[发明专利]筛查眼底黄斑区异常的方法、装置、设备和存储介质

说明书

本申请涉及人工智能领域，提供了一种筛查眼底黄斑区异常的方法、装置、设备和存储介质，方法包括：接收用户的输入的调整指令；通过所述光学相干断层扫描仪的单线扫描模式，扫描被测者的眼部的黄斑区，以得到被测者的黄斑区图像以及黄斑区厚度；将所述黄斑区图像输入至卷积神经网络，通过对所述黄斑区图像进行卷积运算以得到黄斑区图像的卷积特征矩阵；通过所述卷积神经网络的池化层轮询所述卷积特征矩阵，以得到多组局部特征集合；将所述厚度类别输入至所述卷积神经网络，所述卷积网络通过神经元的权值对所述黄斑区集合以及厚度类别加权求和。实现了黄斑区异常的自动筛选，提高黄斑区异常的筛选效率、降低人力成本，且筛选过程对眼部无损伤。

技术领域

本申请涉及图像检测领域，尤其涉及发明名称一种筛查眼底黄斑区异常的方法、装置、设备和存储介质。

背景技术

目前，人工智能技术已经开始在医学影像领域发挥作用。使用人工智能分析医学影像不仅效率高而且准确率可以达到医生的水平。例如在眼底黄斑区异常的筛查方面，利用人工智能对眼底黄斑区光学相干断层扫描技术(optical coherence tomography，OCT)图像进行筛查已经可以达到比较好的效果。但是由于人工智能存在一定的不确定性，准确率无法达到100％。仅仅使用人工智能还无法完全正确的分析OCT图像，部分图像仍会被判断错误。例如当部分病人眼底黄斑区存在较特殊的异常时，人工智能有较大概率会判断错误。所以仅仅通过人工智能分析OCT图像是无法准确的完成眼底黄斑区异常的筛查，还需要结合其他的眼底信息。眼底黄斑区的很多异常例如水肿、萎缩、劈裂等都会导致视网膜厚度的明显变化，即大部分眼底黄斑区的异常与视网膜的厚度密切相关。如果将人工智能分析OCT图像与视网膜的厚度信息相结合，可以很大的提高眼底黄斑区异常筛查的准确率。

在传统的黄斑区异常筛选方式中，人工分析眼底图像中黄斑区，并做出病情推断和给出治疗建议。传统的黄斑区异常筛选方式为人工筛选方式，具有人力成本高、筛选效率低等缺点。

发明内容

本发明实例中根据眼底图像的清晰度调整光学相干断层扫描仪与被测者的眼部之间的距离，使得光学相干断层扫描仪能够拍摄到清晰的眼底图像；利用光学相干断层扫描仪拍摄黄斑区图像并测量黄斑区厚度；通过画质识别模型检测原黄斑区图像的画质，以得到便于识别的黄斑区图像；通过卷积神经网络从黄斑区图像提取黄斑区特征；通过黄斑区检测模型对黄斑区特征以及黄斑区厚度进行识别，以得到与黄斑区特征和黄斑区厚度对应的筛选结果。

第一方面，本申请提供一种筛查眼底黄斑区异常方法，包括：

在一些可能的设计中，接收用户的输入的调整指令，通过所述用户输入的调整指令调整光学相干断层扫描仪与被测者的眼部之间的距离，直至得到的图像清晰度大于预设值；

通过所述光学相干断层扫描仪的单线扫描模式，扫描被测者的眼部的黄斑区，以得到被测者的黄斑区图像以及黄斑区厚度；

通过所述黄斑区厚度与厚度类别之间的映射关系，得到与所述黄斑区厚度对应的所述厚度类别，所述厚度类别至少包括正常厚度以及异常厚度；

将所述黄斑区图像输入至卷积神经网络，通过对所述黄斑区图像进行卷积运算以得到黄斑区图像的卷积特征矩阵，所述卷积神经网络至少包括卷积层以及池化层；

通过所述卷积神经网络的池化层轮询所述卷积特征矩阵，以得到多组局部特征集合；

分别计算所述多组局部特征集合的平均值，通过冒泡排序法将所述平均值按照数值大小顺序排列拼接，以得到黄斑区特征集合；

将所述厚度类别输入至所述卷积神经网络，并通过所述卷积网络的神经元权值对所述黄斑区集合以及厚度类别加权求和，以得到所述黄斑区图像的异常分析结果。

在一些可能的设计中，所述将所述黄斑区图像输入至卷积神经网络之前，所述方法还包括：