【技术实现步骤摘要】
本专利技术涉及医疗信息处理，具体涉及一种闭角型青光眼疾病进展提示方法、装置、设备及存储介质。
技术介绍
1、随着人们对眼睛健康的重视程度越来越高，越来越多的人开始意识到定期进行眼部检查的重要性。定期检查不仅可以早期发现潜在的眼部疾病，还能及时采取措施进行干预和治疗，从而有效预防病情恶化。因此，基于眼睛检查结果进行风险提示变得尤为必要。这种风险提示不仅可以帮助个人更好地了解自己的眼部健康状况，还可以指导他们采取适当的预防和治疗措施，从而降低患严重眼病的风险。
2、但是，相关技术中，医生只能依据一些明确的检查参数异常、或者接近异常数值来提醒人们进行生活习惯的调整。在没有明确的检查参数异常的情况下，一般会被认为是健康眼睛，无需进行提醒。但是，在有明确的检查参数异常或接近异常的情况下，这些异常往往是不可逆的，因此需要在更早期进行提醒，以最大程度避免异常的出现。
技术实现思路
1、有鉴于此，本专利技术提供了一种闭角型青光眼疾病进展提示方法、装置、设备及存储介质，以解决无法在更早期进行风险提示，以最大程度保护眼睛，避免出现异常的问题。
2、第一方面，本专利技术提供了一种闭角型青光眼疾病进展提示方法，所述方法包括：
3、获取目标对象的眼底照片；
4、利用图像识别神经网络模型对所述眼底照片进行识别检测，得到所述目标对象的目标视网膜血管参数，所述目标视网膜血管参数包括动脉血管分支夹角不对称比率、动脉血管分支指数偏差、动脉曲线弯曲度和动脉血管分形维数中的
5、将所述目标视网膜血管参数输入至目标信息预测模型；
6、基于所述目标信息预测模型的输出结果，输出对应的提示信息。
7、在一种可选的实施方式中，所述利用图像识别神经网络模型对所述眼底照片进行识别检测，得到所述目标对象的视网膜血管参数之前，还包括：
8、获取多个维度的视网膜血管参数，所述视网膜血管参数包括动脉角度不对称性、静脉角度不对称性、动脉分支系数、静脉分支系数、动脉血管分支夹角不对称比率、静脉血管分支夹角不对称比率、动脉分支指数偏差、静脉分支指数偏差、动脉弯曲度、静脉弯曲度、动脉曲线弯曲度、静脉曲线弯曲度、动脉血管分形维度、静脉血管分形维度；
9、对所述视网膜血管参数分别构建单因素logistic回归模型，来获取各个所述视网膜血管参数的第一显著性值；
10、将小于第一预设阈值的所述显著性值对应的第一视网膜血管参数，纳入多因素logistic回归模型，获取各个所述第一视网膜血管参数的第二显著性值；
11、逐步删除所述第二显著性值最大的所述第一视网膜血管参数，直至剩余的所述第一视网膜血管参数对应的所述第二显著性值均小于第二预设阈值；
12、确定剩余的所述第一视网膜血管参数为所述目标视网膜血管参数。
13、在一种可选的实施方式中，所述对所述视网膜血管参数分别构建单因素logistic回归模型，来获取各个所述视网膜血管参数的第一显著性值之前，还包括：
14、获取所述视网膜血管参数中，每两个所述视网膜血管参数之间的相关性，所述相关性指示两个所述视网膜血管参数之间的多重共线性；
15、使用多重回归法消除所述视网膜血管参数之间的多重共线性。
16、在一种可选的实施方式中，所述将所述目标视网膜血管参数输入至目标信息预测模型之前，还包括：
17、获取多个维度的视网膜血管参数以及对应的信息标签，所述视网膜血管参数包括动脉角度不对称性、静脉角度不对称性、动脉分支系数、静脉分支系数、动脉血管分支夹角不对称比率、静脉血管分支夹角不对称比率、动脉分支指数偏差、静脉分支指数偏差、动脉弯曲度、静脉弯曲度、动脉曲线弯曲度、静脉曲线弯曲度、动脉血管分形维度、静脉血管分形维度；
18、构建初始信息预测模型；
19、将所述多个维度的视网膜血管参数作为训练样本，并利用所述信息标签，对所述初始信息预测模型进行训练；
20、对训练完成的所述初始信息预测模型进行可解释性分析；
21、根据可解释性分析结果，从所述多个维度的视网膜血管参数中筛选出所述目标视网膜血管参数。
22、在一种可选的实施方式中，所述将所述目标视网膜血管参数输入至目标信息预测模型，包括：
23、获取所述目标对象的眼压参数和垂直杯盘比；
24、将所述眼压参数和所述垂直杯盘比、以及所述目标视网膜血管参数输入至所述目标信息预测模型。
25、在一种可选的实施方式中，所述图像识别神经网络模型为视觉变换器模型。
