眼部超声图像的异常确定方法、装置及相关设备与流程

1.本技术涉及辅助医疗技术领域，具体涉及一种眼部超声图像的异常确定方法、装置及相关设备。


背景技术：

2.超声生物显微镜(ultrasound biomicroscope,ubm)，为眼科常用的基础检查仪器，主要检查房角。它是利用高频超声成像技术进行检查，而且为接触式检查，在检查过程中会使用表面麻醉剂，再使用探头接触角膜表面，进而测量到房角的位置。但不属于侵入性检查，不会对眼睛造成明显伤害，更不会影响患者的视力和眼睛生理功能。
3.然而，本技术发明人发现ubm图像容易产生畸变、异常，这会给眼科医生诊断结果造成一定的影响。


技术实现要素：

4.本技术提供一种眼部超声图像的异常确定方法、装置及相关设备，旨在解决如何高效、准确地确定眼部超声图像是否异常的技术问题。
5.一方面，本技术提供一种眼部超声图像的异常确定方法，所述方法包括：
6.识别预先获取的超声图像的伪影特征，并基于所述伪影特征，判断所述超声图像是否符合预设的非伪影图像要求，所述超声图像是对患者目标部位进行超声生物显微镜检查的超声图像，所述目标部位为眼部；
7.若所述超声图像符合预设的非伪影图像要求，则分别识别出所述超声图像中的角膜区域、虹膜区域、晶状体区域以及睫状体区域；
8.分别获取所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征；
9.获取所述虹膜区域的边界与所述晶状体区域的边界的位置特征；
10.基于所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征，确定所述超声图像是否异常。
11.在本技术一种可能的实现方式中，获取所述角膜区域的边界清晰特征，包括：
12.以预设尺寸的第一矩形框为边界裁剪所述角膜区域，得到第一角膜图像；
13.将所述第一角膜图像进行二值化处理，得到处理后的第二角膜图像；
14.在连通域的基础上，分别计算所述第二角膜图像中各连通域的面积；
15.基于所述面积和预设的面积阈值，对各所述连通域进行筛选，得到目标连通域，所述目标连通域包括前弹力层连通域和后弹力层连通域；
16.分别获取所述前弹力层连通域的第一中心线和所述后弹力层连通域的第二中心线，并获取所述第一中心线和所述第二中心线之间的多个目标距离；
17.计算所述多个目标距离的方差值，并基于所述方差值和预设的方差阈值，确定所述角膜区域的清晰度特征。
18.在本技术一种可能的实现方式中，所述虹膜区域包括两个子虹膜区域，获取所述虹膜区域的边界清晰特征，包括：
19.分别获取所述两个子虹膜区域中各子虹膜区域的边界周长；
20.将各所述子虹膜区域的边界上的所有像素点进行二值化处理，并获取经过处理后的所有像素点的像素值集合；
21.基于预设的像素值阈值和所述像素值集合，对处理后的所有像素点进行筛选，分别得到所述子虹膜区域的边界上的目标像素点集合；
22.分别将各所述子虹膜区域的边界上的目标像素点集合的像素点个数值与各所述子虹膜区域的边界周长相比，得到各所述子虹膜区域的目标边界比值；
23.基于各所述子虹膜区域的目标边界比值与预设的边界比值阈值，确定所述虹膜区域的边界清晰特征。
24.在本技术一种可能的实现方式中，获取所述晶状体区域的边界清晰特征，包括：
25.获取所述晶状体区域的边界周长；
26.将所述晶状体区域的边界上的所有像素点进行二值化处理，并获取经过处理后的所有像素点的像素值集合；
27.基于预设的像素值阈值和所述像素值集合，对处理后的所有像素点进行筛选，分别得到所述晶状体区域的边界上的目标像素点集合；
28.分别将所述晶状体区域的边界上的目标像素点集合与所述晶状体区域的边界周长相比，得到所述晶状体区域的目标边界比值；
29.基于所述晶状体区域的目标边界比值与预设的边界比值阈值，确定所述晶状体区域的边界清晰特征。
30.在本技术一种可能的实现方式中，获取所述睫状体区域的边界清晰特征，包括：
31.以预设尺寸的第二矩形框为边界裁剪所述睫状体区域，得到第一睫状体图像；
32.获取所述第一睫状体图像中睫状体区域的第一边界线，以及所述第一边界线的第一形心；
33.将所述第一睫状体图像进行二值化处理，得到处理后的第二睫状体图像；
34.获取所述第二睫状体图像中睫状体区域的第二边界线，以及所述第二边界线的第二形心；
35.计算所述第一形心和所述第二形心的欧式距离，并基于所述欧式距离，确定所述睫状体区域的边界清晰特征。
36.在本技术一种可能的实现方式中，所述虹膜区域包括两个子虹膜区域，所述获取所述虹膜区域的边界与所述晶状体区域的边界的位置特征，包括：
37.分别获取所述两个子虹膜区域的边界与所述晶状体区域的边界的第一重叠度和第二重叠度；
38.基于所述第一重叠度、第二重叠度以及预设的重叠度阈值，确定所述虹膜区域的边界与所述晶状体区域的边界的位置特征。
39.在本技术一种可能的实现方式中，所述基于所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征，确定所述超声图像是否异常，包括：
40.将所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征进行加权拟合，得到所述超声图像的异常程度参数；
