System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机,尤其涉及一种基于角膜区域图片的智能随访方法及系统。
技术介绍
1、目前,对于角膜炎患者来说,进行随访的方式主要有两种:(1)角膜炎患者到医院眼科进行检查评估;(2)眼科医生通过远程医疗进行随访评估。
2、上述方案(1),患者会因为距离就诊医院太远或是无法挂到就诊医生的号等原因,未能按时随访甚至失访,这可能导致患者在病情发生变化时没有被及时发现并获得恰当的处理,角膜炎症可能加重并发生严重并发症,造成无法挽回的后果。上述方案(2),大部分眼科医生在应对自己门诊患者、手术及医院其他相关日常工作上已经耗费掉大量的时间和精力,让其再加班通过远程医疗去随访患者无疑会进一步加重医生的工作负担。因此,亟需一种有效的方案以解决上述问题。
技术实现思路
1、针对现有技术存在的问题,本专利技术实施例提供一种基于角膜区域图片的智能随访方法及系统。
2、本专利技术提供一种基于角膜区域图片的智能随访方法,包括:
3、获取随访用户的角膜区域图片,并利用训练得到的目标图像分割模型,分割所述角膜区域图片中的角膜异常区域;
4、根据所述角膜异常区域的第一面积和所述角膜区域图片中角膜区域的第二面积,确定第一面积比值;
5、根据所述第一面积比值和所述随访用户对应的历史面积比值,确定随访建议,并将所述随访建议反馈给所述随访用户。
6、根据本专利技术提供的一种基于角膜区域图片的智能随访方法,所述根据所述第一面积比值和所述随访用户对应
7、若所述第一面积比值小于所述随访用户对应的历史面积比值,确定所述随访建议为建议维持当前修复策略;
8、若所述第一面积比值大于或等于所述随访用户对应的历史面积比值,确定所述随访建议为建议修改所述当前修复策略。
9、根据本专利技术提供的一种基于角膜区域图片的智能随访方法,所述根据所述第一面积比值和所述随访用户对应的历史面积比值,确定随访建议,包括:
10、根据所述第一面积比值和所述随访用户对应的第二面积比值,确定随访建议,所述第二面积比值为所述历史面积比值中最新的历史面积比值。
11、根据本专利技术提供的一种基于角膜区域图片的智能随访方法,所述利用训练得到的目标图像分割模型,分割所述角膜区域图片中的角膜异常区域之前,还包括:
12、获取样本角膜区域图片集和初始图像分割模型,所述样本角膜区域图片集包含携带有标签角膜异常区域的样本角膜区域图片,所述标签角膜异常区域用于表征所述样本角膜区域图片中的角膜异常区域;
13、从所述样本角膜区域图片集中提取任一所述样本角膜区域图片,并将所述样本角膜区域图片输入至所述初始图像分割模型,得到所述样本角膜区域图片集对应的预测角膜异常区域;
14、根据所述标签角膜异常区域和所述预测角膜异常区域,计算第一损失值和第二损失值,所述第一损失值和所述第二损失值基于不同的损失函数确定;
15、将所述第一损失值和所述第二损失值进行加权求和,得到综合损失值;
16、根据所述综合损失值,调整所述初始图像分割模型的模型参数;
17、返回所述从所述样本角膜区域图片集中提取任一所述样本角膜区域图片的步骤,继续训练所述初始图像分割模型,直至达到训练停止条件,得到所述目标图像分割模型。
18、根据本专利技术提供的一种基于角膜区域图片的智能随访方法,所述根据所述综合损失值,调整所述初始图像分割模型的模型参数,包括:
19、根据所述综合损失值,利用自适应动量的随机优化算法和/或预设的防止过拟合算法,调整所述初始图像分割模型的模型参数。
20、根据本专利技术提供的一种基于角膜区域图片的智能随访方法,所述自适应动量的随机优化算法包括自适应梯度算法和均方根传播算法;
21、所述防止过拟合算法包括基于卷积神经网络的正则化算法和批归一化算法。
22、根据本专利技术提供的一种基于角膜区域图片的智能随访方法,所述获取随访用户的角膜区域图片,包括:
23、获取随访用户的眼部图片;
24、对所述眼部图片中的角膜区域进行裁剪,得到角膜区域图片。
25、本专利技术还提供一种基于角膜区域图片的智能随访系统,包括:
