[发明专利]基于深度学习的睑板腺共聚焦显微镜智能分析评估系统及方法

权利要求书

1.一种基于深度学习的睑板腺共聚焦显微镜智能分析评估系统，其特征在于：客户端、服务端、睑板腺共聚焦显微镜、数据库；

所述客户端，用于监听并通过网络上传当前睑板腺共聚焦显微镜采集的睑板腺图像，接收和显示反馈的分析结果；

所述服务端，根据从客户端采集的睑板腺共聚焦显微镜图像，即时判断睑板腺共聚焦显微镜图像对应的部位及部位病变特征，将分析结果反馈给客户端；

所述数据库，用于保存所述睑板腺共聚焦显微镜采集的睑板腺图像；

所述客户端、服务端、数据库通过网络连接通信。

2.根据权利要求1所述的基于深度学习的睑板腺共聚焦显微镜智能分析评估系统，其特征在于：所述服务端包括样本数据库、病变卷积神经网络模型和web服务模块；

所述样本数据库，用于存储典型睑板腺共聚焦显微镜图像的样本，包括合格图片库、部位库和部位病变特征库；所述合格图片库中存储的是拍摄清楚的睑板腺共聚焦显微镜图像，所述部位库中存储的是对合格图片中的物体形态进行部位分类标注的睑板腺共聚焦显微镜图像，所述部位病变特征库中存储的是对合格图片中的睑板腺共聚焦显微镜图像进行病变标注的图像；

所述病变卷积神经网络模型，包括根据合格图片库、部位库和部位病变特征库训练好的三个模型，分别用于睑板腺共聚焦显微镜图像是否合格、部位判断和部位病变特征识别；

所诉Web服务模块，用于接收客户端的请求，将接收到的睑板腺共聚焦显微镜图像作为参数调用病变卷积神经网络模型进行图像是否合格、部位判断和部位病变特征识别的分析，得到分析结果反馈给客户端。

3.根据权利要求2所述的基于深度学习的睑板腺共聚焦显微镜智能分析评估系统，其特征在于：所述部位库中包含所需要的所有部位，包括睑板腺腺管、睑板腺腺泡细胞；在进行部位判断时，必须包含所有上述部位的睑板腺共聚焦显微镜图像的识别，若缺少其中的部位，则发出提示给客户端。

4.根据权利要求1所述的基于深度学习的睑板腺共聚焦显微镜智能分析评估系统，其特征在于：所述客户端包括通信模块和图像演示模块；

所述通信模块，用于发送请求到服务端，及从服务端获取分析结果；

所述图像演示模块，用于根据获取的分析结果，调用表示各部位的图片和部位病变特征的标记进行叠加展示。

5.一种基于深度学习的睑板腺共聚焦显微镜智能分析评估方法，其特征在于，包括以下步骤：

步骤1：当睑板腺共聚焦显微镜进行图像采集，客户端被触发获取所采集的睑板腺图像，并上传至服务端；

步骤2：服务端接收睑板腺图像作为参数，调用病变卷积神经网络模型进行识别：

首先判断共聚焦显微镜图像是否为睑板腺共聚焦图像，若是则判断为合格图片；若不合格则输出分析结果为不合格；

当睑板腺图像判断为合格图片后，识别该睑板腺图像中的具体部位和部位病变特征并输出；

步骤3：客户端接收并显示分析结果；

步骤4：操作人员根据客户端显示的分析结果进行下一步操作：

当分析结果为不合格时，继续采集睑板腺图像；

当识别出的具体部位不够完整时继续采集遗漏的部位；

当识别出的具体部位完整时，结束操作。

6.根据权利要求5所述的基于深度学习的睑板腺共聚焦显微镜智能分析评估方法，其特征在于：步骤2中，所述具体部位包括睑板腺腺管、睑板腺腺泡细胞；在进行部位判断时，必须包含上述部位的共聚焦显微镜的识别，若缺少其中的部位，则发出提示。

7.根据权利要求5所述的基于深度学习的睑板腺共聚焦显微镜智能分析评估方法，其特征在于：步骤2中，所述部位病变特征包括腺管塌陷、腺泡细胞形态异常、高反光颗粒。

8.根据权利要求5所述的基于深度学习的睑板腺共聚焦显微镜智能分析评估方法，其特征在于：步骤3中，所述客户端根据获取的分析结果，调用表示各部位的图片和部位病变特征的标记进行叠加展示。

9.根据权利要求5-8任意一项所述的基于深度学习的睑板腺共聚焦显微镜智能分析评估方法，其特征在于：步骤3中，所述客户端实时记录采集的睑板腺共聚焦显微镜图像的数量、服务端发回的部位数量及部位病变特征数量，并进行显示。