CN108492872A - 智能辅助诊断系统 - Google Patents

智能辅助诊断系统 Download PDF

Info

Publication number
CN108492872A
CN108492872A CN201810199870.4A CN201810199870A CN108492872A CN 108492872 A CN108492872 A CN 108492872A CN 201810199870 A CN201810199870 A CN 201810199870A CN 108492872 A CN108492872 A CN 108492872A
Authority
CN
China
Prior art keywords
cloud platform
terminal
auxiliary diagnosis
intelligent auxiliary
image
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.)
Pending
Application number
CN201810199870.4A
Other languages
English (en)
Inventor
杨卫华
吴茂念
蒋云良
朱绍军
郑博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huzhou University
Original Assignee
Huzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huzhou University filed Critical Huzhou University
Publication of CN108492872A publication Critical patent/CN108492872A/zh
Pending legal-status Critical Current

Links

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
    • A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明提供一种智能辅助诊断系统，所述智能辅助诊断系统包括云平台和通过网络与所述云平台连接的多个终端，其中，所述云平台包括云平台算法模块，所述云平台算法模块基于前期巨量病变图片，利用人工智能技术训练出智能诊断辅助模型，经过临床测试，灵敏度和特异度达到准确诊断水准后，将该模型嵌入云平台以实施智能辅助诊断，对由终端获取的病变图像，能够自动同步反馈出与所述病变图像相符的智能诊断结果，并将所述诊断结果传递给所述终端供医生参考。本发明的智能辅助诊断系统促进了相关医疗服务的智能化和信息化；建立了远程医疗人工智能服务网络，实现了分级诊疗服务，可以保证性能和安全性；降低了使用维护成本；有助于增强疾病基层首诊能力，完善分级诊疗体系。

