基于人工智能的眼球疾病诊断装置及方法制造方法及图纸

本发明专利技术涉及眼球疾病的诊断装置及方法，更详细地，涉及基于人工智能的眼球疾病诊断装置及方法，其基于眼底图像的眼球构造物，提取用于诊断多个眼球疾病的多个属性，并基于人工智能学习提取的多个疾病及用于辨别疾病的多个属性，生成各疾病属性的分类器，根据生成的多个分类器所获取的眼底图像来诊断眼球疾病。

Eye disease diagnosis device and method based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的眼球疾病诊断装置及方法
本专利技术涉及眼球疾病的诊断装置及方法，更详细地，涉及基于人工智能的眼球疾病诊断装置及方法，其基于眼底图像的眼球构造物，提取用于诊断多个眼球疾病的多个属性，并基于人工智能学习提取的多个疾病及用于辨别疾病的多个属性，生成各疾病各属性的分类器(Classifier)，通过生成的多个分类器诊断所获取的眼底图像中的眼球疾病。
技术介绍
通常，眼睛大致分为眼球和眼睛的附属器官。眼球包含外膜、中膜、内膜及内容物，眼睛的附属器官包含眼眶、结膜等。并且，通过瞳孔所能观察到的眼球内部部分，即视网膜、视网膜血管、视神经盘、脉络膜(构成葡萄膜的膜)等综合起来称之为眼底(Fundus；eyeground)。眼底的各个组织在功能和解刨学方面都具有密切的联系，在病态上也相互影响。眼底分为包含黄斑和视神经盘的后极部、赤道部、周边部。发生在上述眼底的疾病会有糖尿病性视网膜症(DiabeticRetinopathy)、绿内障(Glaucoma)、老年性黄斑变性(Age-relatedMacularDegeneration)等。为了检查上述眼底发生的疾病，需要使用可以诊断各个疾病的专业诊断装置，因眼科医院需要购买高价的专业诊断装置，所以存在初期费用高的问题。并且，如上所述，此类检查眼底疾病的装置因价位高，所以存在使用者无法亲自诊断的问题。不管是否是眼科疾病，只要心存疑虑，使用者必须访问医院支付高价的检查费来接受诊断，所以存在消费不必要的诊断费的问题。现有技术文献专利文献专利文献1：韩国授权专利第10-1662775号(2016.09.28.公告)
技术实现思路
专利技术所要解决的问题本专利技术的目的在于提供基于人工智能的眼球疾病诊断装置及方法，其基于眼底图像的眼球构造物，提取用于诊断多个眼球疾病的多个属性，并基于人工智能学习提取的多个疾病及用于辨别疾病的多个属性，生成各个疾病各属性的分类器，通过生成的多个分类器诊断所获取的眼底图像中的眼球疾病。用于解决问题的方案为了达成上述目的，根据本专利技术的基于人工智能的眼球疾病诊断装置的特征在于，包括：眼底图像获取部，其获取并输出眼底图像；存储部，其包括学习数据库和属性加权值数据库，其中，上述学习数据库存储含各眼球疾病的各属性学习数据的各属性分类数据和各眼球疾病属性综合学习数据，上述属性加权值数据库对各眼球疾病的各属性定义属性加权值；及控制部，对从上述眼底图像获取部接收的眼底图像进行图像预处理来执行眼底图像的大小调节和颜色归一化后，通过基于预先学习的上述属性分类数据运行的各属性分类器，从预处理过图像的眼底图像中提取属性，并对上述预处理过图像的眼底图像进行学习来更新关于上述各属性分类器的各属性学习数据，并且预测与提取的上述属性的种类和数量相对应的疾病。本专利技术的特征在于，上述控制部包括：眼底图像获取处理部，其从上述眼底图像获取部接收眼底图像并输出；眼底图像预处理部，其执行对上述眼底图像进行大小调节和颜色归一化的图像预处理并输出；属性提取部，其通过预先学习的各属性分类器从预处理过图像的眼底图像中提取属性；学习部，其对上述预处理过图像的眼底图像进行学习并更新关于上述各属性分类器的各属性学习数据；及预测部，其预测与提取的上述属性的种类和数量相对应的疾病。