CN106682389B - 一种用于监控高血压引发的眼部病变健康管理系统 - Google Patents
一种用于监控高血压引发的眼部病变健康管理系统 Download PDFInfo
- Publication number
- CN106682389B CN106682389B CN201611036343.9A CN201611036343A CN106682389B CN 106682389 B CN106682389 B CN 106682389B CN 201611036343 A CN201611036343 A CN 201611036343A CN 106682389 B CN106682389 B CN 106682389B
- Authority
- CN
- China
- Prior art keywords
- user
- picture
- glaucoma
- health
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 35
- 206010020772 Hypertension Diseases 0.000 title claims abstract description 24
- 208000030533 eye disease Diseases 0.000 title claims abstract description 14
- 238000012544 monitoring process Methods 0.000 title claims abstract description 14
- 230000000977 initiatory effect Effects 0.000 title claims abstract description 10
- 208000010412 Glaucoma Diseases 0.000 claims abstract description 36
- 230000036772 blood pressure Effects 0.000 claims abstract description 27
- 230000003902 lesion Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 11
- 210000002216 heart Anatomy 0.000 claims abstract description 10
- 231100000915 pathological change Toxicity 0.000 claims abstract description 9
- 230000036285 pathological change Effects 0.000 claims abstract description 9
- 206010020751 Hypersensitivity Diseases 0.000 claims abstract description 5
- 230000007815 allergy Effects 0.000 claims abstract description 5
- 230000001360 synchronised effect Effects 0.000 claims abstract description 4
- 210000001508 eye Anatomy 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 12
- 239000003814 drug Substances 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 210000005252 bulbus oculi Anatomy 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 208000024891 symptom Diseases 0.000 claims description 5
- 229940079593 drug Drugs 0.000 claims description 4
- 206010030043 Ocular hypertension Diseases 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 208000027796 Blood pressure disease Diseases 0.000 abstract description 2
- 238000013507 mapping Methods 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 201000002862 Angle-Closure Glaucoma Diseases 0.000 description 3
- 201000001326 acute closed-angle glaucoma Diseases 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 206010030348 Open-Angle Glaucoma Diseases 0.000 description 2
- 206010061323 Optic neuropathy Diseases 0.000 description 2
- UCTWMZQNUQWSLP-UHFFFAOYSA-N adrenaline Chemical compound CNCC(O)C1=CC=C(O)C(O)=C1 UCTWMZQNUQWSLP-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 210000003733 optic disk Anatomy 0.000 description 2
- 208000020911 optic nerve disease Diseases 0.000 description 2
- 230000001734 parasympathetic effect Effects 0.000 description 2
- 206010007572 Cardiac hypertrophy Diseases 0.000 description 1
