【技术实现步骤摘要】
基于眼底影像确定吸烟程度的方法及设备
本专利技术涉及医学图像识别领域，具体涉及一种基于眼底影像确定吸烟程度的方法及设备。
技术介绍
近年来机器学习技术在医学领域得到了广泛的应用，尤其以深度学习为代表的机器学习技术在医疗影像领域被广泛关注。在眼底图像检测方面，深度学习技术可以较为准确的检测出眼底图像某一特征，如利用大量糖尿病患者的眼底图像样本对深度学习模型进行训练，利用训练后的模型即可对眼底图像进行糖尿病检测。吸烟是许多心、脑血管疾病的主要危险因素，吸烟者的冠心病、高血压病、脑血管病及周围血管病的发病率均明显升高。统计资料表明，冠心病和高血压病患者中75％有吸烟史。长期的医学研究表明，吸烟可以导致眼底的诸多变化，医学上比较明显的就是长期吸烟会导致眼底的脉络膜厚度变薄。吸烟程度与对身体健康的损害程度有直接的关系，对于很多疾病而言，为了更准确地了解疾病情况或者病因等，都有必要了解患者的吸烟情况，而目前常由吸烟者主观表达是否有吸烟史，或者表达其大概的吸烟量等等，通过患者主观描述了解吸烟情况的准确性较差。
【技术保护点】
1.一种基于眼底影像确定吸烟程度的方法，其特征在于，包括：/n获取眼底彩照和眼底OCT图像；/n利用机器学习模型对所述眼底彩照和所述眼底OCT图像进行识别，所述机器学习模型包括第一特征提取网络、第二特征提取网络、融合网络和输出网络，所述第一特征提取网络用于对所述眼底彩照提取第一特征数据，所述第二特征提取网络用于对所述眼底OCT图像提取第二特征数据，所述融合网络用于融合所述第一特征数据和所述第二特征数据得到融合特征数据，所述输出网络用于根据所述融合特征数据确定吸烟程度信息。/n
【技术特征摘要】
1.一种基于眼底影像确定吸烟程度的方法，其特征在于，包括：
获取眼底彩照和眼底OCT图像；
利用机器学习模型对所述眼底彩照和所述眼底OCT图像进行识别，所述机器学习模型包括第一特征提取网络、第二特征提取网络、融合网络和输出网络，所述第一特征提取网络用于对所述眼底彩照提取第一特征数据，所述第二特征提取网络用于对所述眼底OCT图像提取第二特征数据，所述融合网络用于融合所述第一特征数据和所述第二特征数据得到融合特征数据，所述输出网络用于根据所述融合特征数据确定吸烟程度信息。
2.根据权利要求1所述的方法，其特征在于，在利用机器学习模型对所述眼底彩照和所述眼底OCT图像进行识别之前，还包括：获取年龄信息和/或性别信息；
所述机器学习模型包括多个输出网络，其中一个输出网络用于根据所述融合特征数据确定吸烟程度信息，其它输出网络用于根据所述融合特征数据确定年龄信息和/或性别信息。
3.一种吸烟程度模型训练方法，其特征在于，包括：
获取多个训练数据，所述训练数据包括眼底彩照、眼底OCT图像和吸烟程度信息；
根据输出网络输出的吸烟程度信息与训练数据中的吸烟程度信息的差异优化所述机器学习模型的参数。
4.根据权利要求3所述的方法，其特征在于，所述训练数据还包括年龄信息和/或性别信息；
所述机器学习模型包括多个输出网络，其中一个输出网络用于根据所述融合特征数据确定吸烟程度信息，其它输出网络用于根据所述融合特征数据确...
【专利技术属性】
技术研发人员：熊健皓，赵昕，和超，张大磊，
申请(专利权)人：上海鹰瞳医疗科技有限公司，
类型：发明
国别省市：上海;31
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。