A method, system and device for processing fundus images using a machine learning model of fundus image processing includes a computer program encoded on a computer storage medium. One of the methods includes: obtaining a model input comprising one or more fundus images, each of which is an image of the patient's eyes; processing the model input using the fundus image processing machine learning model, which is configured to process the model input comprising one or more fundus images for generating. Model output; and processing the model output to generate health analysis data.
【技术实现步骤摘要】
【国外来华专利技术】使用机器学习模型处理眼底图像
本说明书涉及使用机器学习模型处理图像。
技术介绍
机器学习模型接收输入并且基于接收的输入生成输出,例如预测的输出。一些机器学习模型是参数模型,并且基于接收的输入和模型的参数值生成输出。一些机器学习模型是深度模型,所述深度模型采用多层模型来为接收的输入生成输出。例如,深度神经网络是深度机器学习模型,所述深度机器学习模型包括输出层和一个或多个隐藏层,所述输出层和一个或多个隐藏层各自对接收的输入应用非线性转变以生成输出。一些神经网络是递归神经网络。递归神经网络是接收输入序列并且从所述输入序列生成输出序列的神经网络。特别地,在从所述输入序列中的当前输入生成输出中,在处理输入序列中的前一个输入之后,递归神经网络使用网络的内部状态中的一些或全部。
技术实现思路
本说明书总体上描述一种通过使用眼底图像处理机器学习模型处理包括患者的一个或多个眼底图像的数据来生成有关患者的健康分析数据的系统。可以实现本说明书中所描述的主题的特定实施例,以便实现以下优点中的一个或多个。健康分析系统可以仅使用患者的眼睛的眼底的一个或多个图像以及最少或没有其它患者数据来有效地分析患者的健康。特别地,健康分析系统可以使用眼底图像有效地分析特定身体状况的存在或可能的进展。替代地或另外,健康分析系统可以有效地预测在治疗身体状况的过程中哪些治疗或后续举措将是最有效的。替代地或另外,健康分析系统可以准确地评估患者出现不期望的健康事件的风险,或者使用眼底图像准确地评估患者的整体健康。替代地或另外,健康分析系统可以使用眼底图像准确地预测导致患者会出现特定一组健康事件的风险的一组因素的 ...
【技术保护点】
1.一种方法,包括:获得包括一个或多个眼底图像的模型输入,每个眼底图像是患者的眼睛的眼底的图像;使用眼底图像处理机器学习模型处理所述模型输入,其中所述眼底图像处理机器学习模型被配置成处理包括所述一个或多个眼底图像的模型输入,以生成表征所述患者关于青光眼的健康的模型输出;以及处理所述模型输出以生成健康分析数据,所述健康分析数据对所述患者关于青光眼的所述健康的方面进行分析。
【技术特征摘要】
【国外来华专利技术】2016.08.18 US 62/376,8601.一种方法,包括:获得包括一个或多个眼底图像的模型输入,每个眼底图像是患者的眼睛的眼底的图像;使用眼底图像处理机器学习模型处理所述模型输入,其中所述眼底图像处理机器学习模型被配置成处理包括所述一个或多个眼底图像的模型输入,以生成表征所述患者关于青光眼的健康的模型输出;以及处理所述模型输出以生成健康分析数据,所述健康分析数据对所述患者关于青光眼的所述健康的方面进行分析。2.根据权利要求1所述的方法,其中所述模型输入还包括其它患者数据,所述其它患者数据包括眼部测量数据、患者人口统计学数据或二者。3.根据权利要求1或2中任一项所述的方法,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼睛的所述眼底的当前状态的单个眼底图像。4.根据权利要求1或2中任一项所述的方法,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括多个眼底图像,所述多个眼底图像各自捕获所述患者的所述眼睛的所述眼底的当前状态的不同方面。