Description

智能辅助诊断系统
技术领域
本发明涉及医疗仪器领域，特别是一种涉及糖尿病视网膜病变的智能辅助诊断系统。
背景技术
糖尿病视网膜病变(Diabetic Retinopathy，DR)是常见致盲性眼病。中国是全球2型糖尿病患者最多的国家，DR的患病率、致盲率也逐年升高，是目前工作年龄人群第一位的致盲性疾病。目前我国DR在糖尿病罹患人群中的患病率为24.7％～37.5％。根据国际糖尿病联盟统计结果显示，截至2015年，我国糖尿病患者约1.1亿人，按此推算我国DR患者约2700万人。随着糖尿病患者的大幅增多，未来的DR患者数量会成倍增长，DR的防治成为越来越重要的社会问题。
定期眼底筛查并在早期采取适时、有效的干预措施，可显著降低DR的致盲率，且符合卫生经济学的要求。在国家卫计委今年颁布的《糖尿病视网膜病变分级诊疗服务技术方案》中已明确将眼底照相检查作为DR筛查的首选方法，要求基层医疗卫生机构和二级及以上综合医院内科/内分泌科都应告知糖尿病患者定期进行眼底检查，有条件的可进行DR初筛。
目前，87％的糖尿病患者就诊于县级及以下医疗机构。这些糖尿病群体都应该定期去做眼底筛查，尤其发生DR的患者至少每三到六个月就应该做一次DR筛查。中国目前的眼科大夫只有3万多人，眼科门诊量有8000万人次。在这么大的市场需求下，基层医疗单位只有很少的眼科医师资源且基层开展DR初筛工作的眼科医师非常少，这中间存在着严重的不匹配。基于眼底照相检查的经典DR筛查却往往只能在三级医院和少数二级医院中的眼科实施，主要原因是对DR眼底照相结果进行判读的专业眼科医师十分匮乏。即使掌握眼底照相技术，但无法独立对眼底照相图像进行分析，需要在采集眼底图像后再到有一定规模的眼科就诊确定DR病变及分级，大大影响了DR筛查的效率和DR患者的就诊体验，导致基层DR筛查工作很难开展。项目组通过前期市场调研，发现基层一些社区医院甚至没有相应的眼底照相设备进行筛查，有着巨大的资源缺口。
随着网络信息交互的研究与应用，以及数据库等网络技术的逐渐成熟，依托于互联网平台的疾病的远程诊断具有越来越高的可行性。
因此，有必要提供一种新的糖尿病视网膜病变智能辅助诊断系统。
发明内容
本发明的目的就是要解决现有技术的不足而提供一种基于云平台的糖尿病视网膜病变智能辅助诊断系统，具体地，本发明提出如下技术方案：
一种智能辅助诊断系统，其特征在于，所述智能辅助诊断系统包括云平台、多个远程终端，其中，所述云平台包括云平台图像数据库、云平台算法模块，所述云平台图像数据库用于存储全部终端采集的病变图像；所述云平台算法模块基于基于已获得的医学病变图片，利用人工智能技术训练出智能诊断辅助模型，所述智能诊断辅助模型经过临床测试，灵敏度和特异度达到准确诊断水准后，将该模型嵌入云平台以实施智能辅助诊断，对由终端获取的病变图像，能够自动同步反馈出与所述病变图像相符的智能诊断结果，并将所述诊断结果传递给所述终端。进一步地，所述云平台还包括云平台数据管理系统、与所述云平台数据管理系统连接的云平台数据交换中心、与所述云平台数据交换中心连接的云平台图像质量提升模块。
进一步地，所述终端包括用于获取病变图像的照相设备、与照相设备连接的终端图像数据库、与终端图像数据库连接的终端数据管理系统、与终端管理系统连接的终端数据交换中心。
进一步地，所述眼底照相设备，用于对眼部进行医学检查，采集所述终端病变图像。
进一步地，所述云平台图像数据库、所述终端图像数据库采用mysql数据库，具有数据备份单元。
进一步地，所述终端数据管理系统，用于对终端病变图像数据库内的数据进行操作。
进一步地，所述云平台数据管理系统、所述终端数据管理系统，采用Web Service模式，通过JSON或XML协议为终端数据交换中心提供数据管理服务，其服务器采用LAMP服务器架构。
进一步地，所述图像质量提升模块，用于对终端数据交换中心上传的终端病变图像进行质量提升，通过生成对抗网络模型生成质量满足要求的标准病变图像，便于智能辅助诊断模型识别并提供辅助诊断。
进一步地，所述平台算法模块，用于对所述专业病变图像进行智能诊断，通过深度卷积神经网络，对经过图像质量提升模块完成质量提升的标准病变图像进行初步智能辅助诊断，给出诊断结果。
进一步地，所述智能辅助诊断系统应用于糖尿病视网膜病变智能辅助诊断。
本发明的有益效果：本发明结合眼底照相的便捷优势和DR智能辅助诊断技术，有助于增强DR基层首诊能力，方便糖尿病患者在基层就诊时同时完成DR初筛，完善分级诊疗体系，有利于DR的早发现、早诊断与早治疗，降低群众的DR疾病风险，大幅减少DR致盲导致的社会经济负担，有利于全民眼健康，具有良好的社会效应。
附图说明
图1为本发明其中一实施例的智能辅助诊断系统的示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。本申请可以以多种不同的形式来实现，并不限于本实施例所描述的实施方式。提供以下具体实施方式的目的是便于对本发明的内容更清楚透彻的理解，其中上、下、左、右等指示方位的字词仅是针对所示结构在对应附图中位置而言。
实施例1
参照图1，本发明提供了一种基于云平台的智能辅助诊断系统，该智能辅助诊断系统可以针对多种疾病，在本发明中，以糖尿病视网膜病变为例。该智能辅助诊断系统包括云平台1和通过网络与云平台1连接的多个终端2。具体地，该终端2可为远程服务终端，设置在基层医院或者诊疗室，在本实施方式中，终端2包括第一终端21和第二终端22，但是不限于此。下面对本发明所提出的智能辅助诊断系统做具体说明。
在本发明中，云平台算法模块基于前期巨量病变图片，利用人工智能技术(深度学习等，主要采用深度学习中DCNN模型对DR眼底照片分类，根据我国DR临床分期和国际糖尿病黄斑水肿临床分级标准，将DR眼底照片分为无病灶，轻度NPDR，中度NPDR，重度NPDR和PDR五类，并对有病灶的类别进一步分析是否存在黄斑水肿，若存在黄斑水肿，说明其严重程度，得到最终分类结果)训练出智能诊断辅助模型，经过临床测试，灵敏度和特异度达到相关专家水准后，将该模型嵌入云平台以实施智能辅助诊断，对由终端获取的病变图像，能够自动同步反馈出与所述病变图像相符的智能诊断结果，并将所述诊断结果传递给所述终端供医生参考。
