基于异构数据的糖尿病肾病的辅助检测方法技术

本发明专利技术属于智能医学影像处理领域，公开了一种基于异构数据的糖尿病肾病的辅助检测方法，本发明专利技术首先获取使用者双目的眼底图像和尿白蛋白/肌酐比值，再根据眼底图像和尿白蛋白/肌酐比值提取眼底图像的图像信息和取UACR信息，将图像信息和UACR信息在深度方向进行向量拼接，获得融合特征，最后将融合特征处理后进行分类，得到最终结果。相比于只用生化指标UACR诊断，采用本发明专利技术提出的异构数据诊断DKD，真阳性率更有着大幅提高。更高的真阳性率意味着本发明专利技术能够检测出更多阳性样本，更有利于DKD的筛查。本发明专利技术能够为医疗机构提供DKD的初步筛查或辅助诊断，从而提高医生的阅片速度，应对影像学诊断人才资源紧缺等问题。应对影像学诊断人才资源紧缺等问题。应对影像学诊断人才资源紧缺等问题。

【技术实现步骤摘要】
基于异构数据的糖尿病肾病的辅助检测方法


[0001]本专利技术属于智能医学影像处理领域，具体涉及一种基于异构数据的糖尿病肾病的辅助检测方法。

技术介绍

[0002]糖尿病肾脏病(Diabetic Kidney Disease,DKD)作为糖尿病一种常见的微血管并发症，发病时间难以确定，且由于缺少特异的靶向治疗，治愈率很低。持续发展下去则会演变为终末期肾病，严重威胁到患者的生命健康。DKD的常见筛查技术有三种，其中只有一种是无创的，就是用随机尿样测定一种名为尿白蛋白肌酐比值(Urine Albumin
‑
to
‑
Creatinine Ratio,UACR)的生化指标。并且这些筛查方法得到的生化指标反映的是肾部的损伤或疾病，并不能判断该肾部疾病是否由糖尿病引起，即不能对DKD的诊断下决定性判断。临床上，医生会结合这些生化指标值和病人的其他病征来诊断DKD。因此，临床的DKD诊断较为复杂，且大多都有创。
[0003]糖尿病性视网膜病变(Diabetic Retinopathy,DR)和DKD均属于糖尿病微血管疾病，一般是伴随发生的，具有相似的发病机制和发病时间。2021年版的中国糖尿病肾脏病防治指南也指出DR是诊断DKD的一个重要依据。数字眼底照相是一种无创、便捷的技术，常用于眼部疾病的筛查，特别是筛查DR。近两年，有一些研究尝试使用数字眼底照相技术获得的眼底图像来识别慢性肾病和早期肾损伤，并取得了不错的效果。这些研究表明了眼底图像和肾部疾病之间的关联。
[0004]人工智能深度学习技术已广泛应用医学图像领域，将深度学习方法应用于眼底图像诊断DR的准确率甚至比医生观察眼底图像诊断DR的准确率更高。
[0005]综上，现有的临床诊断DKD的方法较为复杂，且大多有创，迫切需要找到一个无创、便捷且智能的诊断方法。