41.基于所述异常程度参数和预设的异常程度阈值，确定所述超声图像是否异常。
42.另一方面，本技术提供一种眼部超声图像的异常确定装置，所述装置包括：
43.第一识别单元，用于识别预先获取的超声图像的伪影特征，并基于所述伪影特征，判断所述超声图像是否符合预设的非伪影图像要求，所述超声图像是对患者目标部位进行超声生物显微镜检查的超声图像，所述目标部位为眼部；
44.第二识别单元，用于若所述超声图像符合预设的非伪影图像要求，则分别识别出所述超声图像中的角膜区域、虹膜区域、晶状体区域以及睫状体区域；
45.第一获取单元，用于分别获取所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征；
46.第二获取单元，用于获取所述虹膜区域的边界与所述晶状体区域的边界的位置特征；
47.第一确定单元，用于基于所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征，确定所述超声图像是否异常。
48.在本技术一种可能的实现方式中，所述第一获取单元，具体用于：
49.以预设尺寸的第一矩形框为边界裁剪所述角膜区域，得到第一角膜图像；
50.将所述第一角膜图像进行二值化处理，得到处理后的第二角膜图像；
51.在连通域的基础上，分别计算所述第二角膜图像中各连通域的面积；
52.基于所述面积和预设的面积阈值，对各所述连通域进行筛选，得到目标连通域，所述目标连通域包括前弹力层连通域和后弹力层连通域；
53.分别获取所述前弹力层连通域的第一中心线和所述后弹力层连通域的第二中心线，并获取所述第一中心线和所述第二中心线之间的多个目标距离；
54.计算所述多个目标距离的方差值，并基于所述方差值和预设的方差阈值，确定所述角膜区域的清晰度特征。
55.在本技术一种可能的实现方式中，所述虹膜区域包括两个子虹膜区域，所述第一获取单元，还用于：
56.分别获取所述两个子虹膜区域中各子虹膜区域的边界周长；
57.将各所述子虹膜区域的边界上的所有像素点进行二值化处理，并获取经过处理后的所有像素点的像素值集合；
58.基于预设的像素值阈值和所述像素值集合，对处理后的所有像素点进行筛选，分别得到所述子虹膜区域的边界上的目标像素点集合；
59.分别将各所述子虹膜区域的边界上的目标像素点集合的像素点个数值与各所述子虹膜区域的边界周长相比，得到各所述子虹膜区域的目标边界比值；
60.基于各所述子虹膜区域的目标边界比值与预设的边界比值阈值，确定所述虹膜区域的边界清晰特征。
61.在本技术一种可能的实现方式中，所述第一获取单元，还用于：
62.获取所述晶状体区域的边界周长；
63.将所述晶状体区域的边界上的所有像素点进行二值化处理，并获取经过处理后的所有像素点的像素值集合；
64.基于预设的像素值阈值和所述像素值集合，对处理后的所有像素点进行筛选，分别得到所述晶状体区域的边界上的目标像素点集合；
65.分别将所述晶状体区域的边界上的目标像素点集合与所述晶状体区域的边界周长相比，得到所述晶状体区域的目标边界比值；
66.基于所述晶状体区域的目标边界比值与预设的边界比值阈值，确定所述晶状体区域的边界清晰特征。
67.在本技术一种可能的实现方式中，所述第一获取单元，还用于：
68.以预设尺寸的第二矩形框为边界裁剪所述睫状体区域，得到第一睫状体图像；
69.获取所述第一睫状体图像中睫状体区域的第一边界线，以及所述第一边界线的第一形心；
70.将所述第一睫状体图像进行二值化处理，得到处理后的第二睫状体图像；
71.获取所述第二睫状体图像中睫状体区域的第二边界线，以及所述第二边界线的第二形心；
72.计算所述第一形心和所述第二形心的欧式距离，并基于所述欧式距离，确定所述睫状体区域的边界清晰特征。
73.在本技术一种可能的实现方式中，所述虹膜区域包括两个子虹膜区域，所述第二获取单元，具体用于：
74.分别获取所述两个子虹膜区域的边界与所述晶状体区域的边界的第一重叠度和第二重叠度；
75.基于所述第一重叠度、第二重叠度以及预设的重叠度阈值，确定所述虹膜区域的边界与所述晶状体区域的边界的位置特征。
76.在本技术一种可能的实现方式中，所述第一确定单元，具体用于：
77.将所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征进行加权拟合，得到所述超声图像的异常程度参数；
78.基于所述异常程度参数和预设的异常程度阈值，确定所述超声图像是否异常。
79.另一方面，本技术还提供一种计算机设备，所述计算机设备包括：
80.一个或多个处理器；
81.存储器；以及
82.一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的眼部超声图像的异常确定方法。
83.另一方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的眼部超声图像的异常确定方法中的步骤。
84.本技术提供的眼部超声图像的异常确定方法，通过识别预先获取的超声图像的伪影特征，并基于伪影特征，判断超声图像是否符合预设的非伪影图像要求，超声图像是对患者目标部位进行超声生物显微镜检查的超声图像，目标部位为眼部；若超声图像符合预设
