[发明专利]基于人工智能的眼球疾病诊断装置及方法在审

专利信息
申请号: 201910706093.2 申请日: 2019-08-01
公开(公告)号: CN112168135A 公开(公告)日: 2021-01-05
发明(设计)人: 南润荣;李建树;张智皓 申请(专利权)人: 顺天乡大学校产学协力团
主分类号: A61B3/12 分类号: A61B3/12;A61B3/14;G16H50/70
代理公司: 北京品源专利代理有限公司 11332 代理人: 吕琳;宋东颖
地址: 韩国忠清*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 人工智能 眼球 疾病诊断 装置 方法
【说明书】:

本发明涉及眼球疾病的诊断装置及方法,更详细地,涉及基于人工智能的眼球疾病诊断装置及方法,其基于眼底图像的眼球构造物,提取用于诊断多个眼球疾病的多个属性,并基于人工智能学习提取的多个疾病及用于辨别疾病的多个属性,生成各疾病属性的分类器,根据生成的多个分类器所获取的眼底图像来诊断眼球疾病。

技术领域

本发明涉及眼球疾病的诊断装置及方法,更详细地,涉及基于人工智能的眼球疾病诊断装置及方法,其基于眼底图像的眼球构造物,提取用于诊断多个眼球疾病的多个属性,并基于人工智能学习提取的多个疾病及用于辨别疾病的多个属性,生成各疾病各属性的分类器(Classifier),通过生成的多个分类器诊断所获取的眼底图像中的眼球疾病。

背景技术

通常,眼睛大致分为眼球和眼睛的附属器官。眼球包含外膜、中膜、内膜及内容物,眼睛的附属器官包含眼眶、结膜等。

并且,通过瞳孔所能观察到的眼球内部部分,即视网膜、视网膜血管、视神经盘、脉络膜(构成葡萄膜的膜)等综合起来称之为眼底(Fundus;eyeground)。

眼底的各个组织在功能和解刨学方面都具有密切的联系,在病态上也相互影响。

眼底分为包含黄斑和视神经盘的后极部、赤道部、周边部。

发生在上述眼底的疾病会有糖尿病性视网膜症(Diabetic Retinopathy)、绿内障(Glaucoma)、老年性黄斑变性(Age-related Macular Degeneration)等。

为了检查上述眼底发生的疾病,需要使用可以诊断各个疾病的专业诊断装置,因眼科医院需要购买高价的专业诊断装置,所以存在初期费用高的问题。

并且,如上所述,此类检查眼底疾病的装置因价位高,所以存在使用者无法亲自诊断的问题。

不管是否是眼科疾病,只要心存疑虑,使用者必须访问医院支付高价的检查费来接受诊断,所以存在消费不必要的诊断费的问题。

现有技术文献

专利文献

专利文献1:韩国授权专利第10-1662775号(2016.09.28.公告)

发明内容

发明所要解决的问题

本发明的目的在于提供基于人工智能的眼球疾病诊断装置及方法,其基于眼底图像的眼球构造物,提取用于诊断多个眼球疾病的多个属性,并基于人工智能学习提取的多个疾病及用于辨别疾病的多个属性,生成各个疾病各属性的分类器,通过生成的多个分类器诊断所获取的眼底图像中的眼球疾病。

用于解决问题的方案

为了达成上述目的,根据本发明的基于人工智能的眼球疾病诊断装置的特征在于,包括:眼底图像获取部,其获取并输出眼底图像;存储部,其包括学习数据库和属性加权值数据库,其中,上述学习数据库存储含各眼球疾病的各属性学习数据的各属性分类数据和各眼球疾病属性综合学习数据,上述属性加权值数据库对各眼球疾病的各属性定义属性加权值;及控制部,对从上述眼底图像获取部接收的眼底图像进行图像预处理来执行眼底图像的大小调节和颜色归一化后,通过基于预先学习的上述属性分类数据运行的各属性分类器,从预处理过图像的眼底图像中提取属性,并对上述预处理过图像的眼底图像进行学习来更新关于上述各属性分类器的各属性学习数据,并且预测与提取的上述属性的种类和数量相对应的疾病。

本发明的特征在于,上述控制部包括:眼底图像获取处理部,其从上述眼底图像获取部接收眼底图像并输出;眼底图像预处理部,其执行对上述眼底图像进行大小调节和颜色归一化的图像预处理并输出;属性提取部,其通过预先学习的各属性分类器从预处理过图像的眼底图像中提取属性;学习部,其对上述预处理过图像的眼底图像进行学习并更新关于上述各属性分类器的各属性学习数据;及预测部,其预测与提取的上述属性的种类和数量相对应的疾病。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于顺天乡大学校产学协力团,未经顺天乡大学校产学协力团许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910706093.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top