技术实现思路

[0006]本专利技术的目的在于克服上述不足，提供一种基于异构数据的糖尿病肾病的辅助检测方法，能够根据眼底图像对于DKD进行辅助诊断。
[0007]为了达到上述目的，本专利技术包括：
[0008]获取使用者双目的眼底图像和尿白蛋白/肌酐比值；
[0009]通过ResNet
‑
34网络提取眼底图像的图像信息；
[0010]通过全连接层提取尿白蛋白/肌酐比值的UACR信息；
[0011]将图像信息和UACR信息进行融合获得融合特征；
[0012]对融合特征进行分类得到分类结果。
[0013]获取使用者双目的眼底图像采用Daytona免散瞳眼底照相机拍摄得到。
[0014]通过尿微量白蛋白检测获取使用者的尿白蛋白/肌酐比值。
[0015]获取使用者双目的眼底图像的具体方法如下：
[0016]将双目的眼底图像进行中心剪裁，去除拍摄到的其他影响；
[0017]将RGB空间下的图像去除蓝色通道，保留红色通道和绿色通道；
[0018]将左眼眼底图像和右眼眼底图像在深度方向进行拼接，再使用随机水平翻转、随机竖直翻转和随机角度旋转的数据增强方法对拼接后的图像进行扩增，完成图像的处理，得到最终使用者双目的眼底图像。
[0019]通过ResNet
‑
34网络提取眼底图像的图像信息的具体方法如下：
[0020]使眼底图像通过第一层卷积层，第一层卷积层使用64个7x7的卷积核，步长为2，再通过BN层，然后通过激活函数ReLU，生成第一层特征图；
[0021]对第一层特征图进行最大池化操作，再连续通过3个恒等残差块，得到深度为64的第二层特征图；
[0022]使第二层特征图通过一个输入深度为64，输出深度为128的线性残差块，再连续通过3个恒等残差块，得到深度为128的第三层特征图；
[0023]使第三层特征图通过一个输入深度为128，输出深度为256的线性残差块，再连续通过5个恒等残差块，得到深度为256的第四层特征图；
[0024]使第四层特征图通过一个输入深度为256，输出深度为512的线性残差块，再连续通过2个恒等残差块，得到深度为512的最终特征图；
[0025]对最终特征图进行全局平均池化，得到512维的特征向量，即为图像信息。
[0026]恒等残差块处理特征图的具体方法如下：
[0027]进行第一次卷积，使输入特征图通过一个3x3的卷积层，步长为1，卷积核数量为输入特征图的深度，再通过BN层，然后通过激活函数ReLU；
[0028]进行第二次卷积，通过与第一次卷积相同的卷积层，再通过BN层，得到卷积输出；
[0029]将卷积输出与输入特征图相加，通过激活函数ReLU后，得到输出特征图。
[0030]线性残差块处理特征图的具体方法如下：
[0031]进行第一次卷积，使输入特征图通过一个3x3卷积层，步长为2，卷积核数量为ResNet
‑
34网络每一层的输出深度，再通过BN层，然后通过激活函数ReLU；
[0032]进行第二次卷积，通过一个3x3卷积层，步长为1，卷积核数量与第一次卷积的相同，再通过BN层，得到卷积输出；
[0033]处理输入特征图，使输入特征图通过一个1x1卷积层，步长为1，卷积核数量与第一次卷积的相同，再通过BN层，得到输入特征图的线性映射；
[0034]将卷积输出与输入特征图的线性映射相加，通过激活函数ReLU后，得到输出特征图。
[0035]通过全连接层提取尿白蛋白/肌酐比值UACR的UACR信息的具体方法如下：
[0036]将提取尿白蛋白/肌酐比值UACR通过全连接层，获取到一个5维的特征向量，该特征向量即为UACR信息。
[0037]将图像信息和UACR信息进行融合获得融合特征的具体方法如下：
[0038]将UACR信息和眼图像信息这两个特征向量沿最后一个维度拼接，获得融合的特征向量。
[0039]对融合特征进行分类得到分类结果的具体方法如下：
[0040]将融合特征向量通过全连接层，得到2维的向量，再将该2维向量通过softmax层，
得到2维的概率向量，该概率向量对应了使用者分别属于未患糖尿病肾病和患糖尿病肾病的概率。概率较大的一类即为使用者的诊断结果。
[0041]与现有技术相比，本专利技术首先获取使用者双目的眼底图像和尿白蛋白/肌酐比值，再根据眼底图像和尿白蛋白/肌酐比值提取眼底图像的图像信息和取UACR信息，将图像信息和UACR信息在深度方向进行向量拼接，获得融合特征，最后将融合特征处理后进行分类，得到最终结果。相比于只用生化指标UACR诊断，采用本专利技术提出的异构数据诊断DKD，准确率提高，真阳性率更有着大幅提高。更高的真阳性率意味着本专利技术能够检测出更多阳性样本，更有利于DKD的筛查，与临床期望一致。本专利技术能够为医疗机构或医院提供DKD的初步筛查或辅助诊断，从而提高医生的阅片速度，应对影像学诊断人才资源紧缺等问题。
...

【技术保护点】

【技术特征摘要】
1.基于异构数据的糖尿病肾病的辅助检测方法，其特征在于，包括：获取使用者双目的眼底图像和尿白蛋白/肌酐比值；通过ResNet
‑
34网络提取眼底图像的图像信息；通过全连接层提取尿白蛋白/肌酐比值的UACR信息；将图像信息和UACR信息进行融合获得融合特征；对融合特征进行分类得到分类结果。2.根据权利要求1所述的基于异构数据的糖尿病肾病的辅助检测方法，其特征在于，获取使用者双目的眼底图像采用Daytona免散瞳眼底照相机拍摄得到。3.根据权利要求1所述的基于异构数据的糖尿病肾病的辅助检测方法，其特征在于，通过尿微量白蛋白检测获取使用者的尿白蛋白/肌酐比值。4.根据权利要求1所述的基于异构数据的糖尿病肾病的辅助检测方法，其特征在于，获取使用者双目的眼底图像的具体方法如下：将双目的眼底图像进行中心剪裁，去除拍摄到的其他影响；将RGB空间下的图像去除蓝色通道，保留红色通道和绿色通道；将左眼眼底图像和右眼眼底图像在深度方向进行拼接，再使用随机水平翻转、随机竖直翻转和随机角度旋转的数据增强方法对拼接后的图像进行扩增，完成图像的处理，得到最终使用者双目的眼底图像。5.根据权利要求1所述的基于异构数据的糖尿病肾病的辅助检测方法，其特征在于，通过ResNet
‑
34网络提取眼底图像的图像信息的具体方法如下：使眼底图像通过第一层卷积层，第一层卷积层使用64个7x7的卷积核，步长为2，再通过BN层，然后通过激活函数ReLU，生成第一层特征图；对第一层特征图进行最大池化操作，再连续通过3个恒等残差块，得到深度为64的第二层特征图；使第二层特征图通过一个输入深度为64，输出深度为128的线性残差块，再连续通过3个恒等残差块，得到深度为128的第三层特征图；使第三层特征图通过一个输入深度为128，输出深度为256的线性残差块，再连续通过5个恒等残差块，得到深度为256的第四层特征图；使第四层特征图通过一个输入深度为256，输出深度为512的线性残差块，再连续通过2个恒等残差块，得到深度为512的最终特征图；对最终特征图进行全局平均池...

【专利技术属性】
技术研发人员：辛景民，喻弘萱，武佳懿，王璐，陈仕韬，左炜亮，崔巍，郑南宁，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：