基于多模态信息网络的青光眼不同阶段判别系统技术方案

基于多模态信息网络的青光眼不同阶段判别系统，本发明专利技术涉及青光眼不同阶段判别系统，属于计算机视觉和机器学习技术。本发明专利技术为了解决现有青光眼不同阶段判别准确率低的问题。系统包括：数据采集模块、数据预处理模块、超分辨率重建网络模型、图文多模态卷积网络模型和待测模块；数据采集模块用于采集OCT影像、OCTA影像、RNFL影像、病历信息；数据预处理模块用于得到预处理后的OCT影像训练集、OCTA影像训练集、RNFL影像训练集和病历信息；超分辨率重建网络模型用于获得训练好的超分辨率重建网络模型；图文多模态卷积网络模型用于获得训练好的图文多模态卷积网络模型；待测模块用于输出待测数据的青光眼不同时期的概率。

【技术实现步骤摘要】

本专利技术涉及青光眼不同阶段判别系统，属于计算机视觉和机器学习技术。

技术介绍

1、青光眼的特点是其进行性，如果不及时发现和治疗，可能会造成视力丧失和不可逆转的失明。早期识别和预防青光眼对于解决这种严重的眼病至关重要。

2、然而，传统的青光眼诊断方法不仅耗时较长，而且在操作过程中容易受人为因素影响，导致诊断结果存在误差，且整体诊断效率不高。这些问题都限制了传统诊断方法在青光眼筛查和管理中的应用效果。

3、为了提高诊断的准确性和简化诊断流程，自动化诊断技术的引入变得尤为重要且必要。

4、目前已经有一套基于googlenet的青光眼自动诊断系统。该系统采用滑动窗口方法与网络相结合，结合人工提取的octa结构和感兴趣区域(roi)子图像进行训练。经过训练，即使使用质量较差的数据库的图像，该算法也显示出良好的准确性。实现数据库图像的预处理步骤增加了计算开销，可能会减慢整个工作流程并增加资源需求。

5、densenet169的准确率(ar)达到85.19％，表明其在区分轻度和重度青光眼方面是有效的。但densenet1本文档来自技高网...

【技术保护点】

1.基于多模态信息网络的青光眼不同阶段判别系统，其特征在于：所述系统包括：数据采集模块、数据预处理模块、超分辨率重建网络模型、图文多模态卷积网络模型和待测模块；

2.根据权利要求1所述的基于多模态信息网络的青光眼不同阶段判别系统，其特征在于：所述数据采集模块用于采集眼底光相干断层扫描OCT影像训练集、眼底光相干断层扫描OCTA影像训练集、RNFL影像训练集、病历信息；具体过程为：

3.根据权利要求2所述的基于多模态信息网络的青光眼不同阶段判别系统，其特征在于：所述数据预处理模块用于对数据采集模块采集的眼底光相干断层扫描OCT影像训练集、眼底光相干断层扫描OCTA影...

【技术特征摘要】

1.基于多模态信息网络的青光眼不同阶段判别系统，其特征在于：所述系统包括：数据采集模块、数据预处理模块、超分辨率重建网络模型、图文多模态卷积网络模型和待测模块；

2.根据权利要求1所述的基于多模态信息网络的青光眼不同阶段判别系统，其特征在于：所述数据采集模块用于采集眼底光相干断层扫描oct影像训练集、眼底光相干断层扫描octa影像训练集、rnfl影像训练集、病历信息；具体过程为：

3.根据权利要求2所述的基于多模态信息网络的青光眼不同阶段判别系统，其特征在于：所述数据预处理模块用于对数据采集模块采集的眼底光相干断层扫描oct影像训练集、眼底光相干断层扫描octa影像训练集、rnfl影像训练集和病历信息分别进行预处理，得到预处理后的眼底光相干断层扫描oct影像训练集、眼底光相干断层扫描octa影像训练集、rnfl影像训练集和病历信息；具体过程为：

4.根据权利要求3所述的基于多模态信息网络的青光眼不同阶段判别系统，其特征在于：所述4)中对数据采集模块采集的病历信息进行预处理，得到预处理后的病历信息；预处理后的病历信息包括预处理后的年龄、处理后的性别、处理后的联合特征；

5.根据权利要求4所述的基于多模态信息网络的青光眼不同阶段判别系统，其特征在于：所述超分辨率重建网络模型用于将预处理后的眼底光相干断层扫描oct影像训练集、眼底光相干断层扫描octa影像训练集和rnfl影像训练集作为超分辨率重建网络模型的输入，高分辨率的oct影像训练集、octa影像训练集和rnfl影像训练集作为超分辨率重建网络模型的输出，获得训练好的超分辨率重建网络模型；具体过程为：

6.根据权利要求5所述的基于多模...

【专利技术属性】
技术研发人员：杜奕辉，宋旭文，张圣予，杨学博，杨宪强，佟明斯，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：