的非伪影图像要求，则分别识别出超声图像中的角膜区域、虹膜区域、晶状体区域以及睫状体区域；分别获取角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征；获取虹膜区域的边界与晶状体区域的边界的位置特征；基于角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和虹膜区域的边界与晶状体的边界的位置特征，确定超声图像是否异常。相较于传统方法，在现有眼部超声图像容易出现异常，且眼科医生无法准确诊断其异常，从而造成误诊的情况下，本技术创造性地通过先对超声图像进行伪影判断，从而进行初步筛选，确保后续图像的准确性，进一步的，再通过对所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征进行综合分析，可以更加准确判断超声图像是否异常，由此提高了对眼部超声图像的异常确定的准确性。
附图说明
85.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，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的附图。
86.图1是本技术实施例提供的眼部超声图像的异常确定系统的场景示意图；
87.图2是本技术实施例中提供的眼部超声图像的异常确定方法的一个实施例流程示意图；
88.图3是本技术实施例中提供的眼部超声图像的示意图；
89.图4是本技术实施例中提供的角膜区域二值化后的连通域示意图；
90.图5是本技术实施例中提供的获取连通域的中心线的示意图；
91.图6是本技术实施例中提供的眼部超声图像的异常确定装置的一个实施例结构示意图；
92.图7是本技术实施例中提供的计算机设备的一个实施例结构示意图。
具体实施方式
93.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域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例，都属于本技术保护的范围。
94.在本技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
95.在本技术中，“示例性”一词用来表示“用作例子、例证或说明”。本技术中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本技术，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本技术。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本技术的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。
96.本技术实施例提供一种眼部超声图像的异常确定方法、装置及相关设备，以下分别进行详细说明。
97.如图1所示，图1是本技术实施例提供的眼部超声图像的异常确定系统的场景示意图，该眼部超声图像的异常确定系统可以包括计算机设备100，计算机设备100中集成有眼部超声图像的异常确定装置，如图1中的计算机设备100。
98.本技术实施例中计算机设备100主要用于识别预先获取的超声图像的伪影特征，并基于伪影特征，判断超声图像是否符合预设的非伪影图像要求，超声图像是对患者目标部位进行超声生物显微镜检查的超声图像，目标部位为眼部；若超声图像符合预设的非伪影图像要求，则分别识别出超声图像中的角膜区域、虹膜区域、晶状体区域以及睫状体区域；分别获取角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征；获取虹膜区域的边界与晶状体区域的边界的位置特征；基于角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和虹膜区域的边界与晶状体的边界的位置特征，确定超声图像是否异常。
99.本技术实施例中，该计算机设备100可以为终端或者服务器，当计算机设备100为服务器时，可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本技术实施例中所描述的计算机设备100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器以构建的云服务器。其中，云服务器由基于云计算(cloud computing)的大量计算机或网络服务器以构建。
100.可以理解的是，本技术实施例中计算机设备100为终端时，所使用的终端可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的计算机设备100具体可以是台式终端或移动终端，计算机设备100具体还可以是手机、平板电脑、笔记本电脑、医疗辅助仪器等中的一种。
101.本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本技术方案一种应用场景，并不以构建对本技术方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的计算机设备，例如图1中仅示出1个计算机设备，可以理解的，该眼部超声图像的异常确定系统还可以包括一个或多个其他计算机设备，具体此处不作限定。
