[发明专利]一种嵌入式端的糖尿病性视网膜病变筛查解决方法

说明书

本发明公开了一种嵌入式端的糖尿病性视网膜病变筛查解决方法，1)设计以异构微处理器为核心的嵌入式系统；2)开发深度学习模型，利用大量眼底照片训练深度卷积神经网络；3)将步骤(2)训练好的神经网络进行参数量化；4)图像采集软件、图像处理算法、深度学习模型推理三者在嵌入式平台的联动；本发明提供的嵌入式端的糖尿病性视网膜病变筛查解决方法，是一种低成本、高效率的解决方案，属于一种边缘计算解决方案，眼底照片的数据流向完全受使用方的掌握，数据安全性更高，不依赖于云计算和互联网，可以在基础设施建设薄弱的偏远地区和基层医院发挥AI糖网筛查的优势。

技术领域

本发明涉及一种结合了深度学习和嵌入式系统技术的人工智能技术产品，应用于针对眼底照片的糖尿病性视网膜病变的筛查。具体地，是一种嵌入式端的糖尿病性视网膜病变筛查解决方法，将深度学习模型与AI 芯片相结合的软硬件一体化解决方案，在嵌入式端利用AI芯片的 NPU(neural-network processing units神经网络处理器)加速深度学习模型的运算，达到实时推理的效果。

背景技术

糖尿病性视网膜病变(DR)是糖尿病最常见的并发症之一，严重可导致双目失明。而糖尿病视网膜病变患者在糖尿病患者人群的比例为 24.7％-37％，大约每三个糖尿病患者中就有一个糖尿病视网膜病变患者，基于糖尿病患者人群的巨大基数(我国有超过1亿糖尿病患者)，糖尿病视网膜病变的潜在患者群体具有很大规模。所以，糖尿病性视网膜病变筛查对社会健康促进具有重大意义。

本发明提供了一项结合深度学习技术与嵌入式系统的软硬件一体化解决方案。该发明可以在嵌入式终端实时完成眼底图像处理、深度学习模型推理以及筛查报告生成等全套工作。由于本发明的技术方案，不需要依赖服务器、云和网络，非常适合在基础设施条件薄弱的基层医院、欠发达地区的糖尿病性视网膜病变的大规模筛查工作。本发明提供的解决方案同时兼具高效率(实测单例筛查时间小于1秒)、低成本(成本仅为低端深度学习服务器的1/50)以及数据更安全等优势，是一项具有大规模商用潜力的糖尿病性视网膜病变筛查解决方案。

发明内容

本发明为嵌入式端的糖尿病性视网膜病变解决方案，可以在嵌入式终端实时完成针对眼底照片的图像处理、深度学习模型的推理以及筛查报告生成等任务，该发明的解决方案能实时响应本地糖尿病性视网膜病变请求。

为实现上述技术效果，采用的具体技术方案为：

技术流程如下：

1)设计以异构微处理器为核心的嵌入式系统；

2)开发深度学习模型，利用大量眼底照片训练深度卷积神经网络；

3)将步骤(2)训练好的神经网络进行参数量化，将深度学习模型的原始32浮点型参数量化为8位整型参数，在确认量化操作对模型精度造成的损失可接受后，将深度学习模型固化为AI芯片内NPU驱动可识别模型，并进行部署；

4)图像采集软件、图像处理算法、深度学习模型推理三者在嵌入式平台的联动。

上述的嵌入式端的糖尿病性视网膜病变筛查解决方法，其中：1)中，嵌入式系统的开发包含硬件开发和软件开发两大块；

硬件方面，主控芯片选择搭载了NPU的异构微处理器，围绕该处理器的硬件模块有RAM芯片作为内存和ROM芯片作为硬盘的存储结构，硬件上同时包含相机接口和以太网接口，分别用作眼底照片数据采集和本地局域网的通信；

软件的层次化设计，包括最底层的驱动→定制化linux内核→嵌入式端的交互框架，最底层的驱动包括NPU driver、USB driver；

基于此软硬件环境，开发出图像采集、报告生成功能。