一种基于移动终端的白内障和后发性白内障的分析系统和装置制造方法及图纸

一种基于移动终端的白内障和后发性白内障的分析系统和装置，本发明专利技术基于眼底图像的清晰程度来评判白内障/后发性白内障的严重程度，相较于通过眼前节图像评判白内障和后发性白内障的混浊程度，眼底图像的清晰程度和视力的匹配程度更相关更直接，而且对操作者要求更低，利用深度学习人工智能系统进行病情评估，使得白内障混浊程度的分级的准确率更高，构建了诊治建议模块，将获取眼部图像的权利赋予智能终端使用者，而非各级医疗机构，在一定程度上，受众面更广更普及，也缓解广大普通患者检查费时费力，且价格昂贵的问题，实现了一种具有前景的便携性新兴医疗解决方案。

【技术实现步骤摘要】
一种基于移动终端的白内障和后发性白内障的分析系统和装置
本专利技术涉及医疗图像处理设备
，具体涉及一种基于移动终端的白内障和后发性白内障的分析系统和装置。
技术介绍
白内障是全球首位致盲疾病，根据最近的一项研究，到2025年，全世界因白内障而失去视力的人数可能达到4000万。目前白内障常见的诊断主要依靠眼科医生使用裂隙灯观察患者眼部晶状体的透明情况，并将其与一组标准照片(如LOCSIII和Wisconsin白内障分级系统)进行比较，评估病情的严重性。但是，目前眼科医生相对有限，并且白内障检查较为耗时，并且由于卫生支出低，中低收入国家和地区的白内障致盲率较高，难以预防和避免广泛的白内障盲。因此，利用手机的照相功能配合分析系统对白内障进行诊断及分级，并在基层医院和老百姓中推广使用，是改善欠发达地区眼科保健服务，为白内障患者带来光明的重要手段。近年来，医疗市场快速发展，尤其是借助人工智能技术完成疾病的诊断及预防已成为医疗发展的新趋势。若能实现白内障病情的自动分级，则可大大提高诊断准确性，降低治疗成本。基于眼底图像的人工智能辅助诊断技术越来越受到人们的关注，目前已有多项关于基于眼底图像的白内障自动检测与分类的研究报道。然而，这些研究大多使用医疗单位的眼底成像设备，这些设备通常体积庞大、便携性差且成本较高。因此，基于智能终端的眼底成像，在一定程度上，可以缓解广大普通患者检查费时费力的问题，实现了一种具有前景的便携性新兴医疗解决方案，可为每个个人用户提供完整的医疗保健。
技术实现思路
为了解决现有技术的缺陷，本专利技术提供了一种基于移动终端的白内障和后发性白内障的分析系统和装置，能够简单、快速、准确地评估出患者的白内障和后发性白内障的严重程度，从而实现用户自我监察、自我检查的就医模式，提高就医效率，降低就医的时间和医疗成本。本专利技术采用的技术解决方案是：一种基于移动终端的白内障和后发性白内障的分析系统，所述的分析系统包括：信息采集模块：输入个体用户基本信息、白内障手术史、瞳孔模式信息；眼底图像采集模块：采集用户的眼底图像；图像标注模块：根据瞳孔是否散瞳对信息采集模块输入的瞳孔模式信息进行分类标注；对眼底图像采集模块中采集用户的眼底图像的模糊程度进行分级标注；图像智能分类模块：根据在瞳孔模式信息的分类标注和眼底图像的模糊程度的分类标注的基础上，通过深度卷积神经网络对眼底图像进行分类标注和分级标注处理，获得深度学习模型；病情评估模块：根据图像智能分类模块获得的深度学习模型，通过信息采集模块拍摄的眼底图像，对白内障和后发性白内障的严重程度进行评估分级。所述的分析系统还包括诊治建议模块，所述的诊治建议模块根据病情评估模块，给予白内障和后发性白内障患者必要的诊疗建议。所述的眼底图像采集模块中的采集用户的眼底图像通过移动终端的摄像头结合眼底成像装置拍摄获得，利用智能手机的拍照功能结合在后置摄像头前安置的眼底成像装置，以视盘或黄斑为中心，自动聚焦自动拍摄获取眼底图像(病情的严重性与图像的模糊程度密切相关，病情越严重图像越模糊)。所述的图像标注模块中对采集用户的眼底图像的模糊程度进行分类标注具体为：通过2-3名专业的眼科医生对移动终端拍摄的眼底图像的模糊程度进行6级标注，分别为0级、1级、2级、3级、4级和5级。所述的图像智能分类模块中通过深度卷积神经网络对眼底图像进行分类标注和分级标注处理，获得深度学习模型具体为：利用深度卷积神经网络对训练集中的采集的眼底图像按瞳孔模式信息分类和模糊程度的6级标注进行判读训练，最终得到深度学习模型。所述的训练集位为通过移动终端的摄像头和眼底成像装置拍摄获得的并通过模糊程度进行6级标注后的大量患者的眼底图像的集合数据。所述的深度卷积神经网络位InceptionV3分类网络，使用InceptionV3分类网络进行判读训练具体步骤为：使用随机梯度下降法为优化算法，算法对应的初始学习比率(learningrate,lr)设为lr0＝1.0×10-3，momentum为0.9，weightdecay为5×10-4，epoch为100，batchsize为16。训练过程中，lr根据迭代次数k进行如下调整：其中，IterN为总迭代次数，模型的训练过程中，眼底图像大小设为299*299，同时对图像进行必要的平移、旋转、仿射变换增强处理，以降低模型的过拟合；在瞳孔状态分类时，使用二元交叉熵(binarycrossentropy,BCE)为代价函数；在眼底图像模糊程度分类时，使用多元交叉熵(categoricalcrossentropy,CCE)为代价函数。这两个函数可统一使用下式：其中，C表示总的分类数目，pi和yi分别表示分类模型评估图像为第i类时的预测概率和手工标注。当C＝2时，Loss函数可进一步表示为：所述的移动终端为便携式手持终端。所述的便携式手持终端为手机。一种用于分析白内障和后发性白内障的便携式手持装置，所述的便携式手持装置包括用于拍摄眼底图像的摄像头，所述的便携式手持装置还包括处理单元，所述的处理单元内具有所述的白内障和后发性白内障的分析系统。本专利技术的有益效果是：本专利技术提供了一种基于移动终端的白内障和后发性白内障的分析系统和装置，本专利技术先采集白内障手术史、瞳孔模式信息，建立图像标注模块、图像智能分类模块，根据不同的眼部特征对眼底图像进行智能归类，可以提高分析结果的准确性，本专利技术基于眼底图像的清晰程度来评判白内障/后发性白内障的严重程度，相较于通过眼前节图像评判白内障和后发性白内障的混浊程度，眼底图像的清晰程度和视力的匹配程度更相关更直接，而且对操作者要求更低，利用深度学习人工智能系统进行病情评估，使得白内障混浊程度的分级的准确率更高，构建了诊治建议模块，将获取眼部图像的权利赋予智能终端使用者，而非各级医疗机构，在一定程度上，受众面更广更普及，也缓解广大普通患者检查费时费力，且价格昂贵的问题，实现了一种具有前景的便携性新兴医疗解决方案。附图说明图1为本专利技术实施例的分析流程示意图。图2为本专利技术实施例的信息采集模块中瞳孔状态(散瞳和小瞳)和白内障手术史采集(晶状体眼和非晶状体眼)示意图。图3为本专利技术实施例的眼屈光成像示意图。图4为本专利技术实施例和Wisconsin白内障分级系统相对应的眼底图像模糊程度分级示意图。注：水平线上方为Wisconsin白内障分级系统的标准裂隙灯照片。从0到5的数字表示浑浊的严重程度。较低的数字意味着较低的严重程度。请注意，虽然有4幅标准图像对应于等级1至4，但等级范围为0至5。水平线下方为相对应不同浑浊严重的眼底图像。图5为本专利技术实施例的InceptionV3分类模型的网络架构示意图。图6为本专利技术的实施例的InceptionV3分类模型中使用的InceptionblockA、InceptionblockB以及InceptionblockC示意图。具本文档来自技高网...

