[发明专利]一种基于区域自适应注意力网络的干眼症分级系统

说明书

本发明公开了一种基于区域自适应注意力网络的干眼症分级系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的干眼症分级模型，所述干眼症分级模型基于区域自适应注意力网络；所述计算机处理器执行所述计算机程序时实现以下步骤：获取待测的原始眼睑板红外图像进行灰度预处理，并将预处理后得到的单通道灰度图进行双边滤波处理；将处理后的图像输入干眼症分级模型，得到眼睑板定位和干眼症分级结果。利用本发明，可以实现了对眼睑板红外照片的自动分析，可有效对干眼症分级进行辅助诊断。

技术领域

本发明属于医学图像分析及机器学习领域，尤其是涉及一种基于区域自适应注意力网络的干眼症分级系统。

背景技术

干眼是眼表的多因素疾病，特征是泪膜稳态的丧失，伴随眼表症状，其发病机制包括泪膜不稳定、泪液高渗透压、眼表炎症与损失和神经感觉异常。多项研究表明，干眼的发病率波动于5～50％。

传统的干眼症诊断和评价方式是通过眼表疾病指数(Ocular Surface DiseaseIndex,OSDI)、NIBUT、泪河高度、睑板腺形态等指标，可以客观的对干眼进行诊断和分类。然而，这一评价方法存在的缺陷是：相关评价指标较多、计算繁琐、诊断效率低。

如公开号为CN106510615A的中国专利文献公开了一种干眼症综合分析系统，包括：成像系统，其包括照明光源、成像组件、控制板以及摄像模组，所述照明光源透过所述成像组件照射患者眼睛处，所述摄像模组对患者眼睛成像，并将生成的所述图像通过USB接口传输至所述PC机；分析系统，其布置在所述PC机端，包括通信模块、图像数据采集模块、泪膜破裂时间检查模块、泪河高度测量模块、睑板腺图像采集及增强模块、脂质层分析模块、数据分析模块及信息管理输出模块，视频终端，其与分析系统连接。

目前研究仅从睑板腺腺体的大小、弯曲度、数量等方面进行定量分析，而一些潜藏的特征如腺体间的相对位置关系等却因为难以提取量化而经常不被引起重视。造成这种现象的原因之一是研究人员尚未找到这些特征与结果之间的直接联系，而另一个更主要的原因是图像所包含的语义特征信息可能远远超过像大小、形态、数量这类低维纹理特征信息，但语义特征信息难以挖掘，更无从对其进行定量分析。

发明内容

为了克服现有干眼症分级需要多种检测辅助、效率低下、精度较低的不足，本发明提出了一种速度快、效率高、精度较高的基于区域自适应注意力网络的干眼症分级系统，实现了对眼睑板红外照片的自动分析，可有效对干眼症分级进行辅助诊断。

本发明的技术方案如下：

一种基于区域自适应注意力网络的干眼症分级系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的干眼症分级模型，所述干眼症分级模型基于区域自适应注意力网络，包括1个卷积层，1个批次化归一层，1个ReLU激活函数，1个最大池化层，5个注意力模块，两个全局池化层，两个全连接层；

所述计算机处理器执行所述计算机程序时实现以下步骤：

获取待测的原始眼睑板红外图像进行灰度预处理，并将预处理后得到的单通道灰度图进行双边滤波处理；

将处理后的图像输入干眼症分级模型，得到眼睑板定位和干眼症分级结果。

本发明的系统基于区域自适应注意力网络，利用卷积神经网络提取干眼症红外眼睑板图像特征，从而实现干眼症分级。

所述干眼症分级模型的训练过程为：

建立训练集：获取不同干眼症级别的上、下眼睑板红外图像作为样本，将所有样本图像下采样至相同大小后处理为单通道灰度图；并通过双边滤波处理对灰度图像进行图像增强；将处理后的样本图像分为训练集、验证集和测试集；