一种疾病诊断系统技术方案

本发明专利技术公开了一种疾病诊断系统，所述系统包括有：图像获取模块，用于获取带标注的医学图像；诊断模型建立模块，用于基于所述带标注的医学图像，构建深度神经网络并对所述深度神经网络进行优化训练，输出诊断模型；疾病诊断模块，用于获取待诊患者的医学图像，利用所述诊断模型分析处理带标注的医学图像以及所述待诊患者的医学图像，确定所述待诊患者的诊断结果。本发明专利技术提供的疾病诊断系统利用了人工智能技术，辅助医生进行疾病的诊断，实现了疾病筛查诊断的规范化、标准化、均质化。

【技术实现步骤摘要】
一种疾病诊断系统
本专利技术涉及医疗
，具体的，本专利技术涉及一种疾病诊断系统。
技术介绍
糖尿病视网膜病变(简称“糖网病”)是由糖尿病引起的并发症，是一种常见致盲性眼病。中国是世界上糖尿病患病人数最多的国家，糖网病的患病率和致盲率也在逐年升高。因此，糖网病的防治成为越来越重要的社会问题。定期眼底筛查并在早期采取适时以及有效的干预措施，可以显著降低糖网病的致盲率。但是，目前我国专业从事眼底服务和研究的医生稀缺而内分泌科医生都不具有眼底阅片的能力，使得不能对患者及时进行糖网病的筛查。随着网络信息交互的研究和应用，以及人工智能技术的逐渐成熟，依托于互联网平台的疾病诊断具有越来越高的可行性。因此，有必要提供一种基于人工智能的疾病诊断系统来辅助内分泌科的医生进行糖网病的筛查。
技术实现思路
为了解决上述技术问题，本申请提供了一种疾病诊断系统以及装置。第一方面，本专利技术披露了一种疾病诊断系统，包括:图像获取模块，用于获取带标注的医学图像；诊断模型建立模块，用于基于所述带标注的医学图像，构建深度神经网络并对所述深度神经网络进行优化训练，输出诊断模型；疾病诊断模块，用于获取待诊患者的医学图像，并将所述待诊患者的医学图像输入所述诊断模型，利用所述诊断模型提取所述带标注的医学图像的标准特征集、所述待诊患者的医学图像的待诊特征集以及所述标准特征集中各个特征的权重，并将所述待诊特征集与所述标准特征集进行比对，基于所述权重和比对结果，获得与所述待诊患者的医学图像相匹配的带标注的医学图像，根据所述相匹配的带标注的医学图像，确定所述待诊患者的诊断结果。在一些实施例中，所述医学图像为眼底图像。在一些实施例中，所述医学图像存储在云端，所述云端包括数据备份单元，所述数据备份单元用于对所述医学图像进行备份以及跨区域复制。在一些实施例中，所述图像获取模块还用于对所述医学图像进行加密处理。在一些实施例中，所述深度神经网络为卷积神经网络。在一些实施例中，所述疾病诊断模块包括：图像获取单元，用于获取待诊患者的眼底图像；预处理单元，用于基于图像分割算法对所述眼底图像进行分割，根据分割得到的各区域内的眼底血管，提取所述眼底图像中的异常区域；提取单元，用于利用所述深度神经网络提取所述带标注的眼底图像异常区域的标准特征集、所述待诊患者的眼底图像异常区域的待诊特征集以及所述标准特征集中各个特征的权重；对比单元，用于将所述标准特征集中的特征与所述待诊特征集中的对应特征进行比对，获得待诊特征集中每一特征与标准特征集中对应特征之间的相似度，基于所述相似度和权重，确定所述待诊特征集与标准特征集的匹配度；诊断结果确定单元，用于基于所述匹配度和设定阈值，确定与所述待诊患者的眼底图像相匹配的带标注的眼底图像，根据所述相匹配的带标注的眼底图像确定所述待诊患者的诊断结果，所述诊断结果为糖网病的病变等级。在一些实施例中，所述标准特征集包括：颜色特征、形状特征和空间位置关系特征中的至少一种。在一些实施例中，所述系统还包括：图像处理模块，用于对所述医学图像进行规范化处理和扩增处理。在一些实施例中，所述扩增处理包括：裁剪、旋转、拉伸、平移、色彩空间调整、白化中的至少一种。在一些实施例中，所述系统还包括：用户终端：用于采集待诊患者的医学图像以及接收所述诊断结果。第二方面，本专利技术披露了一种疾病诊断装置，包括：至少一个处理器；以及存储器，所述存储器上存储有可执行指令，所述可执行指令由所述至少一个处理器执行，导致所述装置实现疾病诊断方法。第三方面，本专利技术披露了一种计算机可读储存介质，包括可执行指令，所述指令被至少一个处理器执行时，实现疾病诊断方法。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。附图说明为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术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公开的一些实施例，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，还可以根据这些图获得其他的附图。图1为疾病诊断系统的一种示例系统配置示意图；图2为用于实现本专利技术技术方案的专用系统的示例性计算设备的框图；图3为用于实现本专利技术技术方案的专用系统的示例性移动设备的框图；图4为其中一个实施例提供的一种疾病诊断系统的模块图；图5为其中一个实施例提供的一种疾病诊断模块的示意图。具体实施方式下面将结合附图和实施例对本专利技术作进一步的详细说明。本专利技术的前述和其它目的、特征、方面和优点将变得更加明显，以令本领域技术人员参照说明书文字能够据以实施。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以应对于方法、函数、规程、子例程、子程序等等。在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。图1所示的是疾病诊断系统的一种示例系统配置示意图。示例性疾病诊断系统100可以包括疾病诊断装置110、网络120、用户终端130和存储模块140。在一些实施例中，所述疾病诊断装置110可以用于对获取的带标注的医学图像和待诊患者的医学图像进行分析处理生成诊断结果。所述疾病诊断装置110可以是单个服务器，也可以是一个服务器群组。一个服务器群组可以是集中式的，例如数据中心。一个服务器群组也可以是分布式的，例如一个分布式系统。所述疾病诊断装置110可以是本地的，也可以是远程的。疾病诊断装置110可以用于对获取的待诊患者的医学图像进行分析处理以生成诊断结果。在一些实施例中，疾病诊断装置110可以包括用于执行疾病诊断装置110的指令(程序代码)的控制处理器112。例如，控制处理器112能够执行疾病诊断程序的指令，进而通过一定的算法对待诊患者的医学图像进行分析处理确定诊断结果，并将所述诊断结果传输给用户终端130。用户终端130是指发布服务请求的个人、工具或者其他实体。用户终端130包括但不限于手机130-1、平板电脑130-2、笔记本电脑130-3等中的一种或几种的组合。疾病诊断装置110可以访问存取或储存在存储模块140的医学图像信息，也可以通过网络120将诊断结果传输给用户终端130。在一些实施例中，存储模块140可以泛指具有存储功能的设备。存储模块140主要用于存储从用户终端130发送的医学图像信息和疾病诊断装置110工作中产生的各种数据。存储模块140可以是本地的，也可以是远程的。系统数据库与系统其他模块间的连接或通信可以是有线的，也可以是无线的。网络120可以提供信息交换的渠道。网络本文档来自技高网...