102.另外，如图1所示，该眼部超声图像的异常确定系统还可以包括存储器200，用于存储数据，如存储患者眼部的超声图像和眼部超声图像的异常确定数据，例如眼部超声图像的异常确定系统运行时的眼部超声图像的异常确定数据。
103.需要说明的是，图1所示的眼部超声图像的异常确定系统的场景示意图仅仅是一
个示例，本技术实施例描述的眼部超声图像的异常确定系统以及场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着眼部超声图像的异常确定系统的演变和新业务场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
104.接下来，介绍本技术实施例提供的眼部超声图像的异常确定方法。
105.本申实施例眼部超声图像的异常确定方法的实施例中以眼部超声图像的异常确定装置作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该眼部超声图像的异常确定装置应用于计算机设备。
106.请参阅图2至图7，图2为本技术实施例中提供的眼部超声图像的异常确定方法的一个实施例流程示意图，该眼部超声图像的异常确定方法包括步骤201至步骤205：
107.201、识别预先获取的超声图像的伪影特征，并基于伪影特征，判断超声图像是否符合预设的非伪影图像要求。
108.其中，所述超声图像是对患者目标部位进行超声生物显微镜检查的超声图像，所述目标部位为眼部；
109.其中，非伪影图像要求为超声图像的伪影特征的置信度小于预设的伪影置信度阈值，该伪影置信度阈值可根据实际需求进行调整，具体不做限定。
110.本技术实施例中，可以通过多种方式识别预先获取的超声图像的伪影特征，示例性地，例如可以通过预先训练的伪影图像识别模型，识别出预先获取的超声图像的伪影特征，该伪影特征可以是该超声图像存在伪影特征的置信度，然后基于该伪影特征和预设的伪影置信度阈值，判断所述超声图像是否符合预设的非伪影图像要求，若该超声图像的伪影特征的置信度小于伪影置信度阈值，则可确定该超声图像符合预设的非伪影图像要求，反之，则不符合预设的非伪影图像要求。
111.202、若超声图像符合预设的非伪影图像要求，则分别识别出超声图像中的角膜区域、虹膜区域、晶状体区域以及睫状体区域；
112.具体的，可以通过多种方式，分别识别出所述超声图像中的角膜区域、虹膜区域、晶状体区域以及睫状体区域。示例性的，例如，基于预先训练的yolov3图像目标检测神经网络模型，识别出所述超声图像中的角膜区域；基于预先训练的unet 图像分割神经网络模型，识别出所述超声图像中的虹膜区域；基于预先训练的unet 图像分割神经网络模型，识别出所述超声图像中的晶状体区域；基于预先训练的yolov3图像目标检测神经网络模型，识别出所述超声图像中的睫状体区域，需要说明的是，上述举例中各模型均为优选实施例，但是也可采用其他模型，具体可根据实际需求进行设置和调整。
113.在本技术的另一个实施例中，若所述超声图像不符合预设的非伪影图像要求，则删除该超声图像，然后重新获取新的超声图像，该超声图像也是针对同一患者的目标部位进行超声生物显微镜检查的超声图像，且所述目标部位为眼部，然后再重复上述步骤201，直到找到符合预设的非伪影图像要求的超声图像后，再进行步骤202以及步骤202后续步骤。
114.203、分别获取角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征；
115.其中，各对象区域的边界清晰度特征为对对象区域的边界清晰度的高低进行评价
的一种特征，该特征可以由各对象区域对应的边界清晰度特征置信度体现。
116.本技术实施例中，可以通过多种方式获取所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征。
117.示例性地，在本技术的一些实施例中，获取所述角膜区域的边界清晰特征，可以包括如下步骤a1至步骤a6：
118.a1、以预设尺寸的第一矩形框为边界裁剪所述角膜区域，得到第一角膜图像；
119.其中，预设尺寸可根据实际情况进行设置，本技术优选该尺寸可以裁剪出完整角膜区域的尺寸。
120.a2、将所述第一角膜图像进行二值化处理，得到处理后的第二角膜图像；
121.a3、在连通域的基础上，分别计算所述第二角膜图像中各连通域的面积；
122.a4、基于所述面积和预设的面积阈值，对各所述连通域进行筛选，得到目标连通域；
123.其中，基于所述面积和预设的面积阈值，对各所述连通域进行筛选，得到目标连通域，示例性的，可以是将所述面积和预设的面积阈值进行比较，然后过滤掉面积小于预设的面积阈值的连通域，留下来的连通域则为目标连通域，如下图3所示，图3中上的矩形框内即为角膜区域，在经过筛选后，得到的目标连通域如下图4所示，该目标连通域包括前弹力层连通域和后弹力层连通域。
124.a5、分别获取所述前弹力层连通域的第一中心线和所述后弹力层连通域的第二中心线，并获取所述第一中心线和所述第二中心线之间的多个目标距离；
125.本技术实施例中，可以通过多种方式获取所述前弹力层连通域的第一中心线和所述后弹力层连通域的第二中心线。