5.根据权利要求1或2中任一项所述的方法,其中所述眼底图像处理机器学习模型是递归机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼底是如何随时间演变的多个眼底图像的时间序列。6.根据权利要求1到5中任一项所述的方法,其中所述模型输出包括表示所述患者具有青光眼的可能性的状况状态分值。7.根据权利要求1到5中任一项所述的方法,其中所述模型输出包括多个状况状态分值,每个状况状态分值对应于青光眼的相应可能的等级,并且每个状况状态分值表示青光眼的所述对应可能的等级是针对所述患者的当前青光眼等级的相应可能性。8.根据权利要求1到5中任一项所述的方法,其中所述模型输出包括多个后续分值,每个后续分值对应于可以被所述患者采取来治疗所述青光眼的相应可能的后续举措,并且每个后续分值表示所述对应后续举措是将被采取来有效地治疗所述青光眼的适当举措的相应可能性。9.根据权利要求1到5中任一项所述的方法,其中所述模型输出包括多个进展分值,每个进展分值对应于所述青光眼的相应可能等级,并且每个状况分值表示所述对应等级将是针对所述患者在预确定未来时间的所述青光眼的所述等级的相应可能性。10.一种系统,包括一个或多个计算机和存储指令的一个或多个存储装置,所述指令当被所述一个或多个计算机实行时致使所述一个或多个计算机执行操作,所述操作包括:获得包括一个或多个眼底图像的模型输入,每个眼底图像是患者的眼睛的眼底的图像;使用眼底图像处理机器学习模型处理所述模型输入,其中所述眼底图像处理机器学习模型被配置成处理包括所述一个或多个眼底图像的模型输入,以生成表征所述患者关于青光眼的健康的模型输出;以及处理所述模型输出以生成健康分析数据,所述健康分析数据对所述患者关于青光眼的所述健康的方面进行分析。11.根据权利要求10所述的系统,其中所述模型输入还包括其它患者数据,所述其它患者数据包括眼部测量数据、患者人口统计学数据或二者。12.根据权利要求10或11中任一项所述的系统,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼睛的所述眼底的当前状态的单个眼底图像。13.根据权利要求10或11中任一项所述的系统,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括多个眼底图像,所述多个眼底图像各自捕获所述患者的所述眼睛的所述眼底的当前状态的不同方面。14.根据权利要求10或11中任一项所述的系统,其中所述眼底图像处理机器学习模型是递归机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼底是如何随时间演变的多个眼底图像的时间序列。15.根据权利要求10到14中任一项所述的系统,其中所述模型输出包括表示所述患者具有青光眼的可能性的状况状态分值。16.根据权利要求10到14中任一项所述的系统,其中所述模型输出包括多个状况状态分值,每个状况状态分值对应于青光眼的相应可能的等级,并且每个状况状态分值表示青光眼的所述对应可能的等级是针对所述患者的当前青光眼等级的相应可能性。17.根据权利要求10到14中任一项所述的系统,其中所述模型输出包括多个后续分值,每个后续分值对应于可以被所述患者采取来治疗所述青光眼的相应可能的后续举措,并且每个后续分值表示所述对应后续举措是将被采取来有效地治疗所述青光眼的适当举措的相应可能性。18.根据权利要求10到14中任一项所述的系统,其中所述模型输出包括多个进展分值,每个进展分值对应于所述青光眼的相应可能等级,并且每个状况分值表示所述对应等级将是针对所述患者在预确定未来时间的所述青光眼的所述等级的相应可能性。19.一种编码有指令的计算机存储介质,所述指令当被一个或多个计算机实行时致使所述一个或多个计算机执行操作,所述操作包括:获得包括一个或多个眼底图像的模型输入,每个眼底图像是患者的眼睛的眼底的图像;使用眼底图像处理机器学习模型处理所述模型输入,其中所述眼底图像处理机器学习模型被配置成处理包括所述一个或多个眼底图像的模型输入,以生成表征所述患者关于青光眼的健康的模型输出;以及处理所述模型输出以生成健康分析数据,所述健康分析数据对所述患者关于青光眼的所述健康的方面进行分析。20.根据权利要求19所述的计算机存储介质,其中所述模型输入还包括其它患者数据,所述其它患者数据包括眼部测量数据、患者人口统计学数据或二者。21.根据权利要求19或20中任一项所述的计算机存储介质,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼睛的所述眼底的当前状态的单个眼底图像。22.