- 208000006029 Cardiomegaly Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 241001396014 Priacanthus arenatus Species 0.000 description 1
- 206010037520 Pupillary block Diseases 0.000 description 1
- 206010047513 Vision blurred Diseases 0.000 description 1
- 206010047571 Visual impairment Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000001800 adrenalinergic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 210000000695 crystalline len Anatomy 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 201000006366 primary open angle glaucoma Diseases 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 208000018316 severe headache Diseases 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 210000004509 vascular smooth muscle cell Anatomy 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
- 230000004393 visual impairment Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6824—Arm or wrist
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- Cardiology (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Vascular Medicine (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Ophthalmology & Optometry (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种用于监控高血压引发的眼部病变健康管理系统，包括：输入模块，用于供用户发出请求或输入包括年龄、体重、过敏史在内的个人健康信息；采集模块，用于通过用户佩戴的智能手环采集人体的心率数据，并将心率数据转换为血压数据；健康模块，用于若收到输入模块用户的请求或者监测到采集模块中血压数据的异常，提醒用户利用手机拍摄眼部图片，并将用户眼部图片上传至云存储器；云处理模块，用于对用户眼部图片和云存储器中的病变图片匹配，判断用户是否发生眼底的病变；云存储器，用于存储普通眼底病变图片和同步用户的个人健康信息。本发明结合血压和眼部病变图像处理两次判断，提高了对青光眼发病的正确判断概率。
Description
技术领域
本发明涉及，尤其涉及一种用于监控高血压引发的眼部病变健康管理系统。
背景技术
高血压是一种常见的心血管疾病，多发于中老年群体，其中，约有70%的高血压疾病患者会产生眼底病变。临床统计发现，慢性高血压疾病患者中，眼底阳性率与病程长短呈正比，病程时间较长者，眼底阳性率亦较高。在当前治疗眼底病变的药品中，肾上腺素使用较广，但是肾上腺素的使用会使血压升高，而血压升高又可导致眼底病变的加重。
长期血压增高,引起血管平滑肌细胞增生和心脏肥厚等一系列病理变化,最终致心、脑、肾、眼等靶器官的损害。高血压流行病学资料表明,高血压人群原发性开角型青光眼的发病率明显高于血压正常者。而急性闭角型青光眼患者急性发作期除出现视物不清、眼痛症状外常合并剧烈头痛甚至恶心、呕吐及视力下降，许多患者首诊于内科尤其是既往有高血压病史者常由于就诊时测血压很高而以高血压收入内科按病房治疗，结果血压不但难以控制还使患者视力丧失治疗时机。
由统计资料可以看出，急性闭角型青光眼患者急性发作期且伴随血压高症状患者比例明显高于单纯青光眼患者。这可能与其发病机制中存在神经精神因素有关，急性闭角型青光眼患者出现的瞳孔阻滞、瞳孔扩及与其相联系的晶状体虹膜隔的位置变化，都与交感神经与副交感神经的调节有关，既交感神经功能活动增强，副交感神经功能活动减弱。由于神经调节紊乱致使血压升高，急性闭角型青光眼一旦发作，二者则互相影响，单纯降压难以根治青光眼，而单纯选择青光眼的治疗，若药物选择有误，还可导致血压进一步身高，形成治疗死循环。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种用于监控高血压引发大的眼部病变健康管理系统。
本发明解决其技术问题所采用的技术方案是：一种用于监控高血压引发的眼部病变健康管理系统，包括：
输入模块，用于供用户发出健康检查请求，也用于输入包括年龄、体重、过敏史在内的个人健康信息；
采集模块，用于通过用户佩戴的智能手环采集人体的心率数据，并将心率数据转换为血压数据；
健康模块，用于若收到输入模块用户的健康检查请求或者监测到采集模块中血压数据的异常，提醒用户利用手机拍摄眼部图片，并将用户眼部图片上传至云存储器；
云处理模块，用于对用户眼部图片和云存储器中的病变图片匹配，判断用户是否发生眼底的病变；
云存储器，用于存储普通眼底病变图片和同步用户的个人健康数据，包括血压，身高，体重，患病史，眼部照片。
按上述方案，所述云处理模块中对用户图片和云存储器中的病变图片匹配采用以下方法：
1）首先对图像进行预处理，包括使用直方图均衡化增加图像对比度，再使用高斯模糊去除图像噪点；
2）将所得图像作为一个特征矩阵输入卷积神经网络卷积层中，通过卷积，池化，drop-out，反向传播操作，处理得到图片特征向量；
