[发明专利]一种融合眼底图像的慢病临床研究队列查询系统及方法

说明书

融合眼底图像的慢病临床研究队列查询系统及方法：输入模块供输入患者基本信息和眼底图像；语义特征提取模块对眼底图像自动识别和提取以提取出含有血管、病灶和眼底结构的目标眼底图像，从目标眼底图像中提取出图像特征数据；筛选模块对图像特征数据进行重要性排序，筛选出排名前N的图像特征数据；分析模块对目标眼底图像进行分析，分析出目标病灶位置和目标病灶测量特征；注释模块供注释成像时间点、目标病灶解剖位置和测量等信息；SR数据库存储患者基本信息和眼底图像信息；关联模块将同一患者的SR数据库中眼底图像信息与电子病历数据库中电子病历信息关联；查询模块基于查询请求查询关联的SR数据库和电子病历数据库并输出查询结果。

技术领域

本发明涉及眼底图像技术领域，特别是涉及一种融合眼底图像的慢病临床研究队列查询系统及方法。

背景技术

大数据包括真实世界的数据，如：电子病历数据、影像数据、登记平台数据和医保数据、临床试验数据集等，可以补充传统的临床试验研究。视网膜是指位于眼球后部的玻璃体和视网膜的统称，它是唯一能用肉眼直接并集中观察到动脉、静脉和毛细血管的部位，因为眼底血管和脑、心、肾的血管是同等级的，这些血管可以反映人全身血液循环的动态以及健康状况，通常血管的改变都会表现在视网膜血管上，眼底血管的变化基本上可以反映脑、心、肾血管系统的改变。眼底改变是许多慢性疾病诊断的一项重要依据。所以，眼底检查是全身检查中很重要的一环。除了可查出眼疾外，某些慢性疾病可借助眼底检查而了解病情的进展情况，成为全身性疾病监测的“窗口”。目前不少国内外信息技术团队采用人工智能技术通过读取视网膜影像，对眼部血管、视盘、黄斑和神经等区域进行分析，对高血压、糖尿病、动脉硬化等全身性慢性病，及高度近视、老年性黄斑变性、静脉阻塞、白内障等常见眼病进行筛查。尽管这些人工智能技术在眼底图像辅助诊断报道的分类结果令人振奋，但是在真实临床应用中却还有一定的差距，其背后的原因是训练的数据集目前的标注大多是采用某类疾病患者的眼底作为标签，而没有疾病的患者作为阴性对照。然而事实上，很多慢性病患者常常混杂有多种疾病，如高血压患者多伴有动脉粥样硬化，同时常伴随血脂升高、血糖升高，继发慢性肾病、红斑性狼疮等疾病，这些疾病对眼底血管产生了综合的影响。

目前，不少医院现在有专门的眼底图像工作站和数据库，这些数据库中蕴藏了很多重要的图像信息，从这些数据库中查询所需要的数据集对制作数据集有重要的意义。因此，对这些眼底数据的查询和利用以获得所需要的眼底疾病数据显得尤为重要。然而目前的眼底图像标注往往没有和医院的眼底阅片工作流结合起来，另外，这些数据集的规模有限，眼底标注基本还是以粗粒度的疾病诊断结果为主。事实上，目前的图像查询或检索技术有基于文本和基于内容的图像检索技术。随着计算机视觉技术的发展，基于图像的内容语义以及上下文联系进行查找，以图像语义特征为线索从图像数据库中检出具有相似特性的其它图像。该方法的图像数据库一般包括图像处理模块、查询模块、对象库和特征库和知识库。查询时对各个对象进行基于内容的特征分析、相似度匹配。基于内容的图像检索系统尽管该技术对于查询图像不需要传统的对图像的标签标记，但是对于医学等专业型的数据而言，标注的质量仍然有待商榷。而基于文本的图像检索沿用了传统文本检索技术，从图像名称、图像尺寸、等机器和人为定义的标签等方面标引图像，一般以关键词形式的提问查询图像。这需要眼底图像数字后医生围绕眼底图像描述图像改变的文字内容，以及通过这些改变推断其中可能的眼病或全身疾病类型。通常眼底阅片人员通常只提供眼底病灶大小变化的定量描述(如“增大”或“减小”)。并且当检查病变时，对于同样一幅图像检查之间常常不一致的(不同医生通常会在患者治疗期间解释每个影像学检查)。因此，慢病医生在眼底报告中收到的定性信息不足以评估疾病病情，他们希望阅片医生在成像报告中加入病变定量检查。另外，医院中慢病患者的非结构化医疗数据，包括放射学和病理学图像、实验室结果(如血液测试和心电图)、基因组学、患者历史和电子健康记录等是也是眼底疾病分类标注的重要资源。事实证明，结合眼底图像特征的慢病数据进行慢病患者的精准画像具有重要意义。