126.示例性的，在本技术的一些实施例中，可以采用骨架化处理方法，获取所述前弹力层连通域的第一中心线和所述后弹力层连通域的第二中心线。
127.本技术实施例中，可以采用多种方式获取所述第一中心线和所述第二中心线之间的多个目标距离。
128.示例性的，如下图5所示，可按照预设的像素距离
δ
x，依次做多个竖直、且相互平行的分割线(如图5中的四个竖直分割线)，每个分割线分别相与两条中心线相交，得到两个交点组，然后依次计算各交点组之间的距离，即可得到第一中心线和第二中心线之间的多个目标距离。
129.a6、计算所述多个目标距离的方差值，并基于所述方差值和预设的方差阈值，确定所述角膜区域的清晰度特征。
130.其中，该方差阈值可根据实际需求进行设置。
131.在一个具体实施例中，基于所述方差值和预设的方差阈值，确定所述角膜区域的清晰度特征，可以是将方差值与预设的方差阈值进行比较，若该方差值小于该方差阈值，则确定所述角膜区域的清晰度特征为1或者为清晰，若方差值不小于该方差阈值，则确定所述角膜区域的清晰度特征为0或者为模糊。
132.示例性地，在本技术的一些实施例中，所述虹膜区域包括两个子虹膜区域，获取所述虹膜区域的边界清晰特征，可以包括如下步骤b1至步骤b5：
133.b1、分别获取所述两个子虹膜区域中各子虹膜区域的边界周长；
134.本技术实施例中，可以通过多种方式获取所述两个子虹膜区域中各子虹膜区域的边界周长。
135.示例性的，可以通过预设的图像周长检测程序，获取所述两个子虹膜区域中各子虹膜区域的边界周长，也可通过预设的周长计算策略，基于两个子虹膜区域中各子虹膜区域的像素点信息，计算得到两个子虹膜区域中各子虹膜区域的边界周长。
136.b2、将各所述子虹膜区域的边界上的所有像素点进行二值化处理，并获取经过处理后的所有像素点的像素值集合；
137.b3、基于预设的像素值阈值和所述像素值集合，对处理后的所有像素点进行筛选，分别得到所述子虹膜区域的边界上的目标像素点集合；
138.其中，预设像素值阈值可根据实际需求进行设置，本技术优选该像素值阈值为150。
139.在一个具体实施方式中，可以将小于像素值阈值150的像素值集合中的像素剔除掉，从而保留下来的像素点构成子虹膜区域的边界上的目标像素点集合。
140.b4、分别将各所述子虹膜区域的边界上的目标像素点集合的像素点个数值与各所述子虹膜区域的边界周长相比，得到各所述子虹膜区域的目标边界比值；
141.在一个具体实施例中，假设两个子虹膜区域的边界上的目标像素点集合的像素点个数值分别n1和n2，且两个子虹膜区域的边界周长分别为c1和c2，那么这两个子虹膜区域的目标边界比值分别为：&1＝n1/c1，&2＝n2/c2。
142.b5、基于各所述子虹膜区域的目标边界比值与预设的边界比值阈值，确定所述虹膜区域的边界清晰特征。
143.其中，预设的边界比值阈值σ可根据实际情况进行设置。
144.在一个具体实施例中，当&1大于σ，且&2大于σ，则确定所述虹膜区域的边界清晰特征为1或为清晰，否则所述虹膜区域的边界清晰特征为0或为模糊。
145.示例性地，在本技术的一些实施例中，获取所述晶状体区域的边界清晰特征，可以包括如下步骤c1至步骤c5：
146.c1、获取所述晶状体区域的边界周长；
147.c2、将所述晶状体区域的边界上的所有像素点进行二值化处理，并获取经过处理后的所有像素点的像素值集合；
148.c3、基于预设的像素值阈值和所述像素值集合，对处理后的所有像素点进行筛选，分别得到所述晶状体区域的边界上的目标像素点集合；
149.c4、分别将所述晶状体区域的边界上的目标像素点集合与所述晶状体区域的边界周长相比，得到所述晶状体区域的目标边界比值；
150.c5、基于所述晶状体区域的目标边界比值与预设的边界比值阈值，确定所述晶状体区域的边界清晰特征。
151.步骤c1至步骤c5中各步骤的计算原理与上述步骤b1至步骤b5中各步骤相对应，因此，在此不作赘述，具体可对应参阅上述步骤b1至步骤b5。
152.在本技术的一些实施例中，获取所述睫状体区域的边界清晰特征，可以包括如下步骤d1至步骤d5：
153.d1、以预设尺寸的第二矩形框为边界裁剪所述睫状体区域，得到第一睫状体图像；
154.其中，预设尺寸可根据实际需求进行设置。
155.d2、获取所述第一睫状体图像中睫状体区域的第一边界线，以及所述第一边界线的第一形心；
156.本技术实施例中，可以采用多种方式获取所述第一睫状体图像中睫状体区域的第一边界线，以及所述第一边界线的第一形心。
157.示例性的，可以通过预设的canny算法查找第一睫状体图像中睫状区域的第一边界线，然后计算该第一边界线的第一形心。
158.d3、将所述第一睫状体图像进行二值化处理，得到处理后的第二睫状体图像；
159.d4、获取所述第二睫状体图像中睫状体区域的第二边界线，以及所述第二边界线的第二形心；
160.其中，获取第二边界线及第二形心的方式与上述步骤d2相同，可参阅上述步骤d2，在此不做赘述。
161.d5、计算所述第一形心和所述第二形心的欧式距离，并基于所述欧式距离，确定所述睫状体区域的边界清晰特征。
162.本技术实施例中，可以有多种方式基于所述欧式距离，确定所述睫状体区域的边界清晰特征的方式。
