一种面部骨性结构的构建方法、装置、介质和设备与流程

本发明涉及临床光学成像，具体涉及一种面部骨性结构的构建方法、装置、介质和设备。

背景技术：

1、重建三维面部骨性结构是临床眼科疾病诊疗的基础。比如在内分泌相关眼病的诊断中，眼球突出度的诊断需要以面部骨性结构中颞侧眶缘至角膜顶点的垂直距离为依据。通常使用透明尺或眼球突出计，其由医生在病人体表进行手工测量，但是无法精准定位颞侧眶缘。

2、由上述描述可知，目前面部骨性结构无法精确测量，如何提高面部骨性结构精度是本领域技术人员亟需解决的技术问题。

技术实现思路

1、为了克服现有面部骨性结构构建精度差的不足，本发明提出了一种面部骨性结构的构建方法、装置、介质和设备。

2、为了实现上述目的，根据本发明的第一方面，本发明实施例提供一种面部骨性结构的构建方法，该方法包括以下步骤：

3、获取第一点云数据集和第二点云数据集，其中，所述第一点云数据集包括面部的体表皮肤信息和皮下组织信息，所述第二点云数据集包括面部的体表皮肤信息、皮下组织信息和骨性结构信息；

4、第二点云数据集对经过中间值滤波和锐度增强后的第一点云数据集作差，得到光学点云数据；

5、光学点云数据输入第一ct生成器，得到第一ct生成数据；第一ct生成数据和ct测量数据均输入ct判别器，如果ct判别器成功区分第一ct生成数据和ct测量数据，更新第一ct生成器，否则，更新ct判别器；其中，所述ct判别器是3层全卷积网络结构，

6、第一ct生成数据输入第一点云生成器，得到第一点云生成数据，所述第一点云生成数据和光学点云数据用于计算点云对抗代价函数和点云循环一致性代价函数；

7、ct测量数据输入第二点云生成器，得到第二点云生成数据；第二点云生成数据和光学点云数据均输入点云判别器，如果点云判别器成功区分第二点云生成数据和光学点云数据，更新第二点云生成器，否则，更新点云判别器；其中，所述点云判别器是5层全卷积网络结构；

8、第二点云生成数据输入第二ct生成器，得到第二ct生成数据，所述第二ct生成数据和ct测量数据用于计算ct对抗代价函数和ct循环一致性代价函数；

9、所述点云对抗代价函数、点云循环一致性代价函数、ct对抗代价函数和ct循环一致性代价函数组成总代价函数；

10、根据所述总代价函数，使用求解器计算至收敛，得到面部骨性结构。

11、可选地，所述第二点云数据集对经过中间值滤波和锐度增强后的第一点云数据集作差，得到光学点云数据，包括：

12、使用3×3×3或5×5×5窗口对第一点云数据集进行中间值滤波；

13、使用预设矩阵对中间值滤波后的数据进行卷积，其中，所述预设矩阵如下：

14、[

15、[[ 0, 0, 0], [ 0, -1, 0], [ 0, 0, 0]],

16、[[ 0, -1, 0], [-1, 8, -1], [ 0, -1, 0]],

17、[[ 0, 0, 0], [ 0, -1, 0], [ 0, 0, 0]]

18、]

19、第二点云数据集与卷积后的第一点云数据集作差，得到光学点云数据。

20、可选地，所述光学点云数据输入第一ct生成器，得到第一ct生成数据，包括：

21、第一ct生成器对所述光学点云数据使用步长为2的3×3×3卷积进行5次下采样，以及使用3×3×3的转置卷积对称地进行上采样，最后使用线性整流函数作为激活函数得到第一ct生成数据；

22、所述第二点云生成数据输入第二ct生成器，得到第二ct生成数据，包括：

23、第二ct生成器对第二点云生成数据使用步长为2的3×3×3卷积进行5次下采样，以及使用3×3×3的转置卷积对称地进行上采样，最后使用线性整流函数作为激活函数得到第二ct生成数据。

24、可选地，所述点云对抗代价函数、点云循环一致性代价函数、ct对抗代价函数和ct循环一致性代价函数组成总代价函数，公式如下：

25、，

26、其中，l表示总代价函数，表示点云对抗代价函数，表示ct对抗代价函数，表示点云循环一致性代价函数，表示ct循环一致性代价函数，和是介于0到10之间的常数。

27、根据本发明的第二方面，本发明实施例还提供一种面部骨性结构的构建装置，包括：

28、获取模块，用于获取第一点云数据集和第二点云数据集，其中，所述第一点云数据集包括面部的体表皮肤信息和皮下组织信息，所述第二点云数据集包括面部的体表皮肤信息、皮下组织信息和骨性结构信息；

29、差值模块，用于第二点云数据集对经过中间值滤波和锐度增强后的第一点云数据集作差，得到光学点云数据；

30、第一更新模块，用于光学点云数据输入第一ct生成器，得到第一ct生成数据；第一ct生成数据和ct测量数据均输入ct判别器，如果ct判别器成功区分第一ct生成数据和ct测量数据，更新第一ct生成器，否则，更新ct判别器；其中，所述ct判别器是3层全卷积网络结构；