进一步地，云平台1包括用于预存储所有终端病变图像数据的云平台图像数据库3、与云平台图像数据库3实现数据交换的云平台数据管理系统4、与云平台数据管理系统4和终端数据交换中心11连接的云平台数据交换中心5、通过网络与云平台数据交换中心5连接的云平台图像质量提升模块6、通过网络与云平台图像质量提升模块6连接的云平台算法模块7。具体地，终端采集糖尿病视网膜病变图像并存储到云平台图像数据库3；云平台数据管理系统4对存储到云平台图像数据库3的所有终端病变图像进行管理；云平台数据交换中心5用于终端2与云平台1之间病变图像数据传输；云平台图像质量提升模块6对由终端2获取的病变图像进行图像质量提升；云平台算法模块7通过深度卷积神经网络，对经过图像质量提升模块并完成质量提升的终端病变图像，由基于前期巨量病变图片人工智能技术(深度学习等)训练出智能诊断辅助模型进行识别，能够自动同步反馈出与所述病变图像相符的智能诊断结果，-，并将所述诊断结果传递给相应终端21。进一步地，云平台1还包括由基于前期巨量病变图片人工智能技术(深度学习等)训练出智能辅助诊断云平台算法模块，通过对由第一终端21或第二终端22获取的第一病变图像或第二病变图像进行图像识别和人工智能过程，将输出与由第一病变图像或第二病变图像相对应的诊断结果，由此实现智能辅助诊断功能，并且保证性能和安全性。
另外，终端2包括用于获取病变图像的眼底照相设备8、与眼底照相设备8连接的终端图像数据库9、与终端图像数据库9连接的终端数据管理系统10、与终端管理系统10和云平台数据交换中心5连接的终端数据交换中心11。具体地，通过终端2对例如县级及以下医疗机构等的患者获取病变图像，并将这些病变图像数据通过网络上传到云平台1以人工智能辅助诊断，由此增强基层首诊能力。进一步地，眼底照相设备8对眼部进行医学检查，采用全自动或半自动模式操作获取病变图像而无需散瞳进行眼底照相，并直接通过网络将获取的病变图像的数据传输到终端图像数据库9，终端图像数据库9为终端服务器核心数据存储系统，并且用于存储照相机3拍摄获得的例如专业眼底图像等病变图像的数据，在本实施例中，该数据库采用MySq1数据库，具有数据备份单元，并实现数据库的无缝迁移。另外，终端数据管理系统10对终端图像数据库9内的数据进行操作，采用Web Service模式，通过JSON或XML协议为终端数据交换中心11提供数据管理服务，其中，服务器采用LAMP服务器架构。终端数据交换中心11用于云平台1与多个终端2之间病变图像数据传输，通过IHE XDS.b模型，终端2将例如糖尿病视网膜病变图像等的病变图像数据上传到云平台1，云平台1同样地可以将由云平台算法模块7得到的诊断结果传递给终端，实现了各终端1的病变图像数据的共享，因此，建立了远程医疗智能辅助诊断服务网络，实现了分级诊疗服务，并降低了使用维护成本，有助于增强疾病基层首诊能力，完善分级诊疗体系。
在对糖尿病视网膜病变进行诊断时，主要通过深度卷积神经网络提取图像的病灶特征，同时结合一些病灶的逻辑特征，按照国际糖尿病视网膜病变临床分期，给出相应的诊断结果。
本发明所提出的结合逻辑的深度卷积神经网络算法如下：
根据国际糖尿病视网膜病变临床分期，首先从逻辑上可以得出，只要存在视网膜前出血，则病变属于增殖性糖尿病视网膜病变(PDR)；DR照片4个象限中每个象限均有20处以上微动脉瘤，则病变属于重度非增殖性糖尿病视网膜病变(重度NPDR)；DR照片4个象限中每个象限均少于20个微动脉瘤，则病变属于轻度非增殖性糖尿病视网膜病变(轻度NPDR)。
定义逻辑程序规则：
其中pdr(S)表示S属于增殖性糖尿病视网膜病变，blood(x0)表示x0是出血，retinal(x0)表示x0位于视网膜前，shape_ferry(x0)表示x0的形状为船状。
其中znpdr(S)表示S属于重度非增殖性糖尿病视网膜病变，first_micro(x1)表示x1是位于第一象限的微动脉瘤，sum(x1)表示所有x1的个数，second_micro(x2)表示x2是位于第二象限的微动脉瘤，sum(x2)表示所有x2的个数，third_micro(x3)表示x3是位于第三象限的微动脉瘤，sum(x3)表示所有x3的个数，forth_micro(x4)表示x4是位于第四象限的微动脉瘤，sum(x4)表示所有x4的个数。
其中qnpdr(S)表示S属于轻度非增殖性糖尿病视网膜病变，其他同上。
其中，first_micro(X1)表示X1为第一象限内的微动脉瘤，micro_aneurysm(X1)表示X1是微动脉瘤，first_quadrant(X1)表示X1位于第一象限；second_micro(X2)表示X2为第二象限内的微动脉瘤，second_quadrant(X2)表示X2位于第二象限；third_micro(X3)表示X3为第三象限内的微动脉瘤，third_quadrant(X3)表示X3位于第三象限；forth_micro(X4)表示X4为第四象限内的微动脉瘤，forth_quadrant(X4)表示X4位于第四象限。
其中Pi＝(Xi，Yi)为图像坐标，micro_aneurysm(M)表示M是微动脉瘤，max(M)表示M中像素间最大距离，color(P1)表示P1的颜色，d、α0和β0为常数。
其中blood(B)表示B是出血，color(P1)表示P1的颜色，α00和β00为常数。
其中retinal(S)表示S位于视网膜前，x(P1)表示P1的x坐标，y(P1)表示P1的y坐标；first_quadrant(S)表示S位于第一象限；second_quadrant(S)表示S位于第二象限；third_quadrant(S)表示S位于第三象限；forth_quadrant(S)表示S位于第四象限；αi和βi为常数，i为整数。
以上所述，仅为本发明专利较佳的具体实施方式，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明专利的保护范围之内。

