[发明专利]基于多病灶目标检测的早产儿视网膜病变诊断系统

说明书

本发明公开了基于多病灶目标检测的早产儿视网膜病变诊断系统，属于图像处理技术领域，包括眼底照片存储模块、眼底照片采集模块、眼底照片处理模块、眼底照片目标检测模块、目标检测子模型生成模块、集成模型生成模块、视网膜分析诊断模块、诊断报告形成模块和可视化展示模块；其中，眼底照片存储模块、眼底照片采集模块、眼底照片处理模块、眼底照片目标检测模块、目标检测子模型生成模块、集成模型生成模块、视网膜分析诊断模块、诊断报告形成模块和可视化展示模块均集成于计算机内部；本发明构建有多个目标检测子模型和集成模型，进而有利于降低系统整体预测偏差，提高了诊断结果的可解释性。

技术领域

本发明涉及图像处理技术领域，尤其涉及基于多病灶目标检测的早产儿视网膜病变诊断系统。

背景技术

经检索，中国专利号CN108717869A公开了基于卷积神经网络的糖尿病视网膜并发症诊断辅助系统，该发明采用单一深度神经网络模型，虽然优化了诊断流程，但其整体预测偏差较大，结果的可解释性较低；早产儿是指孕周不足37周出生的婴儿，高浓度吸氧是保证早产儿成活率的一项重要技术，但过度吸氧会引发早产儿视网膜病变，随着以中国为代表的发展中国家医疗水平的不断提高，早产儿的存活率显著增加，但早产儿视网膜病变的发病率呈上升趋势，早产儿视网膜病变己成为全球儿童失明的主要原因；眼底照片是诊断和筛查早产儿视网膜病变的一类重要手段，是早期发现隐匿性眼病的有效方法，例如青光眼、糖尿病视网膜病变等隐匿性眼病在早期无视力改变的症状，眼底照片对指导眼底疾病的诊治、评估全身健康状况都有重要意义，随着近些年深度学习技术的普及，不断有拟合能力和特征提取能力强的深度神经模型被设计出来，这些模型被用于各类医学影像的目标检测和分类预测，并取得了接近人类专类的水平；因此发明出基于多病灶目标检测的早产儿视网膜病变诊断系统变得尤为重要。

现有的视网膜病变诊断系统大多采用单一深度神经网络模型，其整体预测偏差较大，并且结果的可解释性也较低，无法输出各类病理结构的量化评价；为此，我们提出基于多病灶目标检测的早产儿视网膜病变诊断系统。

发明内容

本发明的目的是为了解决现有技术中存在的缺陷，而提出的基于多病灶目标检测的早产儿视网膜病变诊断系统。

为了实现上述目的，本发明采用了如下技术方案：

基于多病灶目标检测的早产儿视网膜病变诊断系统，包括眼底照片存储模块、眼底照片采集模块、眼底照片处理模块、眼底照片目标检测模块、目标检测子模型生成模块、集成模型生成模块、视网膜分析诊断模块、诊断报告形成模块和可视化展示模块；

其中，所述眼底照片存储模块、眼底照片采集模块、眼底照片处理模块、眼底照片目标检测模块、目标检测子模型生成模块、集成模型生成模块、视网膜分析诊断模块、诊断报告形成模块和可视化展示模块均集成于计算机内部；所述可视化展示模块具体为计算机显示屏。

优选的，所述眼底照片存储模块用于存储大量早产儿视网膜的眼底照片；所述眼底照片采集模块用于调取眼底照片存储模块中的大量早产儿视网膜的眼底照片，并发送至眼底照片处理模块。

优选的，所述眼底照片处理模块用于接收眼底照片采集模块发送的大量早产儿视网膜的眼底照片，并利用空域直方图增强方法和频域同态滤波增强方法对其进行图像参数方面的优化处理；所述图像参数包括清晰度、色调、灰度、尺寸和噪声。

优选的，所述眼底照片目标检测模块用于对经过眼底照片处理模块优化处理后的大量早产儿视网膜的眼底照片进行目标检测，识别分析出其目标区域，得到早产儿视网膜病变中的各类病理形态学特征；所述目标检测子模型生成模块用于利用深度学习算法对早产儿视网膜病变中的各类病理形态学特征进行训练，得到多个目标检测子模型；所述目标检测子模型生成模块具体生成过程如下：

S1：利用眼底照片采集模块提取大量早产儿视网膜的眼底照片，并通过眼底照片处理模块和眼底照片目标检测模块对其经处理，得到各类病理形态学特征集合；