31、第一代价函数计算模块，用于第一ct生成数据输入第一点云生成器，得到第一点云生成数据，所述第一点云生成数据和光学点云数据用于计算点云对抗代价函数和点云循环一致性代价函数；

32、第二更新模块，用于ct测量数据输入第二点云生成器，得到第二点云生成数据；第二点云生成数据和光学点云数据均输入点云判别器，如果点云判别器成功区分第二点云生成数据和光学点云数据，更新第二点云生成器，否则，更新点云判别器；其中，所述点云判别器是5层全卷积网络结构；

33、第二代价函数计算模块，用于第二点云生成数据输入第二ct生成器，得到第二ct生成数据，所述第二ct生成数据和ct测量数据用于计算ct对抗代价函数和ct循环一致性代价函数；

34、总代价函数模块，用于将所述点云对抗代价函数、点云循环一致性代价函数、ct对抗代价函数和ct循环一致性代价函数组成总代价函数；

35、求解模块，用于根据所述总代价函数，使用求解器计算至收敛，得到面部骨性结构。

36、可选地，所述差值模块还用于：

37、使用3×3×3或5×5×5窗口对第一点云数据集进行中间值滤波；

38、使用预设矩阵对中间值滤波后的数据进行卷积，其中，所述预设矩阵如下：

39、[

40、[[ 0, 0, 0], [ 0, -1, 0], [ 0, 0, 0]],

41、[[ 0, -1, 0], [-1, 8, -1], [ 0, -1, 0]],

42、[[ 0, 0, 0], [ 0, -1, 0], [ 0, 0, 0]]

43、]

44、第二点云数据集与卷积后的第一点云数据集作差，得到光学点云数据。

45、可选地，所述第一更新模块还用于：

46、第一ct生成器对所述光学点云数据使用步长为2的3×3×3卷积进行5次下采样，以及使用3×3×3的转置卷积对称地进行上采样，最后使用线性整流函数作为激活函数得到第一ct生成数据；

47、所述第二更新模块还用于：

48、第二ct生成器对第二点云生成数据使用步长为2的3×3×3卷积进行5次下采样，以及使用3×3×3的转置卷积对称地进行上采样，最后使用线性整流函数作为激活函数得到第二ct生成数据。

49、可选地，所述总代价函数模块将所述点云对抗代价函数、点云循环一致性代价函数、ct对抗代价函数和ct循环一致性代价函数组成总代价函数，公式如下：

50、，

51、其中，l表示总代价函数，表示点云对抗代价函数，表示ct对抗代价函数，表示点云循环一致性代价函数，表示ct循环一致性代价函数，和是介于0到10之间的常数。

52、根据本发明的第三方面，本发明实施例还提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如以上任意一个实施例中面部骨性结构的构建方法的步骤。

53、根据本发明的第四方面，本发明实施例还提供一种存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如以上任意一个实施例中面部骨性结构的构建方法的步骤。

54、如上所述，本发明实施例提供的一种面部骨性结构的方法、装置、介质和设备，具有以下有益效果：通过获取第一点云数据集和第二点云数据集，其中，所述第一点云数据集包括面部体表皮肤信息和皮下组织信息，所述第二点云数据集包括面部体表皮肤信息、皮下组织信息和骨性信息；第二点云数据集对经过中间值滤波和锐度增强后的第一点云数据集作差，得到光学点云数据；光学点云数据输入第一ct生成器，得到第一ct生成数据；第一ct生成数据和ct测量数据均输入ct判别器，如果ct判别器成功区分第一ct生成数据和ct测量数据，更新第一ct生成器，否则，更新ct判别器；其中，所述ct判别器是3层全卷积网络结构；第一ct生成数据输入第一点云生成器，得到第一点云生成数据，所述第一点云生成数据和光学点云数据用于计算点云对抗代价函数和点云循环一致性代价函数；ct测量数据输入第二点云生成器，得到第二点云生成数据；第二点云生成数据和光学点云数据均输入点云判别器，如果点云判别器成功区分第二点云生成数据和光学点云数据，更新第二点云生成器，否则，更新点云判别器；其中，所述点云判别器是5层全卷积网络结构；第二点云生成数据输入第二ct生成器，得到第二ct生成数据，所述第二ct生成数据和ct测量数据用于计算ct对抗代价函数和ct循环一致性代价函数；所述点云对抗代价函数、点云循环一致性代价函数、ct对抗代价函数和ct循环一致性代价函数组成总代价函数；根据所述总代价函数，使用求解器计算至收敛，得到面部骨性结构。本发明提取了描述面部骨性结构的深层信息，进而根据提取到的骨性结构信息使用深度学习方法，从光学点云数据和ct测量数据训练得到面部骨性结构，有效提高了面部骨性结构的精度。