26、获取模块,被配置为获取随访用户的角膜区域图片,并利用训练得到的目标图像分割模型,分割所述角膜区域图片中的角膜异常区域;
27、第一确定模块,被配置为根据所述角膜异常区域的第一面积和所述角膜区域图片中角膜区域的第二面积,确定第一面积比值;
28、第二确定模块,被配置为根据所述第一面积比值和所述随访用户对应的历史面积比值,确定随访建议,并将所述随访建议反馈给所述随访用户。
29、本专利技术还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于角膜区域图片的智能随访方法。
30、本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于角膜区域图片的智能随访方法。
31、本专利技术还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述基于角膜区域图片的智能随访方法。
32、本专利技术提供的基于角膜区域图片的智能随访方法及系统,通过获取随访用户的角膜区域图片,并利用训练得到的目标图像分割模型,分割角膜区域图片中的角膜异常区域;根据角膜异常区域的第一面积和角膜区域图片中角膜区域的第二面积,确定第一面积比值;根据第一面积比值和随访用户对应的历史面积比值,确定随访建议,并将随访建议反馈给随访用户,实现了智能随访和自动随访;可以自动对比分析在随访过程中不同时间的面积比值的变化情况,明确随访用户的状态变化;还可以基于第一面积比值,并给出对应的随访建议,增加了随访的可及性,减轻眼科医生的工作量。
本文档来自技高网...【技术保护点】
1.一种基于角膜区域图片的智能随访方法,其特征在于,包括:
2.根据权利要求1所述的基于角膜区域图片的智能随访方法,其特征在于,所述根据所述第一面积比值和所述随访用户对应的历史面积比值,确定随访建议,包括:
3.根据权利要求1或2所述的基于角膜区域图片的智能随访方法,其特征在于,所述根据所述第一面积比值和所述随访用户对应的历史面积比值,确定随访建议,包括:
4.根据权利要求1所述的基于角膜区域图片的智能随访方法,其特征在于,所述利用训练得到的目标图像分割模型,分割所述角膜区域图片中的角膜异常区域之前,还包括:
5.根据权利要求4所述的基于角膜区域图片的智能随访方法,其特征在于,所述根据所述综合损失值,调整所述初始图像分割模型的模型参数,包括:
6.根据权利要求5所述的基于角膜区域图片的智能随访方法,其特征在于,所述自适应动量的随机优化算法包括自适应梯度算法和均方根传播算法;
7.根据权利要求1所述的基于角膜区域图片的智能随访方法,其特征在于,所述获取随访用户的角膜区域图片,包括:
8.一种基于角膜
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述基于角膜区域图片的智能随访方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于角膜区域图片的智能随访方法。
...【技术特征摘要】
1.一种基于角膜区域图片的智能随访方法,其特征在于,包括:
2.根据权利要求1所述的基于角膜区域图片的智能随访方法,其特征在于,所述根据所述第一面积比值和所述随访用户对应的历史面积比值,确定随访建议,包括:
3.根据权利要求1或2所述的基于角膜区域图片的智能随访方法,其特征在于,所述根据所述第一面积比值和所述随访用户对应的历史面积比值,确定随访建议,包括:
4.根据权利要求1所述的基于角膜区域图片的智能随访方法,其特征在于,所述利用训练得到的目标图像分割模型,分割所述角膜区域图片中的角膜异常区域之前,还包括:
5.根据权利要求4所述的基于角膜区域图片的智能随访方法,其特征在于,所述根据所述综合损失值,调整所述初始图像分割模型的模型参数,包括:
<...【专利技术属性】
技术研发人员:李中文,陈蔚,王世红,尹诗琪,
申请(专利权)人:宁波市眼科医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。