[发明专利]糖尿病视网膜病变检测系统、方法、设备和训练系统

说明书

本申请涉及一种糖尿病视网膜病变检测系统，包括质控模块和糖网判别模块：质控模块，被配置为获取影像采集装置当前采集到的眼底影像，对眼底影像进行质量判断；质控模块，还被配置为在判断出眼底影像的质量合格时，将眼底影像输入至糖网判别模块；糖网判别模块，被配置为接收眼底影像，对眼底影像进行检测，得到相应的检测结果，并对检测结果进行类别划分；通过在糖网判别模块之前增加质控模块，由质控模块对当前要进行检测眼底影像先进行质量判断，在判断出眼底影像的质量合格时再输入至糖网判别模块进行检测，避免了相关技术中直接进行检测所导致的检测结果不准确的情况，这也就有效提高了糖尿病视网膜病变检测结果的准确率。

技术领域

本申请涉及医学图像检测技术领域，尤其涉及一种糖尿病视网膜病变检测系统、方法、设备和训练系统。

背景技术

当今社会，随着人们生活水平的不断提高以及人口老龄化的日益加剧，糖尿病的患病率明显增加，成为威胁人类健康甚至生命的首要疾病，同时也是家庭、社会最常见、最繁重的疾病之一。近年来，以深度学习为代表的人工智能技术得到了显著的发展，其在医学影像诊断领域的应用也得到了越来越多的关注。将深度学习的方法应用于糖尿病视网膜的辅助诊断，有效提高了视网膜病变的诊断速度，但是相关技术中的基于深度学习的糖尿病视网膜检测方式，对视网膜的检测准确率还有待提高。

发明内容

有鉴于此，本申请提出了一种糖尿病视网膜病变检测系统，可以有效提高糖尿病视网膜病变检测的准确率。

根据本申请的一方面，提供了一种糖尿病视网膜病变检测系统，包括质控模块和糖网判别模块：

所述质控模块，被配置为获取影像采集装置当前采集到的眼底影像，对所述眼底影像进行质量判断；

所述质控模块，还被配置为在判断出所述眼底影像的质量合格时，将所述眼底影像输入至糖网判别模块；

其中，所述质量合格包括所述眼底影像的边缘不漏光，所述眼底影像的边缘亮度达到第一预设亮度，所述眼底影像的黄斑区亮度达到第二预设亮度，所述眼底影像的视盘位置处于预设位置范围内，所述眼底影像的视盘可见，所述眼底影像的黄斑区、视盘区、上方视网膜血管弓和下方视网膜血管弓均可见中的至少一种；

所述糖网判别模块，被配置为接收所述眼底影像，对所述眼底影像进行检测，得到相应的检测结果，并对所述检测结果进行类别划分；

其中，所述类别包括转诊类别和非转诊类别。

在一种可能的实现方式中，所述质控模块包括接收处理子模块和影像判别子模块；

所述接收处理子模块，被配置为接收获取所述影像采集装置当前采集到的眼底影像，并对所述眼底影像进行预处理；其中，所述预处理包括裁剪、缩放和归一化操作中的至少一种；

所述影像判别子模块，被配置为对经过预处理后的眼底影像进行质量判断，并在判断出所述眼底影像的质量合格时，将所述眼底影像输入至所述糖网判别模块；

其中，所述影像判别子模块包括可用于学习参数的深度学习模型；所述深度学习模型包括卷积神经网络，所述卷积神经网络中的分类的数目取值为2。

在一种可能的实现方式中，所述糖网判别模块包括输入图像子模块、第一预处理子模块、第二预处理子模块、特征提取子模块、特征融合子模块和分类子模块；

所述输入图像子模块，被配置为接收由所述质控模块发送的所述眼底影像；

所述第一预处理子模块，被配置为对所述眼底影像进行初级预处理，得到初级眼底影像；所述初级预处理包括裁剪和缩放中的至少一种操作；

所述第二预处理子模块，被配置为对所述初级眼底影像进行图像增强，并对增强后的眼底影像进行归一化操作，得到二级眼底影像；