根据权利要求19或20中任一项所述的计算机存储介质,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括多个眼底图像,所述多个眼底图像各自捕获所述患者的所述眼睛的所述眼底的当前状态的不同方面。23.根据权利要求19或20中任一项所述的计算机存储介质,其中所述眼底图像处理机器学习模型是递归机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼底是如何随时间演变的多个眼底图像的时间序列。24.根据权利要求19到23中任一项所述的计算机存储介质,其中所述模型输出包括表示所述患者具有青光眼的可能性的状况状态分值。25.根据权利要求19到23中任一项所述的计算机存储介质,其中所述模型输出包括多个状况状态分值,每个状况状态分值对应于青光眼的相应可能的等级,并且每个状况状态分值表示青光眼的所述对应可能的等级是针对所述患者的当前青光眼等级的相应可能性。26.根据权利要求19到23中任一项所述的计算机存储介质,其中所述模型输出包括多个后续分值,每个后续分值对应于可以被所述患者采取来治疗所述青光眼的相应可能的后续举措,并且每个后续分值表示所述对应后续举措是将被采取来有效地治疗所述青光眼的适当举措的相应可能性。27.根据权利要求19到23中任一项所述的计算机存储介质,其中所述模型输出包括多个进展分值,每个进展分值对应于所述青光眼的相应可能等级,并且每个状况分值表示所述对应等级将是针对所述患者在预确定未来时间的所述青光眼的所述等级的相应可能性。28.一种方法,包括:获得包括一个或多个眼底图像的模型输入,每个眼底图像是患者的眼睛的眼底的图像;使用眼底图像处理机器学习模型处理所述模型输入,其中所述眼底图像处理机器学习模型被配置成处理包括所述一个或多个眼底图像的模型输入,以生成表征所述患者关于年龄相关的黄斑变性的健康的模型输出;以及处理所述模型输出以生成健康分析数据,所述健康分析数据对所述患者关于年龄相关的黄斑变性的所述健康的方面进行分析。29.根据权利要求28所述的方法,其中所述模型输入还包括其它患者数据,所述其它患者数据包括眼部测量数据、患者人口统计学数据或二者。30.根据权利要求28或29中任一项所述的方法,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼睛的所述眼底的当前状态的单个眼底图像。31.根据权利要求28或29中任一项所述的方法,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括多个眼底图像,所述多个眼底图像各自捕获所述患者的所述眼睛的所述眼底的当前状态的不同方面。32.根据权利要求28或29中任一项所述的方法,其中所述眼底图像处理机器学习模型是递归机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼底是如何随时间演变的多个眼底图像的时间序列。33.根据权利要求28到32中任一项所述的方法,其中所述模型输出包括表示所述患者具有年龄相关的黄斑变性的可能性的状况状态分值。34.根据权利要求28到32中任一项所述的方法,其中所述模型输出包括多个状况状态分值,每个状况状态分值对应于年龄相关的黄斑变性的相应可能的等级,并且每个状况状态分值表示年龄相关的黄斑变性的所述对应可能的等级是针对所述患者的当前年龄相关的黄斑变性等级的相应可能性。35.根据权利要求28到32中任一项所述的方法,其中所述模型输出包括多个后续分值,每个后续分值对应于可以被所述患者采取来治疗所述年龄相关的黄斑变性的相应可能的后续举措,并且每个后续分值表示所述对应后续举措是将被采取来有效地治疗所述年龄相关的黄斑变性的适当举措的相应可能性。36.根据权利要求28到32中任一项所述的方法,其中所述模型输出包括多个进展分值,每个进展分值对应于所述年龄相关的黄斑变性的相应可能等级,并且每个状况分值表示所述对应等级将是针对所述患者在预确定未来时间的所述年龄相关的黄斑变性的所述等级的相应可能性。37.一种系统,包括一个或多个计算机和存储指令的一个或多个存储装置,所述指令当被所述一个或多个计算机实行时致使所述一个或多个计算机执行操作,所述操作包括:获得包括一个或多个眼底图像的模型输入,每个眼底图像是患者的眼睛的眼底的图像;使用眼底图像处理机器学习模型处理所述模型输入,其中所述眼底图像处理机器学习模型被配置成处理包括所述一个或多个眼底图像的模型输入,以生成表征所述患者关于年龄相关的黄斑变性的健康的模型输出;以及处理所述模型输出以生成健康分析数据,所述健康分析数据对所述患者关于年龄相关的黄斑变性的所述健康的方面进行分析。38.