[发明专利]使用机器学习模型处理眼底图像

权利要求书

1.一种方法，包括：

获得包括一个或多个眼底图像的模型输入，每个眼底图像是患者的眼睛的眼底的图像；

使用眼底图像处理机器学习模型处理所述模型输入，其中所述眼底图像处理机器学习模型被配置成处理包括所述一个或多个眼底图像的模型输入，以生成表征所述患者关于青光眼的健康的模型输出；以及

处理所述模型输出以生成健康分析数据，所述健康分析数据对所述患者关于青光眼的所述健康的方面进行分析。

2.根据权利要求1所述的方法，其中所述模型输入还包括其它患者数据，所述其它患者数据包括眼部测量数据、患者人口统计学数据或二者。

3.根据权利要求1或2中任一项所述的方法，其中所述眼底图像处理机器学习模型是前馈机器学习模型，并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼睛的所述眼底的当前状态的单个眼底图像。

4.根据权利要求1或2中任一项所述的方法，其中所述眼底图像处理机器学习模型是前馈机器学习模型，并且其中所述一个或多个眼底图像包括多个眼底图像，所述多个眼底图像各自捕获所述患者的所述眼睛的所述眼底的当前状态的不同方面。

5.根据权利要求1或2中任一项所述的方法，其中所述眼底图像处理机器学习模型是递归机器学习模型，并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼底是如何随时间演变的多个眼底图像的时间序列。

6.根据权利要求1到5中任一项所述的方法，其中所述模型输出包括表示所述患者具有青光眼的可能性的状况状态分值。

7.根据权利要求1到5中任一项所述的方法，其中所述模型输出包括多个状况状态分值，每个状况状态分值对应于青光眼的相应可能的等级，并且每个状况状态分值表示青光眼的所述对应可能的等级是针对所述患者的当前青光眼等级的相应可能性。

8.根据权利要求1到5中任一项所述的方法，其中所述模型输出包括多个后续分值，每个后续分值对应于可以被所述患者采取来治疗所述青光眼的相应可能的后续举措，并且每个后续分值表示所述对应后续举措是将被采取来有效地治疗所述青光眼的适当举措的相应可能性。

9.根据权利要求1到5中任一项所述的方法，其中所述模型输出包括多个进展分值，每个进展分值对应于所述青光眼的相应可能等级，并且每个状况分值表示所述对应等级将是针对所述患者在预确定未来时间的所述青光眼的所述等级的相应可能性。

10.一种系统，包括一个或多个计算机和存储指令的一个或多个存储装置，所述指令当被所述一个或多个计算机实行时致使所述一个或多个计算机执行操作，所述操作包括：

获得包括一个或多个眼底图像的模型输入，每个眼底图像是患者的眼睛的眼底的图像；

使用眼底图像处理机器学习模型处理所述模型输入，其中所述眼底图像处理机器学习模型被配置成处理包括所述一个或多个眼底图像的模型输入，以生成表征所述患者关于青光眼的健康的模型输出；以及

处理所述模型输出以生成健康分析数据，所述健康分析数据对所述患者关于青光眼的所述健康的方面进行分析。

11.根据权利要求10所述的系统，其中所述模型输入还包括其它患者数据，所述其它患者数据包括眼部测量数据、患者人口统计学数据或二者。

12.根据权利要求10或11中任一项所述的系统，其中所述眼底图像处理机器学习模型是前馈机器学习模型，并且其中所述一个或多个眼底图像包括捕获所述患者的所述眼睛的所述眼底的当前状态的单个眼底图像。

13.根据权利要求10或11中任一项所述的系统，其中所述眼底图像处理机器学习模型是前馈机器学习模型，并且其中所述一个或多个眼底图像包括多个眼底图像，所述多个眼底图像各自捕获所述患者的所述眼睛的所述眼底的当前状态的不同方面。