[发明专利]一种疾病诊断系统

说明书

本发明公开了一种疾病诊断系统，所述系统包括有：图像获取模块，用于获取带标注的医学图像；诊断模型建立模块，用于基于所述带标注的医学图像，构建深度神经网络并对所述深度神经网络进行优化训练，输出诊断模型；疾病诊断模块，用于获取待诊患者的医学图像，利用所述诊断模型分析处理带标注的医学图像以及所述待诊患者的医学图像，确定所述待诊患者的诊断结果。本发明提供的疾病诊断系统利用了人工智能技术，辅助医生进行疾病的诊断，实现了疾病筛查诊断的规范化、标准化、均质化。

技术领域

本发明涉及医疗技术领域，具体的，本发明涉及一种疾病诊断系统。

背景技术

糖尿病视网膜病变(简称“糖网病”)是由糖尿病引起的并发症，是一种常见致盲性眼病。中国是世界上糖尿病患病人数最多的国家，糖网病的患病率和致盲率也在逐年升高。因此，糖网病的防治成为越来越重要的社会问题。

定期眼底筛查并在早期采取适时以及有效的干预措施，可以显著降低糖网病的致盲率。但是，目前我国专业从事眼底服务和研究的医生稀缺而内分泌科医生都不具有眼底阅片的能力，使得不能对患者及时进行糖网病的筛查。

随着网络信息交互的研究和应用，以及人工智能技术的逐渐成熟，依托于互联网平台的疾病诊断具有越来越高的可行性。

因此，有必要提供一种基于人工智能的疾病诊断系统来辅助内分泌科的医生进行糖网病的筛查。

发明内容

为了解决上述技术问题，本申请提供了一种疾病诊断系统以及装置。

第一方面，本发明披露了一种疾病诊断系统，包括:

图像获取模块，用于获取带标注的医学图像；

诊断模型建立模块，用于基于所述带标注的医学图像，构建深度神经网络并对所述深度神经网络进行优化训练，输出诊断模型；

疾病诊断模块，用于获取待诊患者的医学图像，并将所述待诊患者的医学图像输入所述诊断模型，利用所述诊断模型提取所述带标注的医学图像的标准特征集、所述待诊患者的医学图像的待诊特征集以及所述标准特征集中各个特征的权重，并将所述待诊特征集与所述标准特征集进行比对，基于所述权重和比对结果，获得与所述待诊患者的医学图像相匹配的带标注的医学图像，根据所述相匹配的带标注的医学图像，确定所述待诊患者的诊断结果。

在一些实施例中，所述医学图像为眼底图像。

在一些实施例中，所述医学图像存储在云端，所述云端包括数据备份单元，所述数据备份单元用于对所述医学图像进行备份以及跨区域复制。

在一些实施例中，所述图像获取模块还用于对所述医学图像进行加密处理。

在一些实施例中，所述深度神经网络为卷积神经网络。

在一些实施例中，所述疾病诊断模块包括：

图像获取单元，用于获取待诊患者的眼底图像；

预处理单元，用于基于图像分割算法对所述眼底图像进行分割，根据分割得到的各区域内的眼底血管，提取所述眼底图像中的异常区域；

提取单元，用于利用所述深度神经网络提取所述带标注的眼底图像异常区域的标准特征集、所述待诊患者的眼底图像异常区域的待诊特征集以及所述标准特征集中各个特征的权重；

对比单元，用于将所述标准特征集中的特征与所述待诊特征集中的对应特征进行比对，获得待诊特征集中每一特征与标准特征集中对应特征之间的相似度，基于所述相似度和权重，确定所述待诊特征集与标准特征集的匹配度；

诊断结果确定单元，用于基于所述匹配度和设定阈值，确定与所述待诊患者的眼底图像相匹配的带标注的眼底图像，根据所述相匹配的带标注的眼底图像确定所述待诊患者的诊断结果，所述诊断结果为糖网病的病变等级。