用于眼前节图像多病种特征检测的方法、介质和设备技术

本发明专利技术公开了一种用于眼前节图像多病种特征检测的方法、介质和设备，该方法包括：接收待处理的眼前节图像；将待处理的眼前节图像输入训练完成的第一深度学习模型中，输出图像检测结果，图像检测结果包括标识出的眼前节图像上存在的病灶特征位置以及病灶特征对应的疾病类型；根据知识图谱确定病灶特征对应的疾病类型以及相应的诊疗策略建议，将图像检测结果、病灶特征对应的疾病类型以及相应的诊疗策略建议进行映射存储，得到初步的诊疗分析结果；将初步的诊疗分析结果发送给预设终端。上述方案通过深度学习模型能够精准地标识出眼前节图像的病灶位置，并输出相应的疾病类型和诊疗建议，能够满足不同场景对多病种特征检测的需求。

【技术实现步骤摘要】

本申请涉及人工智能，具体涉及一种用于眼前节图像多病种特征检测的方法、介质和设备。

技术介绍

1、随着计算机硬件、算法和计算能力的进步，人工智能近年来取得了显著的进展，对于处理大量复杂多样的医疗数据显示出巨大的潜力。眼科作为一个医学领域，在此过程中因其易于获取的眼部图像和多种成像数据在诊断和治疗眼部疾病中的重要作用，成为人工智能应用最广泛的医学领域之一。

2、眼前节位于眼的前三分之一，与外部环境直接接触，因此很容易受到周围环境的刺激与影响而患病。同时，该类型疾病病情变化快，目前，人工智能技术在眼科领域的应用仍需依赖医护人员和医疗设备，患者无法自主进行疾病筛查。终端收集眼前节图像有助于远程医疗服务的提供。患者可以通过终端拍摄眼睛图像，并将其发送给医生或眼科专家进行远程诊断和咨询。尤其是在偏远地区或医疗资源不足的地方，这种方式可以提供及时的眼科护理。利用终端收集眼前节图像还能够进行眼部健康状况的快速筛查和监测，为医生提供更多个性化的治疗方案。因此，利用终端等移动设备获取患者的医学信息，实现患者独立操作即可完成疾病的诊断，或将成为未来眼科人工智能发展的本文档来自技高网...

【技术保护点】

1.一种用于眼前节图像多病种特征检测的方法，其特征在于，所述方法包括：

2.如权利要求1所述的用于眼前节图像多病种特征检测的方法，其特征在于，在将所述待处理的所述眼前节图像输入训练完成的第一深度学习模型中之前，还包括以下步骤：

3.如权利要求1所述的用于眼前节图像多病种特征检测的方法，其特征在于，所述第一深度学习模型根据以下方式进行训练：

4.如权利要求1或3所述的用于眼前节图像多病种特征检测的方法，其特征在于，所述第一深度学习模型为YOLOv7-CBAM模型，所述YOLOv7-CBAM模型包括Backbone模块、

5.如权利要求4所述的...

【技术特征摘要】

1.一种用于眼前节图像多病种特征检测的方法，其特征在于，所述方法包括：

2.如权利要求1所述的用于眼前节图像多病种特征检测的方法，其特征在于，在将所述待处理的所述眼前节图像输入训练完成的第一深度学习模型中之前，还包括以下步骤：

3.如权利要求1所述的用于眼前节图像多病种特征检测的方法，其特征在于，所述第一深度学习模型根据以下方式进行训练：

4.如权利要求1或3所述的用于眼前节图像多病种特征检测的方法，其特征在于，所述第一深度学习模型为yolov7-cbam模型，所述yolov7-cbam模型包括backbone模块、

5.如权利要求4所述的用于眼前节图像多病种特征检测的方法，其特征在于，所述backbone模块包含一个stem layer层和四个stage layer层，所述stage layer包括第一stage layer层、第二stage layer层、第...

【专利技术属性】
技术研发人员：刘祖国，刘雨雯，徐常升，林祥，罗志明，王玉倩，黄彩虹，
申请(专利权)人：厦门大学，
类型：发明
国别省市：