摘要：
泪河的高度可以反映泪腺的分泌情况，是评价干眼患者病情的重要指标之一。常见的泪液半月板高度检测方法包括基于数字图像处理技术的传统方法和基于泪液半月板图像的手动测量。前者容易受到眼组织干扰、图像拍摄角度、眨眼等问题的影响，而后者会因时间和人力成本而降低工作效率。针对上述问题，本文提出一种基于深度学习的泪液半月板高度检测方法。具体来说，对于获取的人眼图像，依次采用基于卷积神经网络的睁闭眼分类网络、泪液弯月面区域粗定位网络、泪液弯月面快速分割网络、泪液弯液面边缘校正和泪液弯液面高度计算模块，实现人眼图像的数据处理自动检测泪液弯液面高度。本文方法在实验中获得了99.5%的睁眼识别准确率、99.1%的睁眼召回率、91.6%的泪液半月板面积交叉比等结果。实验结果表明，与传统的数字图像处理方法相比，该方法具有更强的鲁棒性、检测更准确，并且还可以替代人工测量，提高工作效率。
参考文献：王重阳，陈文光。基于深度学习的泪液半月板高度检测方法[J].计算机应用文摘，2022，38（20）：5。
