评估眼底图像的糖尿病视网膜病变的评估系统及评估方法技术方案

本公开描述了一种评估眼底图像的糖尿病视网膜病变的评估系统及评估方法，该评估系统包括获取眼底图像并进行预处理的获取模块；对眼底图像是否存在糖尿病视网膜病变进行判断并输出第一判断结果的第一判断模块；基于眼底图像的第一判断结果中的子模型结果对应的置信度将眼底图像分成初级质控图像或高级质控图像的质控分级模块；用于抽取初级质控图像并作为抽样眼底图像的第一抽样模块；用于对初级质控图像和抽样眼底图像进行判断以获取第二判断结果的第二判断模块；用于判定初级质控图像的第一判断结果是否合格的抽样监控模块；基于各个判断结果获取最终判断结果的第三判断模块。由此，能够提高眼底图像的糖尿病视网膜病变的评估准确率。病变的评估准确率。病变的评估准确率。

【技术实现步骤摘要】
评估眼底图像的糖尿病视网膜病变的评估系统及评估方法


[0001]本公开大体涉及一种评估眼底图像的糖尿病视网膜病变的评估系统及评估方法。

技术介绍

[0002]医疗图像常常包含身体结构或组织的诸多细节。在现代化的医院中，大部分的治疗信息来源于医疗图像例如眼底图像。在临床中，通过理解医疗图像中的这些细节，能够帮助医生进行相关疾病识别。医疗图像已经发展成临床识别疾病的主要方法。然而，传统的基于医疗图像识别疾病信息主要依靠专业的医师根据经验进行判断。在这种情况下，开发一种能够辅助医生进行相关疾病识别的系统已经成为医疗图像学领域的热门方向。随着人工智能技术的发展，基于计算机视觉和人工智能例如机器学习的疾病识别的系统已经在医疗图像识别中得到开发和应用。
[0003]例如，专利文献1(CN105513077A)中公开了一种用于糖尿病性视网膜病变筛查的系统，该系统包括：眼底图像获取设备、图像处理及筛查设备以及报告输出设备，眼底图像获取设备用于采集或接收被检人员的眼底图像；图像处理及筛查设备用于对眼底图像进行处理并检测其中是否存在病变，然后将检测结果输送本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评估眼底图像的糖尿病视网膜病变的评估系统，其特征在于，包括获取模块、第一判断模块、质控分级模块、第一抽样模块、第二判断模块、抽样监控模块、以及第三判断模块；所述获取模块用于获取眼底图像并对所述眼底图像进行预处理；所述第一判断模块基于机器学习的判断模型对所述眼底图像是否存在糖尿病视网膜病变进行判断并输出第一判断结果，所述第一判断结果包括针对各个糖尿病视网膜病变的分期的子模型结果以及所述子模型结果对应的置信度；所述质控分级模块基于所述眼底图像的第一判断结果将所述眼底图像分成初级质控图像或高级质控图像，所述初级质控图像为所述第一判断结果中不存在子模型结果对应的置信度小于预设置信度的子模型结果的眼底图像，所述高级质控图像为所述第一判断结果中存在子模型结果对应的置信度小于所述预设置信度的子模型结果的眼底图像；所述第一抽样模块用于对所述初级质控图像进行抽样并将抽取的初级质控图像作为抽样眼底图像；所述第二判断模块用于将所述高级质控图像和/或所述抽样眼底图像作为质控图像并对所述质控图像进行判断以获取第二判断结果；所述抽样监控模块用于获取所述初级质控图像的第二判断结果并判定该初级质控图像的第一判断结果是否合格，若不合格，则停止所述抽样，将该初级质控图像作为所述质控图像并进行判断以获取所述第二判断结果；以及所述第三判断模块用于对所述第一判断模块的第一判断结果和所述第二判断模块的第二判断结果进行确认和判断以获取最终判断结果。2.根据权利要求1所述的评估系统，其特征在于：所述第一判断模块、所述第二判断模块和所述第三判断模块还分别对所述眼底图像的图像质量进行判断以获取图像质量等级。3.根据权利要求1所述的评估系统，其特征在于：所述抽样监控模块获取所述初级质控图像的第二判断结果并计算抽检错误率，若所述抽检错误率大于预设错误率，则判定该初级质控图像的第一判断结果不合格。4.根据权利要求1所述的评估系统，其特征在于：所述糖尿病视网膜病变的分期包括无视网膜病变、背景期、增殖前期和增殖期。5.根据权利要求1所述的评估系统，其特征在于：所述判断模型包括针对各个糖尿病视网膜病变的分期的用于接收所述眼底图像并获取子判断结果的多个子判断模型，各个所述子判断结果包括阴性结果以及阴性结果...

【专利技术属性】
技术研发人员：郭宁，胡志钢，张诗华，童志鹏，段晓明，连倩，
申请(专利权)人：深圳硅基智能科技有限公司，
类型：发明
国别省市：