一种识别高度近视视网膜病变的人工智能系统技术方案

本发明专利技术涉及医疗图像处理技术领域，尤其涉及一种识别高度近视视网膜病变的人工智能系统，包括：图像获取模块，用于获取待识别患者的光学相干断层扫描图像和眼底参照；第一识别模块，用于将光学相干断层扫描图像输入到高度近视视网膜病变识别模型中，判断所述光学相干断层图像是否出现病变，并得到病变类型结果；第二识别模块，用于将眼底彩照输入到高度近视视网膜病变分期模型中，判断所述眼底彩照的视网膜病变分期并得到病变分期判断结果；报告生成模块，用于根据病变类型结果和病变分期判断结果，生成诊疗建议报告。本发明专利技术能够快速、有效地识别患者的光学相干断层扫描图像和眼底彩照来进行高度近视视网膜常见病变的识别。

【技术实现步骤摘要】
一种识别高度近视视网膜病变的人工智能系统
本专利技术涉及医疗图像处理
，更具体地，涉及一种识别高度近视视网膜病变的人工智能系统。
技术介绍
目前，针对高度近视视网膜病变的检查过程为：首先眼科医生对患者进行验光及眼轴测量，判断患者是否存在高度近视及相关风险因素，其次再根据患者的光学相干断层扫描图像(OCT图像)分析判定是否存在高度近视相关的视网膜病变(包括视网膜劈裂、黄斑裂孔、视网膜脱离、脉络膜新生血管)。由高度近视视网膜病变的检查过程可见，其主要存在以下的缺点：1.实施大规模人群筛选可能性低：目前我国近视人口众多，医疗资源有限，近视患者高度6亿，其中青少年总体近视率高达55％，是当前近视的主力军，并且在所有近视人群当中高度近视病人约占21％，这类病人容易出现视网膜萎缩、劈裂、黄斑裂孔、视网膜脱离、脉络膜新生血管等并发症，从而造成视力的不可逆性损害，严重影响青壮年人群的生活水平。2.高度近视眼底表现复杂，对检查人员的条件要求高：高度近视病人视网膜萎缩严重，并发症多，对检查医生的临床经验要高，解读高度近视视网膜病变需要眼科医生本文档来自技高网...

【技术保护点】
1.一种识别高度近视视网膜病变的人工智能系统，其特征在于，包括：/n图像获取模块，用于获取待识别患者的光学相干断层扫描图像和眼底彩照；/n第一识别模块，用于将光学相干断层扫描图像输入到高度近视视网膜病变识别模型中，识别所述光学相干断层图像是否出现病变，并得到病变类型结果；/n第二识别模块，用于将眼底彩照输入到高度近视视网膜病变分期模型中，判断所述眼底彩照的视网膜病变分期，并得到病变分期判断结果；/n报告生成模块，用于根据所述病变类型结果和所述病变分期判断结果，生成诊疗建议报告。/n

【技术特征摘要】
1.一种识别高度近视视网膜病变的人工智能系统，其特征在于，包括：
图像获取模块，用于获取待识别患者的光学相干断层扫描图像和眼底彩照；
第一识别模块，用于将光学相干断层扫描图像输入到高度近视视网膜病变识别模型中，识别所述光学相干断层图像是否出现病变，并得到病变类型结果；
第二识别模块，用于将眼底彩照输入到高度近视视网膜病变分期模型中，判断所述眼底彩照的视网膜病变分期，并得到病变分期判断结果；
报告生成模块，用于根据所述病变类型结果和所述病变分期判断结果，生成诊疗建议报告。


2.根据权利要求1所述的一种识别高度近视视网膜病变的人工智能系统，其特征在于，还包括：
病变定位模块，用于根据识别所述光学相干断层图像是否出现病变，当判断存在病变时，定位病变部位并生成可视化类激活图。


3.根据权利要求1所述的一种识别高度近视视网膜病变的人工智能系统，其特征在于，所述高度近视视网膜病变识别模型采用以下步骤进行训练：
将多个高度近视视网膜病变的光学相干断层扫描图像样本作为样本图像集按照视网膜劈裂、黄斑裂孔、视网膜脱离、脉络膜新生血管进行分类；
对分类后的样本图像集进行预处理；
将预处理后的样本图像集输入到卷积神经网络进行深度学习训练，得到基于光学相干断层扫描图像的高度近视视网膜病变识别模型。


4.根据权利要求3所述的一种识别高度近视视网膜病变的人工智能系统，其特征在于，所述对分类后的样本图像集进行预处理，包括：
对分类后的样本图像集进行裁剪处理，裁掉样本图像集的彩照部分；
将裁剪处理后的样本图像集统一大小，并统一为黑底白图。


5.根据权利要求3所述的一种识别高度近视视网膜病变的人工智能系统，其特征在于，所述将预处理后的样本图像集输入到卷积神经网络进行深度学习训练，得到基于光学相干断层扫描图像的高度近视视网膜病变识别模型，包括：
将预处理后的样本图像集分为训练集...

【专利技术属性】
技术研发人员：林浩添，李永浩，冯伟渤，赵兰琴，郭翀，
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