根据权利要求37所述的系统,其中所述模型输入还包括其它患者数据,所述其它患者数据包括眼部测量数据、患者人口统计学数据或二者。39.根据权利要求37或38中任一项所述的系统,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼睛的所述眼底的当前状态的单个眼底图像。40.根据权利要求37或38中任一项所述的系统,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括多个眼底图像,所述多个眼底图像各自捕获所述患者的所述眼睛的所述眼底的当前状态的不同方面。41.根据权利要求37或38中任一项所述的系统,其中所述眼底图像处理机器学习模型是递归机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼底是如何随时间演变的多个眼底图像的时间序列。42.根据权利要求37到41中任一项所述的系统,其中所述模型输出包括表示所述患者具有年龄相关的黄斑变性的可能性的状况状态分值。43.根据权利要求37到41中任一项所述的系统,其中所述模型输出包括多个状况状态分值,每个状况状态分值对应于年龄相关的黄斑变性的相应可能的等级,并且每个状况状态分值表示年龄相关的黄斑变性的所述对应可能的等级是针对所述患者的当前年龄相关的黄斑变性等级的相应可能性。44.根据权利要求37到41中任一项所述的系统,其中所述模型输出包括多个后续分值,每个后续分值对应于可以被所述患者采取来治疗所述年龄相关的黄斑变性的相应可能的后续举措,并且每个后续分值表示所述对应后续举措是将被采取来有效地治疗所述年龄相关的黄斑变性的适当举措的相应可能性。45.根据权利要求37到41中任一项所述的系统,其中所述模型输出包括多个进展分值,每个进展分值对应于所述年龄相关的黄斑变性的相应可能等级,并且每个状况分值表示所述对应等级将是针对所述患者在预确定未来时间的所述年龄相关的黄斑变性的所述等级的相应可能性。46.一种编码有指令的计算机存储介质,所述指令当被一个或多个计算机实行时致使所述一个或多个计算机执行操作,所述操作包括:获得包括一个或多个眼底图像的模型输入,每个眼底图像是患者的眼睛的眼底的图像;使用眼底图像处理机器学习模型处理所述模型输入,其中所述眼底图像处理机器学习模型被配置成处理包括所述一个或多个眼底图像的模型输入,以生成表征所述患者关于年龄相关的黄斑变性的健康的模型输出;以及处理所述模型输出以生成健康分析数据,所述健康分析数据对所述患者关于年龄相关的黄斑变性的所述健康的方面进行分析。47.根据权利要求46所述的计算机存储介质,其中所述模型输入还包括其它患者数据,所述其它患者数据包括眼部测量数据、患者人口统计学数据或二者。48.根据权利要求46或47中任一项所述的计算机存储介质,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼睛的所述眼底的当前状态的单个眼底图像。49.根据权利要求46或47中任一项所述的计算机存储介质,其中所述眼底图像处理机器学习模型是前馈机器学习模型,并且其中所述一个或多个眼底图像包括多个眼底图像,所述多个眼底图像各自捕获所述患者的所述眼睛的所述眼底的当前状态的不同方面。50.根据权利要求46或47中任一项所述的计算机存储介质,其中所述眼底图像处理机器学习模型是递归机器学习模型,并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼底是如何随时间演变的多个眼底图像的时间序列。51.根据权利要求46到50中任一项所述的计算机存储介质,其中所述模型输出包括表示所述患者具有年龄相关的黄斑变性的可能性的状况状态分值。52.根据权利要求46到50中任一项所述的计算机存储介质,其中所述模型输出包括多个状况状态分值,每个状况状态分值对应于年龄相关的黄斑变性的相应可能的等级,并且每个状况状态分值表示年龄相关的黄斑变性的所述对应可能的等级是针对所述患者的当前年龄相关的黄斑变性等级的相应可能性。53.根据权利要求46到50中任一项所述的计算机存储介质,其中所述模型输出包括多个后续分值,每个后续分值对应于可以被所述患者采取来...
【专利技术属性】
技术研发人员:丽莉·浩·义·彭,达莱·R·韦伯斯特,菲利普·查尔斯·内尔松,瓦伦·古尔尚,马克·阿德莱·科拉姆,马丁·克里斯蒂安·施通佩,德里克·詹梅·吴,阿鲁纳沙拉姆·纳拉亚那斯瓦米,阿维纳什·维迪亚纳坦·瓦拉达拉扬,凯瑟琳·布卢默,刘韵,瑞安·波普兰,
申请(专利权)人:谷歌有限责任公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。