一种眼表疾病自动筛查方法与系统、区块链技术方案

本发明专利技术提供一种眼表疾病自动筛查方法与系统、区块链，所述眼表疾病自动筛查方法包括：将密集连接卷积神经网络中的密集块采取双通道密集块结构，使用双通道来提取特征。本发明专利技术的眼表疾病自动筛查方法引入轻量级网络思想，通过优化深度网络结构，大大减少了模型的参数和计算量；首次将人工智能算法和区块链技术应用于眼表疾病筛查，实现了一个可以自我完善，不断更新与维护、生态良好的眼表疾病筛查系统。本发明专利技术的一种眼表疾病自动筛查方法与系统可以部署在移动端，使得患者可以随时在手机上方便、安全地监控自身眼表疾病的发展，选择对图像、疾病等不敏感数据是否公开，对病历、个人资料等隐私信息进行保护，提高了对眼表图像数据的利用效率。

【技术实现步骤摘要】
一种眼表疾病自动筛查方法与系统、区块链
本专利技术属于及医疗影像、疾病筛查领域，特别涉及一种眼表疾病自动筛查方法与系统、区块链。
技术介绍
眼表及眼表疾病是近年来提出的新概念。眼表疾病(OcularSurfaceDisease,OSD)是指损害角膜、结膜等眼表正常结构与功能的疾病。OSD有很多，比如干眼症、角膜炎和翼状胬肉等，这些都属于OSD的范畴。所有年龄段的OSD患者都会出现畏光、角膜疤痕、间歇性视力模糊、疼痛等症状。外伤、炎症等各种损伤因素均可导致角膜、结膜上皮表型发生改变，造成角膜新生血管化、干眼等一系列的病理变化，进而造成了患者视功能障碍。因此，眼表结构和功能的正常是获得清晰视觉的前提条件。目前，临床眼表疾病的筛查手段主要是在眼科医院门诊部，由眼科医生扩张患者眼睛，来判断眼睛视网膜是否存在疾病的早期迹象，再结合专业的医疗设备进行诊断，比如裂隙灯和光学相干断层扫描成像技术。这种方法的缺点有：(1)专业的医疗设备价格比较昂贵；(2)临床医生的负担较重，大量的眼科门诊病人(往往很多是非急诊眼科疾病患者)给医生带来了巨大的劳动和精神负本文档来自技高网...

【技术保护点】
1.一种眼表疾病自动筛查方法，其特征在于，包括：/n将密集连接卷积神经网络中的密集块采取双通道密集块结构，使用双通道来提取特征。/n

【技术特征摘要】
1.一种眼表疾病自动筛查方法，其特征在于，包括：
将密集连接卷积神经网络中的密集块采取双通道密集块结构，使用双通道来提取特征。


2.根据权利要求1所述的一种眼表疾病自动筛查方法，其特征在于，
对于所述密集块中的卷积块，把通道数为2N的第一卷积层A的一半提取特征得到通道数为N的卷积层B，把所述第一卷积层A的另一半提取特征得到通道数为N的卷积层C，N为正整数。


3.根据权利要求2所述的一种眼表疾病自动筛查方法，其特征在于，
把所述卷积层B和卷积层C连接起来作为下一卷积层的输入；
所述第一卷积层A、卷积层B和下一卷积层构成第一通道；
所述第一卷积层A、卷积层C和下一卷积层构成第二通道。


4.根据权利要求2或3所述的一种眼表疾病自动筛查方法，其特征在于，
由所述第一卷积层A的一半采用线性操作提取特征得到所述卷积层B；
由所述第一卷积层A的另一半采用卷积提取特征得到卷积层C。


5.根据权利要求4所述的一种眼表疾病自动筛查方法，其特征在于，
设密集连接卷积神经网络通过非1×1卷积得到n维特征，n为正整数，
所述线性操作包括：
对输入用1×1卷积得到m维特征，m为正整数，m<<n；
对由所述m维特征组成的m维特征图经过线性函数进行线性变换生成n-m维新特征；
由所述m维特征及新生成的n-m维新特征学习得到n维特征。


6.根据权利要求4所述的一种眼表疾病自动筛查方法，其特征在于，还包括训练，
所述训练包括步骤：
将眼表图像输入所述密集连接卷积神经网络，使用所述卷积和线性操作提取图像特征进行学习；
所述密集连接卷积神经网络进行前向传播计算输出值，再计算所述输出值与实际值之间的误差D0；
若所述误差D0不低于预设的阈值，所述密集连接卷积神经网络反向传播调整权重信息继续训练，若所述误差D0低于预设的阈值，则判断所述眼表图像的数据是否训练完；
A、如果所述眼表图像的数据训练完，则输出识别结果，结束所诉训练，以得到所述误差D0的所述密集连接卷积神经网络用于眼表疾病自动筛查，否则执行下面步骤B；
B、如果所述眼表图像的数据没有训练完，继续加载所述眼表图像的数据进行训练，若得到的新的误差D1低于前面训练得到的所述误差D0，则以得到所述新的误差D1作为所述误差D0，进行所述步骤A。


7.一种眼表疾病自动筛查系统，其特征在于，包括：
智能手机摄像机、智能手机APP客服端、区块链技术...

【专利技术属性】
技术研发人员：罗雄彪，万英，
申请(专利权)人：罗雄彪，万英，
类型：发明
国别省市：福建;35