[发明专利]基于眼底图像的糖尿病视网膜病变识别系统

说明书

本发明提供了一种基于眼底图像的糖尿病视网膜病变识别系统，包括：图像采集装置，其用于采集眼底图像，眼底图像包括来自于同一个人的目标眼底图像和参考眼底图像；自动识别装置，其利用深度学习方法对来自于图像采集装置的眼底图像进行处理，自动判断眼底图像是否存在病变并输出判断结果。在本发明中，其利用深度学习方法对眼底图像进行自动判定并输出判断结果，因此，能够辅助医生对眼底图像进行病变识别的诊断，大幅度地提高识别效率，而且特别适用于大范围的眼底病变筛查。

本申请是申请日2017年8月3日、申请号为201710653663.7、发明名称为基于眼底图像的糖尿病视网膜病变识别系统的分案申请。

技术领域

本发明涉及一种基于眼底图像的糖尿病视网膜病变识别系统。

背景技术

近年，以深度学习为代表的人工智能技术得到了显著的发展，其在医学影像诊断领域等应用也越来越得到关注。深度学习利用了多层人工神经网络，其通过组合低层特征来形成更加抽象的高层特征，以发现数据的分布式特征表示。深度学习能够更好地反映数据的本质特征，其效果明显优于专家系统等人为设计的特征。目前，深度学习等已经在乳腺癌病理检查、肺癌检测、心血管成像等医学成像领域得到了广泛的研究。

众所周知，医学影像包含了丰富的身体结构或组织的诸多细节，通过识别和理解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、视网膜和脉络膜等的细节，如果眼底发生相关病变，则会在所获取的眼底图像中呈现出微血管瘤、出血、硬性渗出等病变。例如，糖尿病性视网膜(DR)病变属于常见的眼底病变，已成为工作年龄段的成年人致盲的主要原因之一。如果能够尽早对DR患者进行早期诊断和治疗，则能够有效防止视觉的损失以及失明。

然而，例如眼底图像(例如糖尿病视网膜病变)识别方式需要通过眼底照相机获取眼底图像后，由眼科医生依靠肉眼观察来作出诊断，工作量甚大，这种识别方式不利于大规模地推广，例如，目前世界上超过50％糖尿病患者并没有接受或者没有机会接受任何形式的眼部检查。因此，在眼底图像的病变识别的临床上，提供能够降低医生工作量，辅助医生帮助完成眼底图像判断的自动识别系统也变得极为迫切。

发明内容

本发明针对上述现有状况，其目的在于提供一种易于推广且能够提高筛查率和准确率的基于眼底图像的糖尿病视网膜病变识别系统。

为此，本发明提供了一种基于眼底图像的糖尿病视网膜病变识别系统，其特征在于，包括：图像采集装置，其用于采集眼底图像，所述眼底图像包括来自于同一个人的目标眼底图像和参考眼底图像；以及自动识别装置，其利用深度学习方法对来自于所述图像采集装置的所述眼底图像进行处理，自动判断所述眼底图像是否存在病变并输出判断结果。

在本发明所涉及的基于眼底图像的糖尿病视网膜病变识别系统中，其利用深度学习方法对眼底图像进行自动判定并输出判断结果，因此，能够辅助医生对眼底图像进行病变识别的诊断，大幅度地提高识别效率，而且特别适用于大范围的眼底病变筛查。

另外，在本发明所涉及的糖尿病视网膜病变识别系统中，还可以包括根据所述判断结果输出分析报告的输出装置。在这种情况下，能够让医生或患者等迅速地了解病变结果，并将符合规定标准的报告提供给患者。

另外，在本发明所涉及的糖尿病视网膜病变识别系统中，可选地，所述图像采集装置为手持式眼底照相机。在这种情况下，能够方便医生或操作员等采集患者的眼底图像(照片)。