3）使用支持向量机方法将所得特征向量进行定位与分类，跟青光眼发病所提取的特征进行对比确定发病情况；具体如下：当发生青光眼时，可出现视神经病理性凹陷，通常采用视杯(C)与视盘(D)之比(C/D)表示凹陷的大小，成人如果C/D大于0.6，或双眼相差大于0.2时应怀疑青光眼。我们通过搜集出现该症状的青光眼建立青光眼库，对眼球发病图片特征使用上述方法进行提取，用作训练集训练支持向量机分类器，使用训练好的分类器与用户眼球图片所提取特征比对并分类，判断是否存在青光眼。
按上述方案，所述用于监控高血压引发的眼部病变健康管理系统还包括健康建议模块，所述健康建议模块用于初判有疑似青光眼后，根据并发症状况再次判断是否引起青光眼；具体如下：
若测得用户既有高血压也有青光眼，便推送可治疗青光眼但是对血压影响较小的药品推荐给用户，测得用户仅有青光眼，便推送普通青光眼药物给用户。
本发明产生的有益效果是：
1.本发明针对高血压与青光眼双向调节机制监控的健康管理系统。
2.本发明结合血压和眼部病变图像对比两次判断，首先通过智能手环采集血压数据判断是否存在高血压，然后再通过上述眼部病变图像对比方法判断是否存在青光眼，提高了对青光眼发病的正确判断概率。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例的结构示意图；
图2是本发明实施例的卷积神经网络单元架构图；
图3是本发明实施例的图像特征提取与检测算法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，一种用于监控高血压引发的眼部病变健康管理系统，包括：
输入模块，用于供用户发出请求或输入包括年龄、体重、过敏史在内的个人健康信息；
采集模块，用于通过用户佩戴的智能手环采集人体的心率数据，并将心率数据转换为血压数据；
健康模块，用于若收到输入模块用户的请求或者监测到采集模块中血压数据的异常，提醒用户利用手机拍摄眼部图片，并将用户眼部图片上传至云存储器；
云处理模块，用于对用户眼部图片和云存储器中的病变图片匹配，判断用户是否发生眼底的病变；
云存储器，用于存储普通眼底病变图片和同步用户的个人健康数据，包括血压，身高，体重，患病史，眼部照片；
健康建议模块，用于初判有疑似青光眼后，结合个人健康信息推送健康建议；若测得用户既有高血压也有青光眼，便推送可治疗青光眼但是对血压影响较小的药品推荐给用户，测得用户仅有青光眼，便推送普通青光眼药物给用户。
云处理模块中对用户图片和云存储器中的病变图片匹配采用以下方法：
1）首先对图像进行预处理，包括使用直方图均衡化增加图像对比度，再使用高斯模糊去除图像噪点；
2）将所得图像作为一个特征矩阵输入卷积神经网络卷积层中，通过卷积，池化，drop-out，反向传播操作，处理得到图片特征向量；
图2为卷积神经网络单元架构图，输入图像通过和三个可训练的滤波器和可加偏置进行卷积，滤波过程如图1，卷积后在C1层产生三个特征映射图，然后特征映射图中每组的四个像素再进行求和，加权值，加偏置，通过一个Sigmoid函数得到三个S2层的特征映射图。这些映射图再进过滤波得到C3层。这个层级结构再和S2一样产生S4。最终，这些像素值被光栅化，并连接成一个向量输入到传统的神经网络，得到输出。
一般地，C层为特征提取层，每个神经元的输入与前一层的局部感受野相连，并提取该局部的特征，一旦该局部特征被提取后，它与其他特征间的位置关系也随之确定下来；S层是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射为一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。
3）使用支持向量机方法将所得特征向量进行定位与分类，跟青光眼发病所提取的特征进行对比确定发病情况；具体如下：当发生青光眼时，可出现视神经病理性凹陷，通常采用视杯(C)与视盘(D)之比(C/D)表示凹陷的大小，成人如果C/D大于0.6，或双眼相差大于0.2时应怀疑青光眼。我们通过搜集出现该症状的青光眼建立青光眼库，对眼球发病图片特征使用上述方法进行提取，用作训练集训练支持向量机分类器，使用训练好的分类器与用户眼球图片所提取特征比对并分类，判断是否存在青光眼。
图3为图像特征提取与检测算法流程图，首先我们通过现有的青光眼疾病知识库图片进行分类器训练，得到可靠的青光眼预测分类器。然后在云端服务器接受由客户端返回的用户图像数据，对图像进行去噪处理。将去噪所得的图像使用卷积神经网络进行特征提取并将该特征向量输入训练好的分类器中，得到分类结果而后将其返回至客户端。
本系统在实际使用中可制作为手机APP，其中输入模块、采集模块、健康模块和健康建议模块为手机安装客户端，云处理模块和云存储器作为云服务器，使用方便高效，占用手机资源少。用户在安装APP时，根据提示填写诸如年龄、体重、过敏史等个人健康信息，并通过蓝牙和健康手环进行匹配连接，手环可实时采集人体心率体征数据，并转换为血压数据。根据WHO血压评判标准，如若发现用户血压异常，则提醒用户利用手机拍摄脸部图片，并通过4G网络或WIFI网络传输至云服务器。已经收集好各类眼底病变图片的服务器，利用如人工神经网络等图片识别算法，匹配用户图片和病变图片，并根据采集到健康数据进行药物精准推荐，另外手机的GPS模块可用来实现用户定位，如用户血压突然升高，医疗机构可根据GPS位置快速达到用户住处进行相关治疗。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (2)
1.一种用于监控高血压引发的眼部病变健康管理系统，其特征在于，包括：
输入模块，用于供用户发出健康检查请求，也用于输入包括年龄、体重、过敏史在内的个人健康信息；
采集模块，用于通过用户佩戴的智能手环采集人体的心率数据，并将心率数据转换为血压数据；
健康模块，用于若收到输入模块用户的健康检查请求或者监测到采集模块中血压数据的异常，提醒用户利用手机拍摄眼部图片，并将用户眼部图片上传至云存储器；
云处理模块，用于对用户眼部图片和云存储器中的病变图片匹配，判断用户是否发生眼底的病变；
所述云处理模块中对用户图片和云存储器中的病变图片匹配采用以下方法：所述云处理模块中对用户图片和云存储器中的病变图片匹配采用以下方法：
1）首先对图像进行预处理，包括使用直方图均衡化增加图像对比度，再使用高斯模糊去除图像噪点；
2）将所得图像作为一个特征矩阵输入卷积神经网络卷积层中，通过卷积，池化，drop-out，反向传播操作，处理得到图片特征向量；
