一种智能手持式眼底相机以及图像分析方法技术

本发明专利技术公开了一种智能手持式眼底相机包括图像采集装置和处理装置，所述处理装置包括图片质量判断模块、辅助诊断模块以及通讯模块，所述图片质量判断模块和所述辅助诊断模块均与所述通讯模块相连接，所述通讯模块与所述图像采集装置相通讯用于将采集到的图像传输至所述图像质量判断模块进行质量判断，所述通讯模块与医疗终端相通讯用于将诊断报告传输给医疗机构。采用上述结构的一种智能手持式眼底相机以及基于上述相机的图像分析方法，提高眼底图像采集的成功率和效率，可根据初步诊断进行真人就诊，完善就诊需求。完善就诊需求。完善就诊需求。

【技术实现步骤摘要】
一种智能手持式眼底相机以及图像分析方法


[0001]本专利技术涉及疾病筛查设备以及判定
，尤其是涉及一种智能手持式眼底相机以及基于上述相机的图像分析的方法。

技术介绍

[0002]手持式眼底相机因其便携性，已被应用于眼底病和糖尿病的基层筛查中。医生利用手持式眼底相机，在基层为患者拍摄眼底图像，无需患者前往医院。拍摄好的眼底图片，由医生即时诊断或者凭借远程医疗技术，让专业医生进行诊断，以此进行眼底病和糖尿病等疾病筛查。
[0003]现在市面上的手持式眼底相机，一般只具备眼底拍照和图片存储、传输功能，在实际基层筛查中，需要专业医师操作，同时患者自己拍摄的图片常常不符合诊断要求标准，费时费力。此外，由于设备不具备眼底图片分析诊断功能，普通患者无法在家中自行进行拍照诊断，限制了设备的推广和应用范围。

