摘要
白内障是目前世界范围内致盲率最高的眼部疾病，手术治疗是公认的唯一有效的白内障治疗方法。屈光性白内障手术通过植入散光矫正型人工晶状体，在治疗白内障的同时有效矫正术前存在的屈光不正。在白内障手术前，需要根据患者的眼部生物学参数设计出最佳的角膜切口位置、晶状体植入轴位等手术信息。术中角膜切口位置的精确定位与人工晶状体轴位的准确对位关系到患者术后的视觉恢复质量。由于受到患者体位改变与手术操作等因素的影响，术中眼球的位置和角度会发生一定程度的改变，因此在术前要准确标记角膜轴向。传统标记方法依赖于人工在角膜缘处做有痕标记，其标记质量受医师主观因素的影响。计算机辅助下的白内障手术导航系统仅需在术前生物测量时拍摄一张患者眼部基准图像，手术中系统通过实时对比基准图像与术中图像中的生物特征信息，计算眼球中心坐标与旋转角度，并结合术前规划的手术信息实现一系列的手术导航功能，辅助医师精准完成手术的各项关键步骤。白内障手术导航系统的应用有助于实现精准化、数字化、智能化的屈光性白内障手术。 眼球中心的精确定位与眼球旋转角度的准确测量是实现白内障手术导航系统的关键技术。本文基于深度学习方法，重点对白内障手术中的眼球中心定位与眼球旋转角度测量方法进行研究，并开发了一套白内障手术导航系统，以实现多种手术导航功能。本文主要工作概述如下： （1）针对白内障术中眼球中心定位任务，提出一种基于语义分割的眼球定位方法，即首先对眼球虹膜区域进行语义分割，分割结果经过轮廓检测与椭圆拟合算法得到眼球角膜缘的几何参数，角膜缘几何中心即为眼球中心。针对现有语义分割网络精度低且计算复杂度较高的问题，提出一种基于融合卷积与Transformer的轻量级语义分割网络—CTNet。通过设计卷积-Transformer编码器以提升网络对于局部和全局语义特征的提取能力；通过多层级特征融合模块对多尺度特征进行拼接融合以进一步提升对于空间尺度信息的感知能力；并在网络初期采用快速下采样策略以减小特征图大小从而提高网络的计算效率。CATARACT数据集上的实验结果表明所提出的CTNet可以在较高的推理速度下实现对虹膜区域的精确分割，将其用于白内障术中眼球中心定位可达到较高的定位精度。 （2）为了进一步探索端到端的眼球中心定位方法，提出一种基于自适应高斯椭圆热图的眼球中心定位网络—ECLNet，其通过深度全卷积神经网络直接将眼部图像映射为高斯热图，热图的峰值位置即为眼球中心。针对实际场景中目标区域非固定圆域的问题，提出了自适应高斯椭圆热图方法，其根据目标区域的梯度特征和上下文信息生成具有动态高斯椭圆区域的真值热图；同时，网络并行预测坐标偏移图以减小图像下采样所导致的量化误差；另外，通过所设计的混合损失函数对网络进行监督训练，以实现眼球中心的精确定位。CATARACT数据集上的实验结果表明ECLNet可以通过端到端的方式获得较高的眼球中心定位精度。 （3）针对白内障术中眼球旋转角度测量任务，提出一种基于深度特征检测与匹配的眼球旋转角度测量方法。通过基于深度学习的特征点检测与描述网络对基准图像与术中图像中角膜缘周围区域的特征点进行提取与描述，匹配为多组特征点对，并结合眼球中心坐标计算术中眼球旋转角度。针对眼球血管特征相似度高和区域特征易受手术操作与器械干扰发生变化的问题，提出一种结合注意力卷积与自适应跳层连接的特征点提取与描述网络，通过注意力卷积模块在提升网络容量的同时增强对特征空间位置的感知能力；通过自适应跳层连接将浅层结构信息注入到深层语义信息中，增强网络对纹理细节的描述能力，促使网络生成更具判别性与鲁棒性的特征描述符。CATARACT数据集上的实验结果表明，本文所提网络能够更好地对相似特征进行区分性描述，特征点匹配精度更高，使得对于眼球旋转角度的测量更为精准。 （4）白内障手术导航系统设计与实现。基于PyQt5图形界面开发框架，利用Python编程设计并开发了一套白内障手术导航系统。本系统基于所提出的眼球中心定位方法和眼球旋转角度测量方法，并通过结合患者术前手术规划信息，以实现一系列的白内障手术导航功能，主要功能包括：角膜切口位置定位、人工晶状体植入轴位定位、环形撕囊辅助、居中性提示等。在CATARACT数据集上对系统的整体性能进行测试，眼球中心定位误差小于0.2mm，旋转角度测量误差小于1°，实时检测速率高于25帧/s，基本满足白内障手术导航中对于检测精度与实时性的要求，具有潜在的应用价值。
NETL