【技术保护点】
1.一种疾病诊断系统，其特征在于，包括：图像获取模块，用于获取带标注的医学图像；诊断模型建立模块，用于基于所述带标注的医学图像，构建深度神经网络并对所述深度神经网络进行优化训练，输出诊断模型；疾病诊断模块，用于获取待诊患者的医学图像，并将所述待诊患者的医学图像输入所述诊断模型，利用所述诊断模型提取所述带标注的医学图像的标准特征集、所述待诊患者的医学图像的待诊特征集以及所述标准特征集中各个特征的权重，并将所述待诊特征集与所述标准特征集进行比对，基于所述权重和比对结果，获得与所述待诊患者的医学图像相匹配的带标注的医学图像，根据所述相匹配的带标注的医学图像，确定所述待诊患者的诊断结果。

【技术特征摘要】
1.一种疾病诊断系统，其特征在于，包括：图像获取模块，用于获取带标注的医学图像；诊断模型建立模块，用于基于所述带标注的医学图像，构建深度神经网络并对所述深度神经网络进行优化训练，输出诊断模型；疾病诊断模块，用于获取待诊患者的医学图像，并将所述待诊患者的医学图像输入所述诊断模型，利用所述诊断模型提取所述带标注的医学图像的标准特征集、所述待诊患者的医学图像的待诊特征集以及所述标准特征集中各个特征的权重，并将所述待诊特征集与所述标准特征集进行比对，基于所述权重和比对结果，获得与所述待诊患者的医学图像相匹配的带标注的医学图像，根据所述相匹配的带标注的医学图像，确定所述待诊患者的诊断结果。2.如权利要求1所述的系统，其特征在于，所述医学图像为眼底图像。3.如权利要求1所述的系统，其特征在于，所述医学图像存储在云端，所述云端包括数据备份单元，所述数据备份单元用于对所述医学图像进行备份以及跨区域复制。4.如权利要求1所述的系统，其特征在于，所述图像获取模块还用于对所述医学图像进行加密处理。5.如权利要求1所述的系统，其特征在于，所述深度神经网络为卷积神经网络。6.如权利要求2所述的系统，其特征在于，所述疾病诊断模块包括：图像获取单元，用于获取待诊患者的眼底图像；预处理单元，用于基于图像分割算法对所述眼底图像进行分割，根据分割得到的各区域内的眼底血管，提取所述眼底图像中的异常区域；提取单元，用于利用所述深度神经网络提取所述带标注的眼底图像异常区域的标准特征集、所述待诊患者的眼底图像异常区域的待诊特征集以及所述标准特征集中各个特征的权重；对比单元，用于将所述标准特征集中的特征与所述待诊特征集中的对应特征进行比对，获得待诊特征集中每一特征与标准特征集中对应特征之间的相似度，基于所述相似度和权重，确定所述待诊特征集与标准特征集的匹配度；诊断结果确定单元，用于基于所述匹配度和设定阈值，确定与所述待诊患者的眼底图像相匹配的带标注的眼底图像，根据所述相匹配的带标注的眼底图像确定所述待诊患者的诊断结果，所述诊断结...

【专利技术属性】
技术研发人员：姜迅，薛瑞，
申请(专利权)人：苏州医云健康管理有限公司，
类型：发明
国别省市：江苏,32