技术实现思路

[0004]本专利技术的目的是提供一种智能手持式眼底相机以及基于上述相机的图像分析方法，提高眼底图像采集的成功率和效率，可根据初步诊断进行真人就诊，完善就诊需求。
[0005]为实现上述目的，本专利技术提供了一种智能手持式眼底相机，包括图像采集装置和处理装置，所述处理装置包括图片质量判断模块、辅助诊断模块以及通讯模块，所述图片质量判断模块和所述辅助诊断模块均与所述通讯模块相连接，所述通讯模块与所述图像采集装置相通讯用于将采集到的图像传输至所述图像质量判断模块进行质量判断，所述通讯模块与医疗终端相通讯用于将诊断报告传输给医疗机构。
[0006]优选的，所述通讯模块为有线通讯模块或无线通讯模块或两种通讯模块的组合通讯模块，所述无线模块包括WIFI模块或蓝牙模块。
[0007]3、基于上述的一种智能手持式眼底相机的图像分析方法，其特征在于：具体步骤如下，
[0008]步骤S1：患者通过智能手持式眼底相机采集眼底图像；
[0009]步骤S2：眼底图像通过通讯模块传输至图片质量判断模块中，进行图片质量判断，当图像不合格，给出修订提示并返回上一步骤，当图像合格，将合格的图像传输至辅助诊断模块中；
[0010]步骤S3：合格的图像通过辅助诊断模块进行初步诊断，患者可以通过通讯模块将诊断报告发送至医疗终端，医生通过医疗终端查看诊断报告和眼底图像并进行远程诊断。
[0011]进一步的，步骤S2的具体步骤如下，
[0012]步骤S21：训练眼底图像质量判断的卷积神经网络，从已有眼底图像中选取基准图像，标注视盘位置，设置清晰度和曝光量；
[0013]步骤S22：将已标注的基准图像输入待训练的卷积神经网络中，对所述卷积神经网
络进行训练，直到所述卷积神经网络的模型收敛为止，得到训练好的眼底图像质量判断的卷积神经网络；
[0014]卷积神经网络包括输入层、多个卷积层、多个池化层、多个全连接层和输出层；已标注的眼底图像从所述卷积神经网络的输入层输入，卷积层和池化层提取上述图像的特征值，然后从输出层输出，上述特征值在分类器进行分类，获取所述卷积神经网络通过判断得出的属性信息，通过比较算法计算得到上述图像特征值的损失值，并利用这个损失值来调节所述卷积神经网络中的权重，卷积层的总运算公式如下：
[0015][0016]其中k为卷积核，l为层数，M
j
为第j个特征图，b为偏置，激活函数为f；
[0017]步骤S23：将采集到的眼底图像输入上述卷积神经网络中，获得图像质量结果，若视盘位置正确，且眼底图像的清晰度和曝光量符合设定要求，则认为图像质量符合要求，否则，认为图像质量不符合要求。
[0018]进一步的，步骤S3的具体步骤如下，
[0019]步骤S31：训练眼底图片糖尿病视网膜病变诊断的卷积神经网络，从已有眼底图像中选取基准图像，人工标注视网膜、眼底血管、视神经乳头、视神经纤维、视网膜上的黄斑部以及视网膜后的脉络膜的病变，并根据眼底病变程度分为1、2、3、4、5五个等级进行标注，等级1为糖网眼底病变I期，等级2为糖网眼底病变II期，等级3为糖网眼底病变III期，等级4为糖网眼底病变IV期，等级5为糖网眼底病变V期；
[0020]步骤S32：将已标注的基准图像输入待训练的卷积神经网络中，对所述卷积神经网络进行训练，直到所述卷积神经网络的模型收敛为止，得到训练好的眼底图片糖尿病视网膜病变诊断的卷积神经网络，将正常、微动脉瘤、出血点、硬性渗出物图像块分别表示为类别0、1、2、3，通过训练网络输出图像块属于每个类别的概率值，采用交叉熵损失函数计算网络输出的预测值和标签值之间的误差，交叉熵损失函数计算公式如下：
[0021][0022]其中，w为网络中的权重参数，N为训练样本数量，y
n
和分别表示第n个样本的网络预测值和标签值。
[0023]步骤S33：将采集到的眼底图像输入上述卷积神经网络中，获得眼底图像病变情况，若没有病变，则输出眼底正常情况报告，若有病变，则按照病变程度给眼底图像病变情况报告。
[0024]因此，本专利技术采用上述结构的一种智能手持式眼底相机以及基于上述相机的图像分析方法，图像采集装置进行图像采集后通过图片质量判断模块进行判定图像是否符合标准，及时补拍和修订，提高眼底图像采集的成功率和效率，合格的图像通过辅助诊断模块进行初步诊断，再根据初步诊断结果是否需要进一步就诊，完善就诊需求。
[0025]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0026]图1为本专利技术一种智能手持式眼底相机的原理框图；
[0027]图2为本专利技术方法的流程图。
具体实施方式
[0028]实施例
[0029]图1为本专利技术一种智能手持式眼底相机的原理框图，如图所示，一种智能手持式眼底相机包括图像采集装置和处理装置，处理装置包括图片质量判断模块、辅助诊断模块以及通讯模块。图片质量判断模块和辅助诊断模块均与通讯模块相连接，通讯模块与图像采集装置相通讯用于将采集到的图像传输至图像质量判断模块进行质量判断，通讯模块与医疗终端相通讯用于将诊断报告传输给医疗机构。通讯模块为有线通讯模块或无线通讯模块或两种通讯模块的组合通讯模块，无线模块包括WIFI模块或蓝牙模块。
[0030]图2为本专利技术方法的流程图，如图所示，一种智能手持式眼底相机的图像分析方法，具体步骤如下，
[0031]步骤S1：患者通过智能手持式眼底相机采集眼底图像。
[0032]步骤S2：眼底图像通过通讯模块传输至图片质量判断模块中，进行图片质量判断，当图像不合格，给出修订提示并返回上一步骤，当图像合格，将合格的图像传输至辅助诊断模块中。步骤S2的具体步骤如下，
[0033]步骤S21：训练眼底图像质量判断的卷积神经网络，从已有眼底图像中选取基准图像，标注视盘位置，设置清晰度和曝光量；
[0034]步骤S22：将已标注的基准图像输入待训练的卷积神经网络中，对所述卷积神经网络进行训练，直到所述卷积神经网络的模型收敛为止，得到训练好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能手持式眼底相机，包括图像采集装置，其特征在于：还包括处理装置，所述处理装置包括图片质量判断模块、辅助诊断模块以及通讯模块，所述图片质量判断模块和所述辅助诊断模块均与所述通讯模块相连接，所述通讯模块与所述图像采集装置相通讯用于将采集到的图像传输至所述图像质量判断模块进行质量判断，所述通讯模块与医疗终端相通讯用于将诊断报告传输给医疗机构。2.根据权利要求1所述的一种智能手持式眼底相机，其特征在于：所述通讯模块为有线通讯模块或无线通讯模块或两种通讯模块的组合通讯模块，所述无线模块包括WIFI模块或蓝牙模块。3.基于权利要求1-2任意一项的所述的一种智能手持式眼底相机的图像分析方法，其特征在于：具体步骤如下，步骤S1：患者通过智能手持式眼底相机采集眼底图像；步骤S2：眼底图像通过通讯模块传输至图片质量判断模块中，进行图片质量判断，当图像不合格，给出修订提示并返回上一步骤，当图像合格，将合格的图像传输至辅助诊断模块中；步骤S3：合格的图像通过辅助诊断模块进行初步诊断，患者可以通过通讯模块将诊断报告发送至医疗终端，医生通过医疗终端查看诊断报告和眼底图像并进行远程诊断。4.根据权利要求3所述的一种基于智能手持式眼底相机的图像分析方法，其特征在于：步骤S2的具体步骤如下，步骤S21：训练眼底图像质量判断的卷积神经网络，从已有眼底图像中选取基准图像，标注视盘位置，设置清晰度和曝光量；步骤S22：将已标注的基准图像输入待训练的卷积神经网络中，对所述卷积神经网络进行训练，直到所述卷积神经网络的模型收敛为止，得到训练好的眼底图像质量判断的卷积神经网络；卷积神经网络包括输入层、多个卷积层、多个池化层、多个全连接层和输出层；已标注的眼底图像从所述卷积神经网络的输入层输入，卷积层和池化层提取上述图像的特征值，然后从输出层输出，上述特征值在分类器进行分类，获取所述卷积神经网络通过...

【专利技术属性】
技术研发人员：罗鑫凯，胡飞，王方，
申请(专利权)人：北京青燕祥云科技有限公司，
类型：发明
国别省市：