一种关于眼底炫彩成像的目标识别系统与方法技术方案

本发明专利技术公开了一种关于眼底炫彩成像的目标识别系统，包括云端服务器、移动客户端PowerRealInfo；眼底炫彩图像成像设备用于采集图像，所做的眼底炫彩图像作为模型图像输入；云端服务器包括模型预训练模块、模型预测模块；服务器中模型预训练模块通过网络与后台控制端连接，模型预测模块也通过网络与后台控制端连接，模型预训练模块与模型预测模块二者的连接通过后台控制；移动客户端包括结果显示处理模块；移动客户端通过网络与云端服务器中的模型预测模块连接；模型预测模块和结果显示模块连接。用于实现高性能眼底图像目标识别，帮助医疗人员在快速地查看各种病灶点的状态，准确度高。准确度高。准确度高。

【技术实现步骤摘要】
一种关于眼底炫彩成像的目标识别系统与方法


[0001]本专利技术涉及一种眼底图像病变识别系统，更具体的涉及一种关于眼底炫彩成像的目标识别系统。此外，本专利技术还涉及眼底炫彩成像的目标识别系统实现方法。

技术介绍

[0002]本专利技术主要基于两个方面的背景，一是糖尿病性视网膜病变(diabeticretinopathy，DR)是目前世界上增长最快的致盲原因，是糖尿病患者的并发症之一，每位患者都有可能因为 糖尿病视网膜病变而失明；二是深度学习在图像处理领域的发展，尤其在医学图像标注系统中，深度学习应用最为广泛，技术发展也最为成熟。
[0003]一方面，糖尿病性视网膜病变在出现不可逆的视觉损伤前，没有任何临床症状。目前防止失明的主要手段是定期检查，通过使用特制设备，采集患者眼底 图片，由专业眼科医生对采集的图像进行诊断。然而，在许多地方，并没有足够的医生来做这些工作的，差不多一半的患者还没来得及确诊就已经失明了。因此，随着糖尿病发病率的不断攀升，对糖尿病性视网膜病变进 行低成本地自动诊断至关重要；另一方面，图像标注越来越广泛地被应用到通讯、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种关于眼底炫彩成像的目标识别系统，包括云端服务器、移动客户端PowerRealInfo；其中：眼底炫彩图像成像设备用于采集图像，所做的眼底炫彩图像作为模型图像输入；云端服务器包括模型预训练模块、模型预测模块；服务器中模型预训练模块通过网络与后台控制端连接，模型预测模块也通过网络与后台控制端连接，模型预训练模块与模型预测模块二者的连接通过后台控制；移动客户端包括结果显示处理模块；移动客户端通过网络与云端服务器中的模型预测模块连接；模型预测模块和结果显示模块连接。2.根据权利要求1所述的一种关于眼底炫彩成像的目标识别系统，其特征在于：所述的模型预训练模块由后台控制、安装在云端服务器上；所述的模型预测模块安装在云端服务器上；所述的结果显示处理模块安装在移动客户端上。3.根据权利要求1所述的一种关于眼底炫彩成像的目标识别系统，其特征在于：所述移动客户端包括医生模块，用于医生进行数据处理操作， 包括医生账号登陆，医生简历患者档案，医生患者交流数据信息存储，上传患者眼底炫彩图片，病历档案处理。4.根据权利要求3所述的一种关于眼底炫彩成像的目标识别系统，其特征在于：所述移动客户端医生操作步骤包括：医生登录账号，查看往期的患者信息，并通过客户端与患者交流；面对新患者，医生首先建立患者档案，输入存储患者相关身份信息；再对患者进行眼底炫彩照相，获取患者的眼底炫彩图片，并手动下载图片上传至系统中，拍摄完成后，医生和患者均通过移动客户端进行查阅；医生通过移动客户端与云端服务器连接，使用深度学习按钮，对拍摄或者上传完成的眼底炫彩图片进行处理，返回深度学习的预测结果。5.一种关于眼底炫彩成像的目标识别方法：其步骤如下：S1、后台控制云端服务器中的模型预训练模块，进行预训练模型测试；其中：s1a、首先从后台上传经过处理的预训练样本，然后使用已经配置好的maskrcnn参数配置进行训练；然后用测试模块在后台对训练好的模型进行测试；所述的样本为眼底炫彩图像成像设备采集的图像作为模型图像输入；输入图像大小为768*868大小，三通道；s1b、将每一张眼底炫彩图片按照其病变的类型划分为相应数据集，每一张图片都划分到数据集的一类中；s1c、预训练通过数据集进行镜像翻转、添加随机噪声的方式扩充数据集数量，增大训练集；S2、预训练模型测试通过之后，通过后台控制，将预训练的模型加载入模型预测模块之中；S3、在模型加载好之后，用户在移动端使用app连接云端服务器，将拍摄好的眼底照片上传进入云端服务器，点击AI判决的按钮控制模型预测模块进行判决；
S4、服务端接收客户端发送的Ge...

【专利技术属性】
技术研发人员：郑健，徐立璋，靳雪，刘国，尹荣荣，张倩，洪姣，邓科，章书波，胡汉平，毛昱升，姜兴民，朱松林，刘芷萱，赵先洪，李银谷，
申请(专利权)人：武汉爱眼帮科技有限公司，
类型：发明
国别省市：