本专利技术的特征在于，上述控制部还包括对提取的上述属性适用各疾病加权值来计算综合预测值的综合属性决定部，当上述综合预测值超出对包含所有上述属性的疾病预设的基准值时，上述预测部预测上述眼底图像具有上述疾病。本专利技术的特征在于，上述眼底图像预处理部包括：眼底图像大小调节部，其对从眼底图像获取处理部接收的眼底图像进行大小调节后输出；及颜色归一化部，其对大小调节后的上述眼底图像的颜色进行归一化。本专利技术的特征在于，上述属性提取部包括：眼球构造物检测部，其从上述眼底图像预处理部输出的眼底图像的眼底中检测眼球构造物；及属性检测部，其通过预先学习的各属性分类器，根据上述眼球构造物检测部所检测的眼球构造物，检测上述眼底图像属性。本专利技术的特征在于，上述属性提取部还包括：属性预处理部，上述属性预处理部将被提取的上述属性掩蔽到从上述眼底图像预处理部输出的眼底图像中，并生成眼底图像和属性之间的拓扑信息来输出到上述综合学习部，上述学习部包括：分类学习部，其对上述图像预处理的眼底图像进行学习，并更新上述各属性分类器的各属性学习数据；及综合学习部，对上述属性预处理部输出的、掩蔽属性的眼底图像进行学习。本专利技术的特征在于，为了消除杂波并从上述属性提取部中提取所需提取的上述属性，上述颜色归一化部在上述眼底图像的红色(Red)通道、绿色(Green)通道、蓝色(Blue)通道中只激活绿色通道，去除红色通道和蓝色通道，从而对上述眼底图像进行颜色归一化。本专利技术特征在于，上述属性为渗出物(Exudates)、出血(Hemorrhages)、新血管形成(Neovascularization)、黄斑水肿(MacularEdema)、视神经盘(MacularEdema)，上述眼球疾病为糖尿病性视网膜疾病、绿内障、老年性黄斑退化。为达成上述目的，本专利技术基于人工智能的眼球疾病诊断方法的特征在于，包括：眼底图像获取处理过程，控制部通过眼底图像获取处理部从眼底图像获取部接收眼底图像并输出；眼底图像预处理过程，上述控制部通过眼底图像预处理部执行对上述眼底图像进行大小调节和颜色归一化的图像预处理并输出；属性提取过程，上述控制部通过属性提取部根据预先学习的、多个的各疾病的各属性分类器从图像预处理的眼底图像中提取属性；学习过程，上述控制部通过学习部对上述图像预处理的眼底图像进行学习，并更新关于上述属性分类器的属性学习数据；及预测过程，上述控制部通过预测部预测与提取的上述属性的种类和数量相对应的疾病。本专利技术的特征在于，上述方法还包括：综合属性决定过程，上述控制部通过综合属性决定部对提取的上述属性适用各疾病加权值来计算综合预测值，上述预测过程包括：基于属性的疾病预测步骤，上述控制部通过预测部预测与提取的上述属性的种类和数量相对应的疾病；综合疾病预测步骤，判断上述综合预测值是否超出对上述基于属性的疾病预测步骤中所预测的疾病预设的基准值，如超出时，可以预测上述眼底图像具有上述疾病。本专利技术的特征在于，上述眼底图像预处理过程包括：眼底图像大小调节步骤，上述控制部通过眼底图像大小调节部，对从眼底图像获取处理部接收的眼底图像的大小进行调节后输出；及颜色归一化步骤，上述控制部通过颜色归一化部对大小调节后的上述眼底图像的颜色进行归一化。本专利技术的特征在于，上述属性提取过程包括：眼球构造物检测步骤，上述控制部通过眼球构造物检测部，从上述眼底图像预处理部输出的眼底图像的眼底中检测眼球构造物；及属性检测步骤，上述控制部通过属性检测部，根据从上述眼球构造物检测部检测的眼球构造物，检测上述眼底图像的属性。本专利技术的特征在于，上述方法还包括：属性预处理过程，上述控制部通过属性预处理部本文档来自技高网...

