基于多病灶目标检测的早产儿视网膜病变诊断系统技术方案

本发明专利技术公开了基于多病灶目标检测的早产儿视网膜病变诊断系统，属于图像处理技术领域，包括眼底照片存储模块、眼底照片采集模块、眼底照片处理模块、眼底照片目标检测模块、目标检测子模型生成模块、集成模型生成模块、视网膜分析诊断模块、诊断报告形成模块和可视化展示模块；其中，眼底照片存储模块、眼底照片采集模块、眼底照片处理模块、眼底照片目标检测模块、目标检测子模型生成模块、集成模型生成模块、视网膜分析诊断模块、诊断报告形成模块和可视化展示模块均集成于计算机内部；本发明专利技术构建有多个目标检测子模型和集成模型，进而有利于降低系统整体预测偏差，提高了诊断结果的可解释性。可解释性。可解释性。

【技术实现步骤摘要】
基于多病灶目标检测的早产儿视网膜病变诊断系统


[0001]本专利技术涉及图像处理
，尤其涉及基于多病灶目标检测的早产儿视网膜病变诊断系统。

技术介绍

[0002]经检索，中国专利号CN108717869A公开了基于卷积神经网络的糖尿病视网膜并发症诊断辅助系统，该专利技术采用单一深度神经网络模型，虽然优化了诊断流程，但其整体预测偏差较大，结果的可解释性较低；早产儿是指孕周不足37周出生的婴儿，高浓度吸氧是保证早产儿成活率的一项重要技术，但过度吸氧会引发早产儿视网膜病变，随着以中国为代表的发展中国家医疗水平的不断提高，早产儿的存活率显著增加，但早产儿视网膜病变的发病率呈上升趋势，早产儿视网膜病变己成为全球儿童失明的主要原因；眼底照片是诊断和筛查早产儿视网膜病变的一类重要手段，是早期发现隐匿性眼病的有效方法，例如青光眼、糖尿病视网膜病变等隐匿性眼病在早期无视力改变的症状，眼底照片对指导眼底疾病的诊治、评估全身健康状况都有重要意义，随着近些年深度学习技术的普及，不断有拟合能力和特征提取能力强的深度神经模型被设计出来，这些模型被用于各类医学影像的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多病灶目标检测的早产儿视网膜病变诊断系统，其特征在于，包括眼底照片存储模块、眼底照片采集模块、眼底照片处理模块、眼底照片目标检测模块、目标检测子模型生成模块、集成模型生成模块、视网膜分析诊断模块、诊断报告形成模块和可视化展示模块；其中，所述眼底照片存储模块、眼底照片采集模块、眼底照片处理模块、眼底照片目标检测模块、目标检测子模型生成模块、集成模型生成模块、视网膜分析诊断模块、诊断报告形成模块和可视化展示模块均集成于计算机内部；所述可视化展示模块具体为计算机显示屏。2.根据权利要求1所述的基于多病灶目标检测的早产儿视网膜病变诊断系统，其特征在于，所述眼底照片存储模块用于存储大量早产儿视网膜的眼底照片；所述眼底照片采集模块用于调取眼底照片存储模块中的大量早产儿视网膜的眼底照片，并发送至眼底照片处理模块。3.根据权利要求1所述的基于多病灶目标检测的早产儿视网膜病变诊断系统，其特征在于，所述眼底照片处理模块用于接收眼底照片采集模块发送的大量早产儿视网膜的眼底照片，并利用空域直方图增强方法和频域同态滤波增强方法对其进行图像参数方面的优化处理；所述图像参数包括清晰度、色调、灰度、尺寸和噪声。4.根据权利要求1所述的基于多病灶目标检测的早产儿视网膜病变诊断系统，其特征在于，所述眼底照片目标检测模块用于对经过眼底照片处理模块优化处理后的大量早产儿视网膜的眼底照片进行目标检测，识别分析出其目标区域，得到早产儿视网膜病变中的各类病理形态学特征；所述目标检测子模型生成模块用于利用深度学习算法对早产儿视网膜病变中的各类病理形态学特征进行训练，得到多个目标检测子模型；所述目标检测子模型生成模块具体生成过程如下：S1：利用眼底照片采集模块提取大量早产儿视网膜的眼底照片，并通过眼底照片处理模块和眼底照片目标检测模块对其经处理，得到各类病理形态学特征集合；S2：将各类病理形态学特征集合进行随机分配，形成训练集1、训练集2、<...

【专利技术属性】
技术研发人员：张寅升，张国明，陈妙虹，王利，林剑，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：