[发明专利]一种圆锥角膜分级检测装置

说明书

本发明涉及医学人工智能领域技术领域。具体涉及一种圆锥角膜分级检测装置。该装置包括：图像基分类器，对获取的角膜地形图进行分析，获取所需角膜地形图的局部特征和全局特征，并且对获取的局部特征和全局特征进行融合，将其融合结果进行分类。数据基分类器：对获取的需检测人的临床特征进行分析，并且对所述临床特征进行筛选并分类。融合模块，将图像基分类器和数据基分类器得到的分类结果通过融合模块进行融合处理，得到需检测人的圆锥角膜的最终分类结果。本发明分别对角膜地形图和临床特征进行了针对性建模，解决了在诊断时单一模态带来的局限性，以及图像特征提取不充分的问题，利用融合模块解决了模型融合不充分的问题，提升了检测的准确性。

技术领域

本发明涉及于医学人工智能领域技术领域，尤其是指一种圆锥角膜分级检测装置。

背景技术

圆锥角膜(Keratoconus，KC)是一种角膜疾病，其表现为角膜中央区进行性变薄、膨隆，呈圆锥状突出。它常引起高度不规则的近视散光，到晚期则可能会突然发生急性角膜水肿、混浊，使得视力在短期内快速下降。圆锥角膜的发病通常在青春期，也有案例可能会在更早或更晚的时候开始发病，即早于青春期或者青春期结束之后。圆锥角膜一般可能会持续发展10-20年，之后逐渐减慢或稳定。对于圆锥角膜的病因，暂未有确切共识，可能为多因素所致，如遗传学说，发育障碍学说，变态反应学说等等。

对于圆锥角膜的治疗，主要取决于其发展程度。早期阶段可通过佩戴框架眼镜进行矫正，配戴框架眼镜若不能获得满意视力，建议使用硬性透气性角膜接触镜(rigid gaspermeable contact lens,RGPCL)。而当发展至晚期，非手术治疗效果不理想时，应考虑手术治疗如角膜胶原交联术(corneal cross-linking,CXL)、角膜移植术等。因此及时有效的对圆锥角膜患者进行分级诊断，从而对各个时期的患者进行合适的治疗，避免角膜移植及后续感染排斥的风险十分必要。

目前的许多工作都集中在圆锥角膜的筛查和检测，即区分正常和患病，他们都取得了不错的成果。Bo-I Kuo等人采用三种卷积神经网络(CNN)模型包括VGG16、InceptionV3、ResNet152对角膜地形图进行训练，用于区分正常眼和圆锥角膜。RuiweiFeng提出了一种新的端到端深度学习方法，称为KerNet，它处理Pentacam系统的原始数据(由五个数值矩阵组成)，以检测圆锥角膜和亚临床圆锥角膜。这些工作都取得了不错的成绩，但是他们都没有对圆锥角膜进行严重性分级。同时，在现代医学设备的帮助下，中晚期的圆锥角膜病例较容易被诊断，将早期的圆锥角膜患者检测出来更具有挑战性。因为圆锥角膜的初始表现尚不明显，需要对角膜特征进行更全面的分析，包括地形、高度、厚度和生物力学特性。因此，对于圆锥角膜患者，及时准确的确定疾病阶段，采取合适的治疗手段，避免视力的进一步损伤很重要。

ALEXANDRU LAVRIC利用机器学习算法评估角膜参数在圆锥角膜检测和严重程度分级的准确性。Kazutaka Kamiya提出了一种基于ResNet18残差网络的圆锥角膜等级检测系统。这些工作进行了圆锥角膜的严重程度分级研究，但都是从单一的一个模态信息进行分析，没有进行多模态的综合分析。在实际临床上，医生并不只单独依靠一种信息：角膜地形图或是临床指标，因为每一种模态的信息都存在其局限性，因此需要将二者综合考虑，进行疾病诊断。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中只是用单一模态对圆锥角膜进行诊断，没有对数据进行个性化建模，同时对角膜地形图的特征提取不足、对于角膜地形图和临床指标模态融合不充分的问题。

为解决上述技术问题，本发明提供了一种圆锥角膜分级检测装置，包括：

图像基分类器：对获取的角膜地形图进行分析，获取所述角膜地形图的局部特征和全局特征，并且对局部特征和全局特征进行融合，将其融合结果进行分类得到基于角膜地形图的预测分类结果；

数据基分类器：对获取的需检测人的临床特征进行分析，通过对临床特征进行筛选并分类，得到基于临床特征的预测分类结果；