【技术保护点】
1.一种基于人工智能的眼球疾病诊断装置，其特征在于，包括：/n眼底图像获取部，其获取并输出眼底图像；/n存储部，其包括学习数据库和属性加权值数据库，其中，所述学习数据库存储含各眼球疾病的各属性学习数据的各属性分类数据和各眼球疾病属性综合学习数据，所述属性加权值数据库对各眼球疾病的各属性定义属性加权值；及/n控制部，对从所述眼底图像获取部接收的眼底图像进行图像预处理来执行眼底图像的大小调节和颜色归一化后，通过基于预先学习的所述属性分类数据运行的各属性分类器，从预处理过图像的眼底图像中提取属性，并对预处理过图像的所述眼底图像进行学习来更新关于所述各属性分类器的各属性学习数据，并且预测与提取的所述属性的种类和数量相对应的疾病。/n

【技术特征摘要】
20190705 KR 10-2019-00815031.一种基于人工智能的眼球疾病诊断装置，其特征在于，包括：
眼底图像获取部，其获取并输出眼底图像；
存储部，其包括学习数据库和属性加权值数据库，其中，所述学习数据库存储含各眼球疾病的各属性学习数据的各属性分类数据和各眼球疾病属性综合学习数据，所述属性加权值数据库对各眼球疾病的各属性定义属性加权值；及
控制部，对从所述眼底图像获取部接收的眼底图像进行图像预处理来执行眼底图像的大小调节和颜色归一化后，通过基于预先学习的所述属性分类数据运行的各属性分类器，从预处理过图像的眼底图像中提取属性，并对预处理过图像的所述眼底图像进行学习来更新关于所述各属性分类器的各属性学习数据，并且预测与提取的所述属性的种类和数量相对应的疾病。


2.根据权利要求1中所述的基于人工智能的眼球疾病诊断装置，其特征在于，
所述控制部包括：
眼底图像获取处理部，其从所述眼底图像获取部接收眼底图像并输出；
眼底图像预处理部，其执行对所述眼底图像进行大小调节和颜色归一化的图像预处理并输出；
属性提取部，其通过预先学习的各属性分类器从预处理过图像的眼底图像中提取属性；
学习部，其对预处理过图像的所述眼底图像进行学习并更新关于所述各属性分类器的各属性学习数据；及
预测部，其预测与提取的所述属性的种类和数量相对应的疾病。


3.根据权利要求2中所述的基于人工智能的眼球疾病诊断装置，其特征在于，
所述控制部还包括对提取的所述属性适用各疾病加权值来计算综合预测值的综合属性决定部，
当所述综合预测值超出对包含所有所述属性的疾病预设的基准值时，所述预测部预测所述眼底图像具有所述疾病。


4.根据权利要求2中所述的基于人工智能的眼球疾病诊断装置，其特征在于，所述眼底图像预处理部包括：
眼底图像大小调节部，其对从眼底图像获取处理部接收的眼底图像进行大小调节后输出；及
颜色归一化部，其对大小调节后的所述眼底图像的颜色进行归一化。


5.根据权利要求2中所述的基于人工智能的眼球疾病诊断装置，其特征在于，所述属性提取部包括：
眼球构造物检测部，其从所述眼底图像预处理部输出的眼底图像的眼底中检测眼球构造物；及
属性检测部，其通过预先学习的各属性分类器，根据所述眼球构造物检测部所检测的眼球构造物，检测所述眼底图像属性。


6.根据权利要求5中所述的基于人工智能的眼球疾病诊断装置，其特征在于，
所述属性提取部还包括属性预处理部，所述属性预处理部将被提取的所述属性掩蔽到从所述眼底图像预处理部输出的眼底图像中，并生成眼底图像和属性之间的拓扑信息来输出到所述综合学习部，
所述学习部包括：
分类学习部，其对所述图像预处理的眼底图像进行学习，并更新所述各属性分类器的各属性学习数据；及
综合学习部，对所述属性预处理部输出的、掩蔽属性的眼底图像进行学习。


7.根据权利要求4中所述的基于人工智能的眼球疾病诊断装置，其特征在于，
为了消除杂波并从所述属性提取部中提取所需提取的所述属性，所述颜色归一化部在所述眼底图像的红色通道、绿色通道、蓝色通道中只激活绿色通道，并去除红色通道和蓝色通道，从而对所述眼底图像进行颜色归一化。


8.根据权利要求1-7中的任一项所述的基于人工智能的眼球疾病诊断装置，其特征在于，...

【专利技术属性】
技术研发人员：南润荣，李建树，张智皓，
申请(专利权)人：顺天乡大学校产学协力团，
类型：发明
国别省市：韩国;KR