26、在一种可选的实施方式中，所述目标信息预测模型包括多层感知机。
27、第二方面，本专利技术提供了一种闭角型青光眼疾病进展提示装置，所述装置包括：
28、图片获取模块，用于获取目标对象的眼底照片；
29、图像识别模块，用于利用图像识别神经网络模型对所述眼底照片进行识别检测，得到所述目标对象的目标视网膜血管参数，所述目标视网膜血管参数包括动脉血管分支夹角不对称比率、动脉血管分支指数偏差、动脉曲线弯曲度和动脉血管分形维数中的至少之一；
30、信息预测模块，用于将所述目标视网膜血管参数输入至目标信息预测模型；
31、提示模块，用于基于所述目标信息预测模型的输出结果，输出对应的提示信息。
32、第三方面，本专利技术提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的闭角型青光眼疾病进展提示方法。
33、第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的闭角型青光眼疾病进展提示方法。
34、第五方面，本专利技术提供了一种计算机程序产品，包括计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的闭角型青光眼疾病进展提示方法。
35、本专利技术实施例提供的闭角型青光眼疾病进展提示方法、装置、设备及存储介质，能够基于眼底照片得到动脉血管分支夹角不对称比率、动脉血管分支指数偏差、动脉曲线弯曲度和动脉血管分形维数等视网膜血管参数中的至少之一，然后基于得到的视网膜血管参数进行提示。本专利技术实施例新提出基于动脉血管分支夹角不对称比率、动脉血管分支指数偏差、动脉曲线弯曲度和动脉血管分形维数等视网膜血管参数来进行眼睛健康信息提示，使得用户可以基于提示信息进行生活习惯的调整等提前干预手段来保证眼睛的健康。
本文档来自技高网...【技术保护点】
1.一种闭角型青光眼疾病进展提示方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用图像识别神经网络模型对所述眼底照片进行识别检测，得到所述目标对象的视网膜血管参数之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述视网膜血管参数分别构建单因素Logistic回归模型，来获取各个所述视网膜血管参数的第一显著性值之前，还包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述目标视网膜血管参数输入至目标信息预测模型之前，还包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述目标视网膜血管参数输入至目标信息预测模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述图像识别神经网络模型为视觉变换器模型。
7.根据权利要求1所述的方法，其特征在于，所述目标信息预测模型包括多层感知机。
8.一种闭角型青光眼疾病进展提示装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质
...【技术特征摘要】
1.一种闭角型青光眼疾病进展提示方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用图像识别神经网络模型对所述眼底照片进行识别检测，得到所述目标对象的视网膜血管参数之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述视网膜血管参数分别构建单因素logistic回归模型，来获取各个所述视网膜血管参数的第一显著性值之前，还包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述目标视网膜血管参数输入至目标信息预测模型之前，还包括：
5.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：张烨，王瑾，施丹莉，
申请(专利权)人：首都医科大学附属北京同仁医院，
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。