一种基于眼科机器人的人工智能眼病筛查诊疗系统技术方案

本发明专利技术公开了一种基于眼科机器人的人工智能眼病筛查诊疗系统，其步骤在于：自动获取检查者眼表、眼前段和眼底影像数据并同步自动获取屈光度和角膜曲率等多模态数据；基于以上各类数据，利用深度学习算法构建眼病筛查诊疗系统以自动分析被检查者眼球各个部分是否存在病变，并得出相应的指导和转诊意见。本发明专利技术可以在缺乏眼科医生的地区替代眼科医生行使眼病的诊疗任务，在病患量较多的大医院协助眼科专家进行眼病诊治，提高诊疗效率，以降低眼病给人群带来伤害。

【技术实现步骤摘要】
一种基于眼科机器人的人工智能眼病筛查诊疗系统
本专利技术涉及眼病诊查
，具体是涉及一种基于眼科机器人的人工智能眼病筛查诊疗系统。
技术介绍
目前国内外研究报道，眼科医生的数量已经远远不能满足眼病人群的需要。三甲医院眼科人满为患，“看病难，看病贵”等问题日益凸显，社区医院、乡镇卫生院、体检中心等地缺乏眼科医生，或眼科医生诊疗水平有限，无法实施眼病的有效筛查。这就造成了许多眼病无法被及时发现和诊治。特别是居住在欠发达地区的农村，大部分眼病人群在视力下降到影响生活后才到上一级医院眼科进行检查，然而许多眼病造成的视功能损害是不可逆的，例如开角型青光眼、陈旧性视网膜脱离、糖尿病性视网膜病变等。此时治疗视力预后较差，由此造成的低视力或眼盲人群将会对个人、家庭、社会造成巨大的负担。根据第六次全国人口普查显示,我国居住在农村人口占全国人口的比例是50.32％。目前，针对眼病的筛查，主要还是依靠医生通过裂隙灯或者眼底镜进行人工检查，以明确患者是否有眼表、眼前段、或眼后段的疾病。此外，目前研发的人工智能眼病筛查系统往往只能单一的筛查眼底病变或者单一筛查某些眼表疾病，换句话说，这类系统不能从前到后智能的筛查全眼球的疾病。更重要的是，这种人工智能系统基于的设备仍需要专业人员去进行操作。因此，目前迫切需要利用深度学习算法构建一个可比拟眼科人类专家水平的人工智能眼病筛查诊疗系统，安装在可自动对焦分别拍摄被检查者眼表、眼前段和眼底并同步进行自动验光和角膜曲率检测的眼科机器人中，使其蜕变为智能眼科专家机器人，在缺乏眼科医生的地区替代眼科医生行驶眼病的诊疗任务，在病患量较多的大医院协助眼科专家进行眼病的诊治，提高诊疗效率，以降低眼病给人群带来伤害。
技术实现思路
为解决上述技术问题，本专利技术提供了一种基于眼科机器人的人工智能眼病筛查诊疗系统。本专利技术的技术方案是：一种基于眼科机器人的人工智能眼病筛查诊疗系统，其步骤在于：获取检查者眼表、眼前段和眼底影像数据并同步自动获取屈光度和角膜曲率的眼科影像数据；基于以上各类数据，利用深度学习算法构建人工智能眼病筛查诊疗系统，以自动分析被检查者眼球各个部分是否存在病变，并得出相应的指导和转诊意见。进一步地，所述眼病诊疗算法模型基于数十万张由眼科专家标注的眼表、眼前段和眼底照片以及屈光度和角膜曲率数据，利用深度学习算法进行模型的训练、验证和测试，获得眼病诊疗算法模型，其具体包括以下步骤：1)眼科专家根据眼表、眼前段和眼底照片及屈光和角膜曲率结果进行各种眼病标注，同时对图片质量的优劣进行标注，从而获得数十万张由眼科专家标注的眼表、眼前段和眼底照片以及屈光度数和角膜曲率检测的结果；其中，眼病标注图像包括但不限于以下眼病：眼表肿物、上睑下垂、屈光不正、斜视、圆锥角膜、睑缘炎、翼状胬肉、结膜炎、角膜炎、角结膜炎、虹膜睫状体炎、前房出血、不同程度的白内障、玻璃体混浊、玻璃体出血、青光眼性视盘病变、糖尿病性视网膜病变、老年性黄斑变性、视网膜静脉阻塞、视网膜动脉阻塞、息肉状视网膜脉络膜病变、视网膜脱离、黄斑裂孔、黄斑前模、黄斑水肿、中心性浆液性脉络膜视网膜病变、中心性渗出性脉络膜视网膜病变，视网膜出血、视网膜渗出、玻璃膜疣等；2)对各个标注图像进行预处理，并进行数据增量；3)使用深度卷积神经网络DenseNet121训练、验证和测试模型，获得准确率最高的算法模型；4)利用最佳的算法模型构建图片质量控制系统和眼病筛查诊疗系统。更进一步地，所述图片质量控制系统和眼病诊疗系统的网络结构具体为：DenseNet作为每层的拼接，每一层网络的输入包括前面所有层网络的输出，第L层的输入等于Kx+K0，其中，K是生长率，表示每一层的通道数。DenseNet提升了信息和梯度在网络中的传输效率，每层都能直接从损失函数拿到梯度，并且直接得到输入信号，这样就能训练更深的网络，这种网络结构还有正则化的效果，其他网络致力于从深度和宽度来提升网络性能，DenseNet致力于从特征重用的角度来提升网络性能。DenseNet具有以下特点：减轻了消失梯度、加强了特征的传递、更有效地利用了特征、一定程度上减少了参数数量；在保证网络中层与层之间最大程度的信息传输的前提下，直接将所有层连接起来。更进一步地，将所述图片质量控制系统和眼病诊疗系统搭载于眼科机器人设备上。进一步地，所述眼科机器人设备具体为台式眼科机器人设备，所述台式眼科机器人设备如下述两种台式眼科机器人设备a、台式眼科机器人设备b，所述台式眼科机器人设备a包括：用于信息处理的机器人主体、用于能源供给以及各构件支撑的机器人基座、用于机器人主体移动的活动座、用于支撑脸部及下颌定位的脸部支撑件、用于观测显示检查者眼部信息的第二显示屏，所述机器人主体通过活动座与机器人基座表面通过滑槽及滑块进行滑动连接，所述机器人主体与脸部支撑件位置对应处的侧面上部设有用于检查者眼部信息获取的摄像头组件，所述第二显示屏通过活动转轴与机器人主体上表面前端连接。所述台式眼科机器人设备b包括：由用于能源供给及信息处理的主体下部和用于搭载摄像头模组构件的主体上部上下构成的组合异形体，所述主体下部前端面设有用于观测现实检查者眼部信息的第三显示屏，主体下部后端面设有用于限位脸部及下颌定位的下颌支撑件，所述摄像头设置于主体上部与下颌支撑件所对应的一侧侧面。进一步地，所述眼科机器人设备具体为人形眼科机器人设备，所述人形眼科机器人设备包括：用于检测诊断的机器人头部、用于能源供给及信息处理的机器人躯干、用于控光及稳定定位头部的控光板，所述机器人头部通过升降电机总成与机器人躯干连接，所述机器人头部，其内设有脸槽，所述脸槽内下端设有下颌支架，脸槽内壁设有人眼信息采集总成，所述脸槽内壁两端还设有通过第三电机滑块连接的颧骨气囊支柱，所述人眼信息采集总成包括两组对称设置的摄像头总成、传动架，所述传动架包括纵向支架、横向支架，传动架通过纵向支架底端与脸槽下底面连接，所述横向支架通过传动件与纵向支架上设置的第一电机滑块连接，所述传动件两侧的第一电机滑块上各设有一个伸缩杆与横向支架滑动连接，所述摄像头总成与横向支架上设置的第二电机滑块连接，所述控光板通过电动连杆与机器人头部顶端转动连接，所述控光板、下颌支架均设有一个中空气板，所述中空气板与控光板、下颌支架底部连接，所述中空气板上等间距设置有密集的气囊柱，所述气囊柱前端以及颧骨气囊支柱前端均设有压力传感薄片，控光板外侧、机器人头部外侧与气囊柱位置对应处均设有气泵，控光板的侧面上端、侧面左右两端均设有通过电动转杆与其连接的LED光板；所述机器人躯干内置有用于机器人供能的锂电池组以及眼部诊断分析及构件控制的计算机，所述计算机内搭载有利用深度卷积神经网络DenseNet121训练模型所构建的图片质量控制系统和眼病诊疗系统；其中，所述计算机内载系统主要包括：人眼定位分析模块、影像信息采集模块、眼病分析诊断模块、数据存储管理模块和执行控制模块；所述本文档来自技高网...