163.示例性的，将该欧氏距离l与预设的欧式距离阈值λ进行比较，若l《＝λ，则，确定该睫状体区域的边界清晰特征为1或清晰，否则该睫状体区域的边界清晰特征为0或模糊。
164.204、获取虹膜区域的边界与晶状体区域的边界的位置特征；
165.其中，位置特征是虹膜区域的边界与晶状体区域的边界存在某一预设的位置关系的特征，例如，该位置特征为上述两个区域的边界存在某一预设的位置关系的特征，或者为不存在某一预设的位置关系的特征。
166.具体的，可以通过多种方式获取所述虹膜区域的边界与所述晶状体区域的边界的位置特征。
167.示例性的，在本技术的一些实施例中，所述虹膜区域包括两个子虹膜区域，所述获取所述虹膜区域的边界与所述晶状体区域的边界的位置特征，可以包括如下步骤d1和步骤d2：
168.d1、分别获取所述两个子虹膜区域的边界与所述晶状体区域的边界的第一重叠度和第二重叠度；
169.其中，重叠度为取两个区域的交集的第一面积与这两个区域的并集的第二面积之比。
170.因此，获取所述两个子虹膜区域的边界与所述晶状体区域的边界的第一重叠度和第二重叠度，可先依次获取各子虹膜区域的边界与晶状体区域的边界的交集的第一面积，然后在依次获取各子虹膜区域的边界与晶状体区域的边界的并集的第二面积，最后依次将各子虹膜区域的边界与晶状体区域的边界的交集的第一面积与各子虹膜区域的边界与晶状体区域的边界的并集的第二面积相比，从而得到各虹膜区域的边界与晶状体区域的边界的第一重叠度和第二重叠度。
171.d2、基于所述第一重叠度、第二重叠度以及预设的重叠度阈值，确定所述虹膜区域的边界与所述晶状体区域的边界的位置特征。
172.示例性的，在本技术的一些实施例中，可以将第一重叠度iou1、第二重叠度iou2分别与预设的重叠度阈值β进行比较，其中，若0《iou1《＝β，且0《iou2《＝β，则确定所述虹膜区域的边界与所述晶状体区域的边界的位置特征为1或相切，否则，确定所述虹膜区域的边界与所述晶状体区域的边界的位置特征为0或不相切。
173.205、基于角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和虹膜区域的边界与晶状体的边界的位置特征，确定超声图像是否异常。
174.本技术实施例中，基于所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征，确定所述超声图像是否异常，可以存在多种确定方式。
175.示例性的，在本技术的一些实施例中，所述基于所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征，确定所述超声图像是否异常，可以包括步骤e1和步骤e2：
176.e1、将所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征进行加权拟合，得到所述超声图像的异常程度参数；
177.其中，各特征的权重可通过多种方式。示例性的，通过预设的神经网络模型进行预先获取。
178.e2、基于所述异常程度参数和预设的异常程度阈值，确定所述超声图像是否异常。
179.本技术实施例中，基于所述异常程度参数θ和预设的异常程度阈值ω，确定所述超声图像是否异常，具体可以包括，若异常程度参数θ大于异常程度阈值ω，则确定所述超声图像异常或发生畸变，反之，则确定所述超声图像正常或未发生畸变。
180.本技术实施例所公开的方案，相较于传统方法，在现有眼部超声图像容易出现异常，且眼科医生无法准确诊断其异常，从而造成误诊的情况下，本技术创造性地通过先对超声图像进行伪影判断，从而进行初步筛选，确保后续图像的准确性，进一步的，再通过对所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征进行综合分析，可以更加准确判断超声图像是否异常，由此提高了对眼部超声图像的异常确定的准确性。
181.为了更好实施本技术实施例中眼部超声图像的异常确定方法，在眼部超声图像的异常确定方法基础之上，本技术实施例中还提供一种眼部超声图像的异常确定装置，如图6所示，所述眼部超声图像的异常确定装置600包括：
182.第一识别单元601，用于识别预先获取的超声图像的伪影特征，并基于所述伪影特征，判断所述超声图像是否符合预设的非伪影图像要求，所述超声图像是对患者目标部位进行超声生物显微镜检查的超声图像，所述目标部位为眼部；
183.第二识别单元602，用于若所述超声图像符合预设的非伪影图像要求，则分别识别出所述超声图像中的角膜区域、虹膜区域、晶状体区域以及睫状体区域；
184.第一获取单元603，用于分别获取所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征；
185.第二获取单元604，用于获取所述虹膜区域的边界与所述晶状体区域的边界的位置特征；
186.第一确定单元605，用于基于所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征，确定所述超声图像是否异常。
187.在本技术的一些实施例中，所述第一获取单元603，具体用于：
188.以预设尺寸的第一矩形框为边界裁剪所述角膜区域，得到第一角膜图像；
189.将所述第一角膜图像进行二值化处理，得到处理后的第二角膜图像；
