[发明专利]一种面向慢性病辅助诊断的眼科AI生物特征参数提取算法

说明书

本发明提供一种面向慢性病辅助诊断的眼科AI生物特征参数提取算法，属于眼科AI算法技术领域。该面向慢性病辅助诊断的眼科AI生物特征参数提取算法包括如下步骤：S1：建立M‑Net卷积神经网络模型；S2：M‑Net卷积神经网络模型对眼科数据进行标记分割为多个分割数据；S3：从分割数据中提取用以辅助慢性病诊断的生物特征参数。本发明中首先建立M‑Net卷积神经网络模型，方便后续将眼科数据分割，接着通过M‑Net模型对眼科数据进行标记分割为多个分割数据，分割精度较高，最后从分割数据中提取用以辅助慢性病诊断的生物特征参数，方便医生获取正常人和患者的这些生物特征参数上的差异，方便医生对病情发展趋势和治疗效果进行有效的评估。

技术领域

本发明属于眼科AI算法技术领域，涉及一种面向慢性病辅助诊断的眼科AI生物特征参数提取算法。

背景技术

近些年，人类死亡的主要因素由传染性疾病过渡到慢性非传染性疾病，其简称为慢性病，其简称为慢性病，主要包括糖尿病、高血压、老年痴呆、心血管病、慢性肾脏病等。慢性病不仅危害人体健康，而且对社会和经济也有很大的危害，每年国家都需要花费大量的卫生费用于慢性病的诊断及治疗。眼底视网膜是全身唯一可在活体直接并集中观察动脉、静脉和毛细血管的部位，这些血管可以反映人全身血液循环的动态以及健康状况，视网膜病变是多种慢性病的标志性特征，眼底检查不仅是检查人眼疾病的重要方法，更可以作为多种疾病（如各种慢性病等）监测的“窗口”，成为早期筛查和精确诊断的标准，眼底检查成为辅助慢性病精确诊断的一种有效手段。临床上，越来越多的内分泌科、神经内科等科室的医生开始借助眼科检查来提升慢性病诊断的准确性。然而，针对慢性病的眼科检查刚刚起步，眼科医生需辅助内科医生解读病人眼底检查结果，从而增加很多额外工作量。目前还没有从通过AI算法从眼科影像中获取方便诊断用户慢性病的生物特征参数。

中国专利CN 109998599A公开了一种基于AI技术的光/声双模成像眼底疾病诊断系统，属于人工智能技术领域。所述诊断系统包括：眼科超声成像模块、眼科光学成像模块、光/声双模图像融合模块和眼底疾病诊断模块；眼科超声成像模块用于超声成像获得眼底图像；眼科光学成像模块用于光学成像获得眼底图像；光/声双模图像融合模块，用于融合超声成像获得眼底图像和光学成像获得眼底图像；眼底疾病诊断模块，根据融合后的图像，利用人工智能实现眼底疾病的自动诊断。本发明通过光/声双模成像，将光学和超声成像集成在一台设备上，根据融合后的图像进行诊断，使得获得的眼底图像不受屈光间质影响，解决了分辨率有限的问题。上述专利中通过AI技术分析眼底图像从而诊断眼底疾病，没有从眼底图像中获取生物特征参数，不能根据生物特征参数诊断慢性病。

发明内容

本发明针对现有的技术存在的上述问题，提供一种面向慢性病辅助诊断的眼科AI生物特征参数提取算法，本发明所要解决的技术问题是：如何提供一种面向慢性病辅助诊断的眼科AI生物特征参数提取算法。

本发明的目的可通过下列技术方案来实现：

一种面向慢性病辅助诊断的眼科AI生物特征参数提取算法，包括如下步骤：

S1：建立M-Net卷积神经网络模型，所述M-Net 卷积神经网络模型包括用以构建图像金字塔输入并实现不同层级融合的多尺度输入层、用以作为主体结构学习丰富的层次表示的U-Net卷积神经网络、用以在早期卷积层支持深层监督的侧输出层、用以确保同一图像上不同标签特征同时进行分割的多标签损失函数；

S2：M-Net卷积神经网络模型对眼科数据进行标记分割为多个分割数据；

S3：从分割数据中提取用以辅助慢性病诊断的生物特征参数。

优选的，所述M-Net卷积神经网络包括编码器路径、解码器路径，每个所述编码器路径在执行卷积层时产生编码器特征图，所述编码器路径利用ReLU激活函数逐个激活像素，所述解码器路径利用卷积层输出解码器特征图。