一种识别视网膜脱离的人工智能系统和方法技术方案

本发明专利技术涉及医疗图像处理技术领域，尤其涉及一种识别视网膜脱离的人工智能系统和方法，包括：将广域眼底图像输入到第一卷积神经网络中，判断其是否存在视网膜脱离；当判断所述广域眼底图像存在视网膜脱离时，在所述广域眼底图像上定位视网膜脱离病灶部位；在判断为存在视网膜脱离的所述广域眼底图像上生成由所述广域眼底图像中心指向所述视网膜脱离病灶部位中心的箭头，用于指导术前体位。本发明专利技术识别视网膜脱离准确高效，能够实现大规模的人群健康体检，即便是专业经验较少的眼科医生或者非专业的基层医院医生也可以直接通过筛查图像准确解读患者的广域眼底图像，为患者提供更全面的病情评估。

An artificial intelligence system and method for recognizing retinal detachment

【技术实现步骤摘要】
一种识别视网膜脱离的人工智能系统和方法
本专利技术涉及医疗图像处理
，更具体地，涉及一种识别视网膜脱离的人工智能系统和方法。
技术介绍
现如今，在进行视网膜脱离检查过程中，首先对患者进行散瞳，瞳孔散大一般需要10分钟，然后专业的眼科医生通过眼底镜探查全视网膜，有时甚至需要用到巩膜外压迫才能检查到远周边的视网膜。目前的视网膜脱离检查只能在眼科专科进行，特别是对于早期患者来说，视网膜脱离往往在眼底的周边部，更需要患者和专业有经验的眼科医生两者配合才能发现。在视网膜脱离手术前采用合适的体位能够延缓视网膜脱离的进展，从而降低手术的并发症，所以当检查出此类患者后，需要专业的眼底病科医生对患者手术前的体位进行指导，延缓患者视网膜脱离范围扩大。同时，专业的眼底病科医生还能够根据眼底的情况给与患者疾病预后的评估，让患者准确了解自己的病情。综上，由于目前视网膜脱离的检查费时费力，导致实施大规模人群的健康体检筛查的可能性较低，这可能造成大部分患者诊治的延误，使得视网膜脱离对患者视力造成严重的损害，尤其是在视网膜脱离进展到侵犯黄斑时，视力预后比本文档来自技高网...

【技术保护点】
1.一种识别视网膜脱离的人工智能方法，其特征在于，包括以下步骤：/nS1、将广域眼底图像输入到第一卷积神经网络中，判断其是否存在视网膜脱离；/nS2、当判断所述广域眼底图像存在视网膜脱离时，在所述广域眼底图像上定位视网膜脱离病灶部位；/nS3、在判断为存在视网膜脱离的所述广域眼底图像上生成由所述广域眼底图像中心指向所述视网膜脱离病灶部位中心的箭头。/n

【技术特征摘要】
1.一种识别视网膜脱离的人工智能方法，其特征在于，包括以下步骤：
S1、将广域眼底图像输入到第一卷积神经网络中，判断其是否存在视网膜脱离；
S2、当判断所述广域眼底图像存在视网膜脱离时，在所述广域眼底图像上定位视网膜脱离病灶部位；
S3、在判断为存在视网膜脱离的所述广域眼底图像上生成由所述广域眼底图像中心指向所述视网膜脱离病灶部位中心的箭头。


2.根据权利要求1所述的一种识别视网膜脱离的人工智能方法，其特征在于，还包括：
S4、将判断为存在视网膜脱离的所述广域眼底图像输入到第二卷积神经网络中，判断其是否存在黄斑性视网膜脱离病变；
S5、根据判断结果形成辅助性建议报告。


3.根据权利要求1所述的一种识别视网膜脱离人工智能方法，其特征在于，所述步骤S2具体包括：
S21、当判断所述广域眼底图像存在视网膜脱离时，计算广域眼底图像每个像素对于卷积神经网络分类结果的影响程度；
S22、选取对分类结果影响程度最大的区域作为视网膜脱离病灶部位。


4.根据权利要求3所述的一种识别视网膜脱离人工智能方法，其特征在于，所述步骤S21具体包括：
将卷积神经网络的权重固定，计算输出类相对输入图像每个像素的梯度，并以此梯度作为每个像素对最终结果的影响因子，将此影响因子以图片的方法显示，即可显示出原始图片对分类结果影响程度最大的区域。


5.根据权利要求书1所述的一种识别视网膜脱离的人工智能方法，其特征在于，至少所述步骤S1在云平台上运行，所述广域眼底图像由用户上传到云平台。


6.一种识别视网膜...

【专利技术属性】
技术研发人员：林浩添，李中文，郭翀，张凯，林铎儒，
申请(专利权)人：中山大学中山眼科中心，
类型：发明
国别省市：广东;44