190.在连通域的基础上，分别计算所述第二角膜图像中各连通域的面积；
191.基于所述面积和预设的面积阈值，对各所述连通域进行筛选，得到目标连通域，所述目标连通域包括前弹力层连通域和后弹力层连通域；
192.分别获取所述前弹力层连通域的第一中心线和所述后弹力层连通域的第二中心线，并获取所述第一中心线和所述第二中心线之间的多个目标距离；
193.计算所述多个目标距离的方差值，并基于所述方差值和预设的方差阈值，确定所述角膜区域的清晰度特征。
194.在本技术的一些实施例中，所述虹膜区域包括两个子虹膜区域，所述第一获取单元603，还用于：
195.分别获取所述两个子虹膜区域中各子虹膜区域的边界周长；
196.将各所述子虹膜区域的边界上的所有像素点进行二值化处理，并获取经过处理后的所有像素点的像素值集合；
197.基于预设的像素值阈值和所述像素值集合，对处理后的所有像素点进行筛选，分别得到所述子虹膜区域的边界上的目标像素点集合；
198.分别将各所述子虹膜区域的边界上的目标像素点集合的像素点个数值与各所述子虹膜区域的边界周长相比，得到各所述子虹膜区域的目标边界比值；
199.基于各所述子虹膜区域的目标边界比值与预设的边界比值阈值，确定所述虹膜区域的边界清晰特征。
200.在本技术的一些实施例中，所述第一获取单元603，还用于：
201.获取所述晶状体区域的边界周长；
202.将所述晶状体区域的边界上的所有像素点进行二值化处理，并获取经过处理后的所有像素点的像素值集合；
203.基于预设的像素值阈值和所述像素值集合，对处理后的所有像素点进行筛选，分别得到所述晶状体区域的边界上的目标像素点集合；
204.分别将所述晶状体区域的边界上的目标像素点集合与所述晶状体区域的边界周长相比，得到所述晶状体区域的目标边界比值；
205.基于所述晶状体区域的目标边界比值与预设的边界比值阈值，确定所述晶状体区域的边界清晰特征。
206.在本技术的一些实施例中，所述第一获取单元603，还用于：
207.以预设尺寸的第二矩形框为边界裁剪所述睫状体区域，得到第一睫状体图像；
208.获取所述第一睫状体图像中睫状体区域的第一边界线，以及所述第一边界线的第一形心；
209.将所述第一睫状体图像进行二值化处理，得到处理后的第二睫状体图像；
210.获取所述第二睫状体图像中睫状体区域的第二边界线，以及所述第二边界线的第二形心；
211.计算所述第一形心和所述第二形心的欧式距离，并基于所述欧式距离，确定所述睫状体区域的边界清晰特征。
212.在本技术的一些实施例中，所述虹膜区域包括两个子虹膜区域，所述第二获取单元604，具体用于：
213.分别获取所述两个子虹膜区域的边界与所述晶状体区域的边界的第一重叠度和第二重叠度；
214.基于所述第一重叠度、第二重叠度以及预设的重叠度阈值，确定所述虹膜区域的边界与所述晶状体区域的边界的位置特征。
215.在本技术的一些实施例中，所述第一确定单元605，具体用于：
216.将所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征进行加权拟合，得到所述超声图像的异常程度参数；
217.基于所述异常程度参数和预设的异常程度阈值，确定所述超声图像是否异常。
218.本技术提供的眼部超声图像的异常确定方法，通过第一识别单元601，用于识别预先获取的超声图像的伪影特征，并基于所述伪影特征，判断所述超声图像是否符合预设的非伪影图像要求，所述超声图像是对患者目标部位进行超声生物显微镜检查的超声图像，所述目标部位为眼部；第二识别单元602，用于若所述超声图像符合预设的非伪影图像要求，则分别识别出所述超声图像中的角膜区域、虹膜区域、晶状体区域以及睫状体区域；第一获取单元603，用于分别获取所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征；第二获取单元604，用于获取所述虹膜区域的边界与所述晶状体区域的边界的位置特征；第一确定单元605，用于基于所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征，确定所述超声图像是否异常。相较于传统方法，在现有眼部超声图像容易出现异常，且眼科医生无法准确诊断其异常，从而造成误诊的情况下，本技术创造性地通过先对超声图像进行伪影判断，从而进行初步筛选，确保后续图像的准确性，进一步的，再通过对所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征进行综合分析，可以更加准确判断超声图像是否异常，由此提高了对眼部超声图像的异常确定的准确性。
219.除了上述介绍用于眼部超声图像的异常确定方法与装置之外，本技术实施例还提供一种计算机设备，其集成了本技术实施例所提供的任一种眼部超声图像的异常确定装置，所述计算机设备包括：
220.一个或多个处理器；
221.存储器；以及
222.一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述眼部超声图像的异常确定方法实施例中任一实施例中所述的任一方法的操作。
223.本技术实施例还提供一种计算机设备，其集成了本技术实施例所提供的任一种眼
部超声图像的异常确定装置。如图7所示，其示出了本技术实施例所涉及的计算机设备的结构示意图，具体来讲：