3）使用支持向量机方法将所得特征向量进行定位与分类，跟青光眼发病所提取的特征进行对比确定发病情况；具体如下：通过搜集青光眼症状建立青光眼库，对眼球发病图片特征使用步骤1）和2）方法进行提取，用作训练集训练支持向量机分类器，使用训练好的分类器与用户眼球图片所提取特征比对并分类，判断是否存在青光眼；所述青光眼症状为成人C/D大于0.6，或双眼C/D相差大于0.2；
云存储器，用于存储普通眼底病变图片和同步用户的个人健康数据，包括血压，身高，体重，患病史，眼部照片。
2.根据权利要求1所述的用于监控高血压引发的眼部病变健康管理系统，其特征在于，所述用于监控高血压引发的眼部病变健康管理系统还包括健康建议模块，所述健康建议模块用于初判有疑似青光眼后，根据并发症状况再次判断是否引起青光眼；具体如下：
若测得用户既有高血压也有青光眼，则推送可治疗青光眼但是对血压影响较小的药品推荐给用户；若测得用户仅有青光眼，则推送普通青光眼药物给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611036343.9A CN106682389B (zh) | 2016-11-18 | 2016-11-18 | 一种用于监控高血压引发的眼部病变健康管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611036343.9A CN106682389B (zh) | 2016-11-18 | 2016-11-18 | 一种用于监控高血压引发的眼部病变健康管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106682389A CN106682389A (zh) | 2017-05-17 |
| CN106682389B true CN106682389B (zh) | 2019-01-15 |
Family
ID=58865749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611036343.9A Active CN106682389B (zh) | 2016-11-18 | 2016-11-18 | 一种用于监控高血压引发的眼部病变健康管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106682389B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109003252A (zh) * | 2017-05-30 | 2018-12-14 | 正凯人工智能私人有限公司 | 图像处理方法及系统 |
| WO2018222136A1 (zh) * | 2017-05-30 | 2018-12-06 | 正凯人工智能私人有限公司 | 图像处理方法及系统 |
| CN107704886A (zh) * | 2017-10-20 | 2018-02-16 | 北京工业大学 | 一种基于深度卷积神经网络的医疗图像分级系统和方法 |
| CN110378864B (zh) * | 2018-04-10 | 2021-07-16 | 中南大学 | 一种基于Radon域特征表示的青光眼检测方法 |
| WO2019200535A1 (zh) * | 2018-04-17 | 2019-10-24 | 深圳华大生命科学研究院 | 基于人工智能的眼科疾病诊断建模方法、装置及系统 |
| CN109994173A (zh) * | 2019-04-02 | 2019-07-09 | 周赟 | 一种眼底病监测系统 |
| CN109998474A (zh) * | 2019-04-15 | 2019-07-12 | 上海交通大学医学院附属第九人民医院 | 一种识别血管痉挛的便携式装置及其使用方法 |
| CN109998476A (zh) * | 2019-04-15 | 2019-07-12 | 上海交通大学医学院附属第九人民医院 | 一种用于眼部健康管理的便携式装置及其使用方法 |
| CN110135528A (zh) * | 2019-06-13 | 2019-08-16 | 上海鹰瞳医疗科技有限公司 | 年龄确定方法、眼部健康程度确定方法和装置 |
| CN110348431A (zh) * | 2019-08-26 | 2019-10-18 | 闫戎 | 一种疾病预警方法、装置、设备及系统 |
| CN111096727B (zh) * | 2019-12-31 | 2021-02-26 | 上海市第十人民医院 | 妊高症的检测方法、系统、电子设备和存储介质 |
| CN111281361A (zh) * | 2020-03-09 | 2020-06-16 | 康瑞健康管理(杭州)有限公司 | 基于大数据的学生健康监测系统 |
| CN115281621A (zh) * | 2022-09-29 | 2022-11-04 | 首都医科大学附属北京同仁医院 | 一种青光眼疾病风险的可穿戴检测方法及装置 |
| CN116602636B (zh) * | 2023-07-10 | 2024-02-02 | 深圳小澈科技有限公司 | 一种基于智能手表的眼部健康监测系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1145213A (zh) * | 1996-06-04 | 1997-03-19 | 浙江大学 | 一种心血管病的无损定量诊断系统及其使用方法 |
| CN102479385A (zh) * | 2010-11-19 | 2012-05-30 | 佳能株式会社 | 图像处理设备和图像处理方法 |
| CN104055499A (zh) * | 2014-06-16 | 2014-09-24 | 朱宇东 | 连续监控人体生理体征的可穿戴式智能手环及方法 |
| CN104835150A (zh) * | 2015-04-23 | 2015-08-12 | 深圳大学 | 一种基于学习的眼底血管几何关键点图像处理方法及装置 |
-
2016
- 2016-11-18 CN CN201611036343.9A patent/CN106682389B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1145213A (zh) * | 1996-06-04 | 1997-03-19 | 浙江大学 | 一种心血管病的无损定量诊断系统及其使用方法 |