【技术保护点】
1.一种基于移动终端的白内障和后发性白内障的分析系统，其特征在于，所述的分析系统包括：/n信息采集模块：输入个体用户基本信息、白内障手术史、瞳孔模式信息；/n眼底图像采集模块：采集用户的眼底图像；/n图像标注模块：根据瞳孔是否散瞳对信息采集模块输入的瞳孔模式信息进行分类标注；对眼底图像采集模块中采集用户的眼底图像的模糊程度进行分级标注；/n图像智能分类模块：根据在瞳孔模式信息的分类标注和眼底图像的模糊程度的分类标注的基础上，通过深度卷积神经网络对眼底图像进行分类标注和分级标注处理，获得深度学习模型；/n病情评估模块：根据图像智能分类模块获得的深度学习模型，通过信息采集模块拍摄的眼底图像，对白内障和后发性白内障的严重程度进行评估分级。/n

【技术特征摘要】
1.一种基于移动终端的白内障和后发性白内障的分析系统，其特征在于，所述的分析系统包括：
信息采集模块：输入个体用户基本信息、白内障手术史、瞳孔模式信息；
眼底图像采集模块：采集用户的眼底图像；
图像标注模块：根据瞳孔是否散瞳对信息采集模块输入的瞳孔模式信息进行分类标注；对眼底图像采集模块中采集用户的眼底图像的模糊程度进行分级标注；
图像智能分类模块：根据在瞳孔模式信息的分类标注和眼底图像的模糊程度的分类标注的基础上，通过深度卷积神经网络对眼底图像进行分类标注和分级标注处理，获得深度学习模型；
病情评估模块：根据图像智能分类模块获得的深度学习模型，通过信息采集模块拍摄的眼底图像，对白内障和后发性白内障的严重程度进行评估分级。


2.根据权利要求1所述的一种基于移动终端的白内障和后发性白内障的分析系统，其特征在于，所述的分析系统还包括诊治建议模块，所述的诊治建议模块根据病情评估模块，给予白内障和后发性白内障患者给予必要的诊疗建议。


3.根据权利要求1所述的一种基于移动终端的白内障和后发性白内障的分析系统，其特征在于，所述的眼底图像采集模块中的采集用户的眼底图像通过移动终端的摄像头结合眼底成像装置拍摄获得。


4.根据权利要求3所述的一种基于移动终端的白内障和后发性白内障的分析系统，其特征在于，所述的图像标注模块中对采集用户的眼底图像的模糊程度进行分类标注具体为：通过2-3名专业的眼科医生对移动终端拍摄的眼底图像的模糊程度进行6级标注，分别为0级、1级、2级、3级、4级和5级。


5.根据权利要求4所述的一种基于移动终端的白内障和后发性白内障的分析系统，其特征在于，所述的图像智能分类模块中通过深度卷积神经网络对眼底图像进行分类标注和分级标注处理，获得深度学习模型具体为：利用深度卷积神经网络对训练集中的采集的眼底图像按瞳孔模式信息分类和模糊程度的6级标注进行判读训练，最终得到深度学习模型。


6.根据权利要求5所述的一种基于移动终端的白内障和...

【专利技术属性】
技术研发人员：陈蔚，王雷，谢荷，郑钦象，
申请(专利权)人：温州医科大学附属眼视光医院，
类型：发明
国别省市：浙江;33