[发明专利]基于眼底图像评估疾病风险的方法及设备

说明书

本发明提供一种基于眼底图像评估疾病风险的方法及设备，包括获取用户的眼底图像；利用机器学习模型对所述眼底图像进行识别，输出用于表示所述用户的疾病风险的评估结果，所述机器学习模型包括特征提取网络和至少一个输出网络，其中所述特征提取网络用于从所述眼底图像中提取特征信息，所述至少一个输出网络用于分别根据所述特征信息输出所述评估结果。

技术领域

本发明涉及医疗图像分析领域，具体涉及一种基于眼底图像评估心血管风险的方法及设备。

背景技术

医疗领域中有一系列基于身体指标量化疾病风险程度的方法，如《中国科技成果》(半月刊)记载的文章《冠心病、脑卒中综合危险度评估及干预方案的研究成果》，该方法通过采集人体的年龄、性别、收缩压、舒张压等指标，使用cox函数、逻辑回归等算法，以采集指标作为输入计算得到一个风险值，此风险值表示5-10年内被评估人发生心血管事件的几率。一种常使用的方程为：

其中S₀()表示10年(或者N年的平均存活率)，βX是近似的基本发病率，βX_hat是每种指标和权重的逻辑回归加权值。

由此可见，为了进行疾病风险评估，专业人员需要考虑多种风险因素，包括身体指标、生活习惯等等。其中一些信息可以直接询问受试者，但血液必须有创采集，并且需要较长时间分析血液指标，最终需要医生或者专业人员对一系列风险因素进行量化和计算从而得到风险评估结果，这种评估方式效率低、成本高。

发明内容

有鉴于此，本发明提供一种疾病风险评估模型构建方法，包括：

获取样本数据，包括眼底图像和多种疾病相关信息；利用大量所述样本数据对机器学习模型进行训练，使其输出用于表示患病风险的评估结果，所述机器学习模型包括特征提取网络和至少一个输出网络，其中所述特征提取网络用于从所述眼底图像中提取特征信息，所述至少一个输出网络用于分别根据所述特征信息输出与所述疾病相关信息相应的所述评估结果；所述机器学习模型根据输出的所述评估结果与样本数据中的所述疾病相关信息的差异调整自身的参数。

可选地，所述至少一个输出网络包括分类网络和/或回归网络；

所述分类网络输出的评估结果为分类结果，所述分类结果与所述样本数据中相应的疾病相关信息的差异通过交叉熵函数进行表示；

所述回归网络输出的评估结果为数值，所述回归结果与所述样本数据中相应的心脑血管相关信息的差异通过误差函数进行表示。

可选地，所述输出网络有多个，所述机器学习模型根据输出的所述评估结果与样本数据中的所述疾病相关信息的差异调整自身的参数，包括：

根据各种评估结果与样本数据中相应的疾病相关信息的差异确定多个第二损失值；

根据所述多个第二损失值确定第一损失值；

所述机器学习模型至少根据所述第一损失值调整自身参数。

可选地，所述机器学习模型至少根据所述第一损失值调整所述特征提取网络的参数。

可选地，所述机器学习模型还分别根据所述多个第二损失值调整相应的输出网络的参数。

可选地，所述机器学习模型只有一个输出网络，用于根据所述特征信息和所述多种疾病相关信息输出与所述多种疾病相关信息中的一种相应的评估结果。

可选地，所述疾病风险评估模型为心血管风险评估模型，所述疾病相关信息为心血管相关信息；所述心血管相关信息包括年龄、性别、收缩压、舒张压、糖尿病历史、高血压病史、高密度脂蛋白、低密度脂蛋白、BMI、腰围、吸烟史、总胆固醇、居住地、家族病史、糖化血红蛋白信息、尿酸信息中的部分或者全部。