【技术保护点】
1.一种基于眼科机器人的人工智能眼病筛查诊疗系统，其特征及步骤在于：/n获取被检查者眼表、眼前段和眼底影像数据并同步自动获取屈光度和角膜曲率的眼科影像数据；/n基于以上影像数据，利用深度学习算法构建人工智能眼病筛查诊疗系统，以自动分析被检查者眼球各个部分是否存在病变，并得出相应的指导和转诊意见。/n

【技术特征摘要】
1.一种基于眼科机器人的人工智能眼病筛查诊疗系统，其特征及步骤在于：
获取被检查者眼表、眼前段和眼底影像数据并同步自动获取屈光度和角膜曲率的眼科影像数据；
基于以上影像数据，利用深度学习算法构建人工智能眼病筛查诊疗系统，以自动分析被检查者眼球各个部分是否存在病变，并得出相应的指导和转诊意见。


2.如权利要求1所述的一种基于眼科机器人的人工智能眼病筛查诊疗系统，其特征在于，所述眼病诊疗算法模型基于数十万张由眼科专家标注的眼表、眼前段和眼底照片以及屈光度和角膜曲率数据，利用深度学习算法进行模型的训练、验证和测试，获得眼病诊疗算法模型，其具体包括以下步骤：
1)眼科专家根据眼表、眼前段和眼底照片及屈光和角膜曲率结果进行各种眼病标注，同时对图片质量进行标注，从而获得数十万张由眼科专家标注的眼表、眼前段和眼底照片以及屈光度数和角膜曲率检测的结果；
2)对各个标注图像进行预处理，并进行数据增量；
3)使用深度卷积神经网络DenseNet121训练、验证和测试模型，获得准确率最高的算法模型；
4)利用最佳的算法模型构建图片质量控制系统和眼病筛查诊疗系统。


3.如权利要求2所述的一种基于眼科机器人的人工智能眼病筛查诊疗系统，其特征在于，所述图片质量控制系统和眼病诊疗系统的网络结构具体为：
每一层网络的输入包括前面所有层网络的输出，第L层的输入等于Kx(L-1)+K0，其中，K是生长率，表示每一层的通道数。


4.如权利...

【专利技术属性】
技术研发人员：陈蔚，李中文，郑钦象，
申请(专利权)人：宁波市眼科医院，
类型：发明
国别省市：浙江;33