| CN102479385A (zh) * | 2010-11-19 | 2012-05-30 | 佳能株式会社 | 图像处理设备和图像处理方法 |
| CN104055499A (zh) * | 2014-06-16 | 2014-09-24 | 朱宇东 | 连续监控人体生理体征的可穿戴式智能手环及方法 |
| CN104835150A (zh) * | 2015-04-23 | 2015-08-12 | 深圳大学 | 一种基于学习的眼底血管几何关键点图像处理方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 原发性高血压患者脉压与眼底病变的关系;张 瑜 等;《新疆医科大学学报》;20091231;全文 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106682389A (zh) | 2017-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106682389B (zh) | 一种用于监控高血压引发的眼部病变健康管理系统 | |
| US10441160B2 (en) | Method and system for classifying optic nerve head | |
| CN105559802B (zh) | 基于注意和情感信息融合的抑郁诊断系统及数据处理方法 | |
| CN112101424B (zh) | 一种视网膜病变识别模型的生成方法、识别装置及设备 | |
| US20230022921A1 (en) | System and method for analyzing corneal lesion using anterior ocular segment image, and computer-readable recording medium | |
| CN109691979A (zh) | 一种基于深度学习的糖尿病视网膜图像病变分类方法 | |
| CN110101361A (zh) | 基于大数据在线智能诊断平台及其运行方法和存储介质 | |
| WO2020190648A1 (en) | Method and system for measuring pupillary light reflex with a mobile phone | |
| Jain et al. | Rider manta ray foraging optimization-based generative adversarial network and CNN feature for detecting glaucoma | |
| Hájek et al. | Recognition-based on eye biometrics: Iris and retina | |
| Giancardo | Automated fundus images analysis techniques to screen retinal diseases in diabetic patients | |
| Sun et al. | A retinal vessel segmentation method based improved U-Net model | |
| CN109620265A (zh) | 识别方法及相关装置 | |
| Brancati et al. | Segmentation of pigment signs in fundus images for retinitis pigmentosa analysis by using deep learning | |
| CN114943924B (zh) | 基于人脸表情视频的疼痛评估方法、系统、设备及介质 | |
| Raman et al. | The effects of spatial resolution on an automated diabetic retinopathy screening system's performance in detecting microaneurysms for diabetic retinopathy | |
| Neelima et al. | Classification of Diabetic Retinopathy Fundus Images using Deep Neural Network | |
| Kaplan | Deep generative models for synthetic retinal image generation | |
| Biswas et al. | Investigation of bilateral similarity in central retinal blood vessels | |
| Ahmed et al. | Integration of Artificial Intelligence for a low-cost diagnosis of Diabetic Retinopathy | |
| Viraktamath et al. | Detection of Diabetic Maculopathy | |
| Biswas et al. | A study of bilateral symmetry in color fundus photographs | |
| Sitienei | Applying Artificial Intelligence and Mobile Technologies to Enable Practical Screening for Diabetic Retinopathy | |
| Kikuchi | Applications of Deep Learning to Medical Image Analysis in Ophthalmology | |
| Park | VisionAI-Human Eye Fundus Screening System Based on AI Deep Learning Technology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |