[发明专利]一种基于神经网络实现的眼科智能问诊方法和装置

说明书

本发明涉及一种基于神经网络实现的眼科智能问诊方法和装置，该方法包括：将病患的问诊语音纠偏滤波和语音分帧成问诊语音帧序列，利用音素识别和音素转码生成问诊语音帧序列对应的问诊文本，从问诊文本中提取出眼科描述病症；对待诊断病患的眼部图集进行灰度滤波、初级图片分割和尺寸均衡化操作，得到标准眼球图组；从标准眼球图组中提取出眼白特征、瞳孔特征以及血管特征，对眼白特征、瞳孔特征以及血管特征进行病变特征分析，得到眼科观察病症，并根据眼科观察病症和眼科描述病症生成问诊结果。本发明可以提高眼科智能问诊的精确度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于神经网络实现的眼科智能问诊方法和装置。

背景技术

根据世界卫生组织资料显示，包括屈光不正在内的眼科疾病已经成为继肿瘤和心脑血管畸变之后第三大威胁人类健康以及生存质量的疾病，随着眼科病患的数量增多，眼科医生的工作负担也逐渐加重，而基于神经网络的智能问诊系统则可以辅助医生确定病症，提高问诊效率。

现有的基于神经网络的眼科问诊方法多为基于简单的眼部图片识别分类的问诊方法，例如，通过对患者眼部图片进行特征提取，根据提取到的特征进行病灶定位，并识别出病灶的类型，实际应用中，基于简单的眼部图片识别分类的问诊方法要想获得较高的病症识别率需要大量的不同特征的眼部图片进行训练，而每个患者的病灶位置、病症大小的区别会大幅降低病症的识别率，可能导致进行眼科智能问诊时的精确度较低。

发明内容

本发明提供一种基于神经网络实现的眼科智能问诊方法和装置，其主要目的在于解决进行眼科智能问诊时的精确度较低的问题。

为实现上述目的，本发明提供的一种基于神经网络实现的眼科智能问诊方法，包括：

获取待诊断病患的问诊语音，对所述问诊语音进行纠偏滤波，得到滤波语音，将所述滤波语音分帧成问诊语音帧序列，对所述语音帧进行语音特征提取，得到问诊语音特征序列，其中，所述将所述滤波语音分帧成问诊语音帧序列，包括：

按照预设的分帧窗长对所述滤波语音进行初级分帧，得到分帧语音序列；利用如下的主瓣加窗算法对所述分帧语音序列进行加窗处理，得到加窗

语音序列：

；

其中，H(w)是指所述加窗语音序列中第w个加窗语音的频率值，A(w)是指所述分帧语音序列中第w个分帧语音的频率值，π是圆周率符号，N是指所述主瓣加窗算法对应的语音窗长度，e是欧拉数符号，j是虚数符号；

计算出所述加窗语音序列的平均过零率和短时语音能量，根据所述平均过零率和所述短时语音能量对所述加窗语音序列进行端点检测，得到问诊语音帧序列；

对所述语音特征序列进行音素识别，得到问诊音素序列，将所述音素序列自注意力转码成问诊文本，依次对所述问诊文本进行文本分词和向量化操作，得到问诊文本特征，对所述问诊文本特征进行语义识别，得到眼科描述病症；

获取所述待诊断病患的眼部图集，从所述眼部图集中筛选出清晰眼部图组，对所述清晰眼部图组进行灰度滤波操作，得到滤波眼部图组，并对所述滤波眼部图组中的各滤波眼部图片进行初级图片分割和尺寸均衡化操作，得到标准眼球图组；

对所述标准眼球图组进行次级图片分割操作，得到眼白图组、瞳孔图组以及血管图组，从所述眼白图组中提取出眼白特征，从所述瞳孔图组中提取出瞳孔特征，从所述血管图组中提取出血管特征；

对所述眼白特征、所述瞳孔特征以及所述血管特征进行病变特征分析，得到眼科观察病症，并根据所述眼科观察病症和所述眼科描述病症生成问诊结果。

可选地，所述对所述问诊语音进行纠偏滤波，得到滤波语音，包括：

对所述问诊语音进行列信号转化，得到问诊列信号，根据所述问诊列信号生成所述问诊语音的时间序列；