【技术实现步骤摘要】
【国外来华专利技术】眼底图像自动分析系统和方法
本专利技术涉及利用神经网络(“NN”)或深度神经网络(“DNN”)进行眼底图像自动分析的领域。
技术介绍
本文引用的每一篇参考文献都是通过全文引用而明确并入本文。人类的视网膜很容易用各种常见的专业相机来拍摄。在英国，大多数配镜师，特别是主要连锁店的配镜师已经在实践中使用了这种相机，并且越来越多地提供视网膜照片作为标准视力测试的一部分。视网膜图像可用于评估许多眼部疾病(或一般的视网膜病变)，近年来，随着数码相机分辨率的提高，视网膜图像已成为评估视网膜健康的首选方法。可以从图像上检测到多种类型的视网膜病变(从出血到肿瘤)，尽管许多此类疾病都可能导致严重的后果(包括失明)，但早期阶段通常没有病人能察觉到的症状。早期干预往往是成功管理和/或治愈视网膜病变的关键，存在许多不容忽视的公共卫生原因，使得视网膜图像评估更加常规化。II型糖尿病是一种特别相关的疾病，其后果之一是视网膜上出现小出血(小动脉瘤)。如果不及时治疗，它们可能会迅速发展为严重的眼部疾病，甚至可能在患者被诊断为II型糖尿...
【技术保护点】
1.对眼睛图像进行分类的方法，包含：/n接收眼睛图像；/n将所述眼睛图像归一化；/n将归一化的眼睛图像分割成多个区域；/n使用至少一个包含神经网络的分类器自动确定所述多个区域的眼部疾病向量；/n基于确定的眼部疾病向量，自动注释多个区域的每一个区域；和/n至少基于所述注释，自动对接收到的眼睛图像按照至少两个等级进行评级，/n其中，根据至少一个客观分类标准，基于眼睛图像各个区域的至少一个专家注释训练神经网络。/n
【技术特征摘要】
【国外来华专利技术】20170427 US 62/490,9771.对眼睛图像进行分类的方法，包含：
接收眼睛图像；
将所述眼睛图像归一化；
将归一化的眼睛图像分割成多个区域；
使用至少一个包含神经网络的分类器自动确定所述多个区域的眼部疾病向量；
基于确定的眼部疾病向量，自动注释多个区域的每一个区域；和
至少基于所述注释，自动对接收到的眼睛图像按照至少两个等级进行评级，
其中，根据至少一个客观分类标准，基于眼睛图像各个区域的至少一个专家注释训练神经网络。
2.根据权利要求1所述的方法，其中所述神经网络包含多个隐含层。
3.根据权利要求2所述的方法，其中所述神经网络包含深度神经网络。
4.根据权利要求1所述的方法，其中所述神经网络包含卷积神经网络。
5.根据权利要求1所述的方法，其中所述神经网络包含递归神经网络，还包含：接收在与血管图像不同的时间获取的第二血管图像；和输出至少取决于眼睛图像随时间变化的信息。
6.根据权利要求1所述的方法，还包含：接收视网膜图像的各个区域的质量的至少一个专家注释。
7.根据权利要求1所述的方法，其中所述至少一个分类器包含多类支持向量机分类器。
8.根据权利要求1所述的方法，其中所述至少一个分类器包含梯度提升分类器。
9.根据权利要求1所述的方法，其中所述至少一个分类器基于多个区域各自的眼部疾病向量对各个区域进行分类。
10.根据权利要求1所述的方法，其中所述至少一个分类器基于多个连续区域的眼部疾病向量对各个区域进行分类。
11.根据权利要求1所述的方法，其中所述至少一个分类器包含用于确定具有糖尿病性视网膜病变标记的区域的分类器。
12.根据权利要求1所述的方法，其中所述评级包含对糖尿病性视网膜病变的程度进行评级。
13.根据权利要求1所述的方法，其中所述评级伴随有所述评级的正确概率。
14.根据权利要求13所述的方法，其中所述正确概率包含I类错误概率和II类错误概率。
15.根据权利要求1所述的方法，还包含输出表示所述眼睛图像的区域分类的图像。
16.根据权利要求1所述的方法，其中所述眼睛图像包含眼底图像，且所述注释至少包含在各个眼底图像的各个区域内的糖尿病性视网膜病变的指示。
17.根据权利要求1所述的方法，其中所述自动评级至少按照三个不同等级。
18.根据权利要求1所述的方法，其中所述评级包含根据具有至少五个等级的标准化糖尿病性视网膜病变评定量表对糖尿病性视网膜病变程度进行评级。
19.根据权利要求1所述的方法，其中基于视网膜图像各个区域的质量的至少一个专家注释进一步训练所述神经网络。
20.根据权利要求19所述的方法，其中所述神经网络至少根据所述视网膜图像的各个区域的质量和等级来对所述视网膜图像的各个区域进行加权。
21.对眼睛图像进行分类的系统，包含：
输入，配置为接收至少一个眼睛图像；
存储器控制器，配置为存储信息，所述信息定义了根据至少一个客观分类标准，基于多个视网膜图像各个区域的至少一个专家注释训练的神经网络；
至少一个自动处理器，配置为：
将眼睛图像归一化；
将归一化的眼睛图像分割成多个区域；
使用至少一个包含定义的神经网络的分类器确定所述多个区域的眼部疾病向量；
根据确定的眼病向量，注释多个区域的每一个区域；和
至少基于所述注释，对接收到的眼睛图像按照至少两个等级进行评级；和
输出，配置为传达等级。
22.根据权利要求21所述的系统，其中所述神经网络包含多个隐含层。
23.根据权利要求22所述的系统，其中所述神经网络包含深度神经网络。
24.根据权利要求22所述的系统，其中所述神经网络包含卷积神经网络。
25.根据权利要求21所述的系统，其中所述神经网络包含递归神经网络，所述输入进一步配置为接收在与所述眼睛图像不同的时间获取的第二眼睛图像；并且所述至少一个自动处理器进...
【专利技术属性】
技术研发人员：S·帕斯卡拉基斯，M·博伯，
申请(专利权)人：视网膜病答案有限公司，视网膜病答案有限公司英国，S·帕斯卡拉基斯，M·博伯，
类型：发明
国别省市：英国;GB
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。