结果；
72.s4，通过对视觉诱发电位信号和眼动数据输出的分类结果进行模糊积分处理，得到视神经最终的损伤判断结果，传输至上位机进行结果显示。
73.通过上述技术方案得到的装置是一种用于视神经的检测系统，通过显示器播放不同颜色或者亮度的视频或者图片，通过摄像头拍摄受检者的脸部数据，提取受检者的眼动数据，根据眼动数据进行分类识别得出眼动结果，根据眼动结果判断得出眼球的观感情况，主动判断视神经是否受损。结合视觉诱发电位，对视觉诱发电位进行数据处理，消除脑电信号影响，提取特征向量，并进行分类识别，增加检测结果判断的准确性；通过视觉诱发电位信号和眼动数据两者结合，进一步提升视神经检测的准确性。在被动检测的模块中，通过对
采集的视觉诱发电位进行降噪处理，消除其它脑电信号对视觉诱发电位的影响，进一步增加视神经检测的准确性。在获取人眼部图象之后，通过整合人眼图像的外观相似性和空间位置测量图像的特征距离，进一步减少因为像素颜色的相似性导致无法得到很好的区域边界，而影响瞳孔坐标判断的准确性，造成最终的视神经结果判断出现误差。通过对眼部数据的特征提取得到综合波的复杂度，便于后续对瞳孔动作数据的分类识别，进一步提升眼动数据检测的准确性，提升视神经检测的准确性。通过对人眼图像实现区域分割，增强人眼图像区域的连通性，得到很好的通孔边界，消除图像颜色的相似性而引起的差异，为后续获取眼动通孔坐标数据增加准确性。
74.本发明中未详细阐述的其它技术方案均为本领域的现有技术，在此不再赘述。
75.以上所述仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化；凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。