[发明专利]用于识别糖尿病视网膜病变的深度神经网络装置及系统

说明书

本发明提供了一种用于识别糖尿病视网膜病变的深度神经网络，其包括：预处理模块，其用于对来自于同一个人的目标眼底图像和参考眼底图像分别进行预处理，目标眼底图像和参考眼底图像分别属于不同眼睛；第一神经网络，其用于从目标眼底图像产生第一高级特征集；第二神经网络，其用于从参考眼底图像产生第二高级特征集；特征组合模块，其用于将第一高级特征集与第二高级特征集进行融合而形成特征组合集；以及第三神经网络，其用于根据特征组合集产生对病变的判断结果。在本发明中，采用了分别属于不同眼睛的目标眼底图像与参考眼底图像分别独立作为输入信息，因此，有利于提高对眼底图像病变的判断准确率。

本申请是申请日为2017年05月04日、申请号为201710306096.8、发明名称为用于识别眼底图像病变的人工神经网络及系统的专利申请的分案申请。

技术领域

本发明涉及人工神经网络领域，特别涉及一种用于识别糖尿病视网膜病变的深度神经网络及系统。

背景技术

人工神经网络(Artificial Neural Network)是一种模拟人脑结构的机器学习模型。随着人工神经网络，特别是深度学习等人工智能技术的发展，人工神经网络在医学影像诊断领域的应用也越来越得到关注。通过这样的人工神经网络，能够根据医学影像自动判断可能出现病变，完成对医学影像的自动筛查。例如，目前深度学习等人工神经网络已经在乳腺癌病理检查、肺癌检测、心血管成像等各个领域得到了广泛的研究。

医学影像通常通过照相机、X射线透射机、CT、OCT或MRI等来获得，其包含了丰富的身体结构或组织的诸多细节，通过识别医学影像中的这些细节，能够帮助医生等进行相关的诊断。以医学影像中的眼底图像为例，在眼底图像中包括丰富的玻璃体、视网膜脉络膜和视网膜脉络膜等的细节，如果眼底发生相关病变，则会在眼底图像中呈现出微血管瘤、出血、硬性渗出等病变。其中，例如糖尿病性视网膜病变作为常见的眼底病变是糖尿病的并发症之一，已成为工作年龄段的成年人致盲的主要原因之一。据估计，在我国，现有糖尿病患者 9240万，其5年发病率为43％，致盲率为10％。各种研究表明，糖尿病性视网膜病变的早期诊断和治疗可以有效地减缓甚至改善患者的视力损伤。因此，对糖尿病病人进行定期的眼底疾病筛查具有重要的社会意义。然而，传统的糖尿病性视网膜病变的筛查需要专业的眼科医生依靠肉眼识别眼底图像来作出诊断，工作量大，人力成本高，不利于大规模地推广。同时，眼底筛查要求医生在短期内阅读大量眼底图片，可能会导致由疲劳而产生的诊断准确度下降。因此，由计算机通过人工智能算法实现自动筛查(自动读片)变得极为需要。

目前，已有科研团队进行类似的研究，例如非专利文献1公开了一种利用人工智能进行糖尿病视网膜病变诊断的方法，其利用了著名的深度学习网络结构Inception-v3进行相关研究，并获得良好的准确率，至少实现了可以部分替代眼科专业医生工作的效果。

另外，专利文献2公开了一种基于深度学习的眼底图像处理方法、装置及系统。在专利文献2中，使用了传统的卷积神经网络对图像进行识别和分析，具体而言，其使用了重采样后的眼底图像作为输入，并采用了包括5个卷卷积层和2个全连接层的7层卷积神经网络进行识别。

[参考文献]

非专利文献1：Development And Validation Of A Deep Learning AlgorithmFor Detection Of Diabetic Retinopathy In Retinal Fundus Photographs,JAMANovember 29,2016。

专利文献2：中国专利申请公开号CN106408564A。

发明内容