224.该计算机设备可以包括一个或者一个以上处理核心的处理器701、一个或一个以上计算机可读存储介质的存储单元702、电源703和输入单元704等部件。本领域技术人员可以理解，图7中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
225.处理器701是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储单元702内的软件程序和/或模块，以及调用存储在存储单元702的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器701可包括一个或多个处理核心；优选的，处理器701可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器701中。
226.存储单元702可用于存储软件程序以及模块，处理器701通过运行存储在存储单元702的软件程序以及模块，从而执行各种功能应用以及数据处理。存储单元702可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储单元702可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储单元702还可以包括存储器控制器，以提供处理器701对存储单元702的访问。
227.计算机设备还包括给各个部件供电的电源703，优选的，电源703可以通过电源管理系统与处理器701逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源703还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
228.该计算机设备还可包括输入单元704，该输入单元704可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
229.尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本技术实施例中，计算机设备中的处理器701会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储单元702中，并由处理器701来运行存储在存储单元702中的应用程序，从而实现各种功能，如下：
230.识别预先获取的超声图像的伪影特征，并基于伪影特征，判断超声图像是否符合预设的非伪影图像要求，超声图像是对患者目标部位进行超声生物显微镜检查的超声图像，目标部位为眼部；若超声图像符合预设的非伪影图像要求，则分别识别出超声图像中的角膜区域、虹膜区域、晶状体区域以及睫状体区域；分别获取角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征；获取虹膜区域的边界与晶状体区域的边界的位置特征；基于角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和虹膜区域的边界与晶状体的边界的位置特征，确定超声图像是否异常。
231.本技术提供一种眼部超声图像的异常确定方法，相较于传统方法，在现有眼部超
声图像容易出现异常，且眼科医生无法准确诊断其异常，从而造成误诊的情况下，本技术创造性地通过先对超声图像进行伪影判断，从而进行初步筛选，确保后续图像的准确性，进一步的，再通过对所述角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和所述虹膜区域的边界与所述晶状体的边界的位置特征进行综合分析，可以更加准确判断超声图像是否异常，由此提高了对眼部超声图像的异常确定的准确性。
232.为此，本技术实施例提供一种计算机可读存储介质，该计算机可读存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。该计算机可读存储介质中存储有多条指令，该指令能够被处理器进行加载，以执行本技术实施例所提供的任一种眼部超声图像的异常确定方法中的步骤。例如，该指令可以执行如下步骤：
233.识别预先获取的超声图像的伪影特征，并基于伪影特征，判断超声图像是否符合预设的非伪影图像要求，超声图像是对患者目标部位进行超声生物显微镜检查的超声图像，目标部位为眼部；若超声图像符合预设的非伪影图像要求，则分别识别出超声图像中的角膜区域、虹膜区域、晶状体区域以及睫状体区域；分别获取角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征；获取虹膜区域的边界与晶状体区域的边界的位置特征；基于角膜区域、虹膜区域、晶状体区域以及睫状体区域的边界清晰度特征，和虹膜区域的边界与晶状体的边界的位置特征，确定超声图像是否异常。
234.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
235.以上对本技术实施例所提供的一种眼部超声图像的异常确定方法、装置及相关设备进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。