[发明专利]一种识别视网膜出血图像的人工智能方法及系统

说明书

本发明涉及医学图像处理领域，更具体地涉及一种识别视网膜出血图像的人工智能方法及系统，包括以下步骤：对卷积神经网络进行深度学习训练得到识别视网膜出血模型；将广域眼底图像输入到所述识别视网膜出血模型中，判断所述广域眼底图像是否出现视网膜出血；当判断存在视网膜出血时，在所述广域眼底图像上定位视网膜出血病灶部位。本发明依靠人工智能深度学习的敏感性和准确性对广域眼底图像的视网膜进行分析，使得视网膜出血的早期筛查更准确、更智能、更便携，有利于提高筛查效率，减少其对人群造成不可逆的损害。

技术领域

本发明涉及医学图像处理领域，更具体地，涉及一种识别视网膜出血图像的人工智能方法及系统。

背景技术

视网膜出血的检查过程往往需要对患者进行散瞳，瞳孔散大时间约需10分钟，然后需要专业的眼科医生通过眼底镜进行全视网膜的探查，并判断出血需要治疗的紧急程度。其检查过程费时费力，对于目前的视网膜出血的检查来说，主要有以下几个问题：

1.视网膜出血的检查只有在眼科专科才能进行，尤其在疾病的初发期，症状往往不明显，患者也经常因此而错过了最佳的治疗时间，针对较周边的出血，往往需要患者和专业有经验的眼科医生两者配合才能发现。

2.在检查出视网膜出血患者后，要确定患者需要治疗的紧急程度，往往有些视网膜出血，如黄斑出血会造成视力急剧降低，这往往需要专业的眼底病科医生才能指导，然而社区医院或者级别较低的综合医院以及体检中心并不具备专业的眼底病医生，无法对其紧急程度进行及时的判定。

3.广域眼底图像虽然可以涵盖几乎全周的视网膜，但是准确解读此眼底图像需要经过专业培训的眼科医生并经过较长时间经验的积累。

综上所述，目前进行视网膜出血筛查的只局限在少部分病人，大部分患者往往是在视功能损害出血自觉症状后才会到医院眼科进行检查。这往往导致诊治的延误和视力的不可逆损害，严重者导致无法挽回的视力永久失明，给个人、家庭、社会造成严重的负担。但详细检查视网膜出血耗时耗力，并需要专业的、经验丰富的眼底科医生，实施大规模人群筛查可能性较低，因此，实现快速、有效的视网膜出血自动筛查，可有效在此病的早期对其做出诊断，同时对出血的紧急程度进行自动判定，让患者正确了解自己的病情，针对提示情况紧急的，立即到医院眼科就诊治疗，以免视功能发生不可逆的损害。视网膜出血如能做到及时发现，早期治疗，尤其是在黄斑中心受到侵犯前，视功能恢复往往是理想的。同时视网膜出血也可能是早期全身病例如高血压、糖尿病、血液性疾病等的一种早期表现，对其的筛查也有助于此类全身病的早期发现和早期诊治。所以，实施大规模人群筛查视网膜出血是非常有必要的。

发明内容

本发明旨在克服上述现有技术的至少一种缺陷，提供一种识别视网膜出血图像的人工智能方法及系统，依靠人工智能深度学习的敏感性和准确性对广域眼底图像的视网膜进行分析，使得视网膜出血的早期筛查更准确、更智能、更便携，有利于提高筛查效率，减少其对人群造成不可逆的损害。

本发明采取的技术方案是，

一种识别视网膜出血图像的人工智能方法，包括以下步骤：

对卷积神经网络进行深度学习训练得到识别视网膜出血模型；

将广域眼底图像输入到所述识别视网膜出血模型中，判断所述广域眼底图像是否出现视网膜出血；

当判断存在视网膜出血时，在所述广域眼底图像上定位视网膜出血病灶部位。