巨细胞病毒性视网膜炎辅助识别方法、装置及电子设备制造方法及图纸

本申请涉及一种巨细胞病毒性视网膜炎辅助识别方法、装置及电子设备，巨细胞病毒性视网膜炎辅助识别方法包括获取患者眼底图像，提取眼底图像中巨细胞病毒性视网膜炎参数，巨细胞病毒性视网膜炎参数包括病灶位置和病灶形态，将巨细胞病毒性视网膜炎参数输入训练好的巨细胞病毒性视网膜炎辅助识别模型输出特征向量以根据特征向量得到分类结果。本申请根据分类结果可以识别患者是否患有巨细胞病毒性视网膜炎，从而实现巨细胞病毒性视网膜炎地精准预测，并且，操作简单，可进行多医疗中心推广甚至社区普及，改善大众医疗水平。

【技术实现步骤摘要】
巨细胞病毒性视网膜炎辅助识别方法、装置及电子设备
本申请属于医学影像机器学习
，具体涉及一种巨细胞病毒性视网膜炎辅助识别方法、装置及电子设备。
技术介绍
深度学习在医学影像自动诊断和筛查方面以得到快速发展，例如利用病患的广域眼底彩照诊断患者是否患有视网膜脱离、格子样变性等疾病。超广角眼底成像检查，通过自动化、友好化的方式捕获视网膜图像，可以获得比较全面的眼底图像，完善视网膜脱离的影像表现，降低视网膜脱离的漏诊、误诊率。但是从未有研究用深度学习基于病患的广域眼底彩照自动诊断巨细胞病毒性视网膜炎(cytomegalovirusretinitis，CMVR)。CMVR的确诊有赖于经验丰富的眼科医师行眼底镜检查,目前主要依靠眼底检查进行CMVR的诊断，但中国医疗分配不均匀，在高年资眼科医生相对匮乏的地区,造成部分地区病例确诊困难，并且由于缺少临床诊断率的数据，临床情况的复杂及不确定性因素，为眼科医生的诊断增加了困难。
技术实现思路
为至少在一定程度上克服CMVR的确诊有赖于经验丰富的眼科医师行眼底镜检查,目前主要依靠眼底检查进本文档来自技高网...

【技术保护点】
1.一种巨细胞病毒性视网膜炎辅助识别方法，其特征在于，包括：/n获取患者眼底图像；/n提取所述眼底图像中巨细胞病毒性视网膜炎参数，所述巨细胞病毒性视网膜炎参数包括病灶位置和病灶形态；/n将所述巨细胞病毒性视网膜炎参数输入训练好的巨细胞病毒性视网膜炎辅助识别模型输出特征向量，以根据所述特征向量得到分类结果。/n

【技术特征摘要】
1.一种巨细胞病毒性视网膜炎辅助识别方法，其特征在于，包括：
获取患者眼底图像；
提取所述眼底图像中巨细胞病毒性视网膜炎参数，所述巨细胞病毒性视网膜炎参数包括病灶位置和病灶形态；
将所述巨细胞病毒性视网膜炎参数输入训练好的巨细胞病毒性视网膜炎辅助识别模型输出特征向量，以根据所述特征向量得到分类结果。


2.根据权利要求1所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，还包括：
构建基于深度卷积神经网络的巨细胞病毒性视网膜炎辅助识别模型；
采用内部数据集对所述巨细胞病毒性视网膜炎辅助识别模型进行四倍交叉验证以训练所述巨细胞病毒性视网膜炎辅助识别模型。


3.根据权利要求2所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，所述构建基于深度卷积神经网络的巨细胞病毒性视网膜炎辅助识别模型包括：
采用InceptionResnetV2网络模型作为基于深度卷积神经网络的巨细胞病毒性视网膜炎辅助识别模型的基础网络模型；
采用CrossEntropy损失函数作为基于深度卷积神经网络的巨细胞病毒性视网膜炎辅助识别模型的损失函数；
根据所述损失函数得到分类结果；
根据分类结果判断患者是否患有巨细胞病毒性视网膜炎。


4.根据权利要求2所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，还包括：
对内部数据集中的样本进行分类；
根据内部数据集中样本类别施加不同权重。


5.根据权利要求1或2所述的巨细胞病毒性视网膜炎辅助识别方法，其特征在于，训练好的巨细胞病毒性视网膜炎辅助识别模型后，还包括：
采用外部验证数据集进行外部验证；
根据外部验证结果优化模型性能...

【专利技术属性】
技术研发人员：魏文斌，董力，杜葵芳，张凯，李赫妍，
申请(专利权)人：首都医科大学附属北京同仁医院，
类型：发明
国别省市：北京;11