Claims (10)

1.一种智能辅助诊断系统，其特征在于，所述智能辅助诊断系统包括云平台、多个远程终端，其中，所述云平台包括云平台图像数据库、云平台算法模块，所述云平台图像数据库用于存储全部终端采集的病变图像；所述云平台算法模块基于已获得的医学病变图片，利用人工智能技术训练出智能诊断辅助模型，所述智能诊断辅助模型经过临床测试，灵敏度和特异度达到准确诊断水准后，将该模型嵌入云平台以实施智能辅助诊断，对由终端获取的病变图像，能够自动同步反馈出与所述病变图像相符的智能诊断结果，并将所述诊断结果传递给所述终端。。
2.根据权利要求1所述的智能辅助诊断系统，其特征在于，所述云平台还包括云平台数据管理系统、与所述云平台数据管理系统连接的云平台数据交换中心、与所述云平台数据交换中心连接的云平台图像质量提升模块。
3.根据权利要求1所述的智能辅助诊断系统，其特征在于，所述终端包括用于获取病变图像的照相设备、与照相设备连接的终端图像数据库、与终端图像数据库连接的终端数据管理系统、与终端管理系统连接的终端数据交换中心。
4.根据权利要求3所述的智能辅助诊断系统，其特征在于，所述照相设备，用于进行医学检查，采集所述终端病变图像。
5.根据权利要求3所述的智能辅助诊断系统，其特征在于，所述云平台图像数据库、所述终端图像数据库采用mysql数据库，具有数据备份单元。
6.根据权利要求3所述的智能辅助诊断系统，其特征在于，所述终端数据管理系统，用于对终端病变图像数据库内的数据进行操作。
7.根据权利要求2或6所述的智能辅助诊断系统，其特征在于，所述云平台数据管理系统、所述终端数据管理系统，采用Web Service模式，通过JSON或XML协议为终端数据交换中心提供数据管理服务，其服务器采用LAMP服务器架构。
8.根据权利要求2所述的智能辅助诊断系统，其特征在于，所述图像质量提升模块，用于对终端数据交换中心上传的病变图像进行质量提升，通过生成对抗网络模型生成质量满足要求的标准病变图像，便于智能辅助诊断模型识别并提供辅助诊断。
9.根据权利要求8所述的智能辅助诊断系统，其特征在于，所述平台算法模块，用于对所述专业病变图像进行智能诊断，通过结合逻辑的深度卷积神经网络算法，对经过图像质量提升模块完成质量提升的标准病变图像进行初步智能辅助诊断，给出诊断结果。
10.根据权利要求1所述的智能辅助诊断系统，其特征在于，所述智能辅助诊断系统应用于糖尿病视网膜病变智能辅助诊断。
CN201810199870.4A 2017-07-21 2018-03-12 智能辅助诊断系统 Pending CN108492872A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2017106047486 2017-07-21
CN201710604748.6A CN107358055A (zh) 2017-07-21 2017-07-21 智能辅助诊断系统

Publications (1)

Publication Number Publication Date
CN108492872A true CN108492872A (zh) 2018-09-04

Family

ID=60284438

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201710604748.6A Pending CN107358055A (zh) 2017-07-21 2017-07-21 智能辅助诊断系统
CN201810199870.4A Pending CN108492872A (zh) 2017-07-21 2018-03-12 智能辅助诊断系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201710604748.6A Pending CN107358055A (zh) 2017-07-21 2017-07-21 智能辅助诊断系统

Country Status (1)

Country Link
CN (2) CN107358055A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109616168A (zh) * 2018-12-14 2019-04-12 北京工业大学 一种基于电子病历的医疗领域智能管理模型构建方法
CN109686440A (zh) * 2018-12-20 2019-04-26 深圳市新产业眼科新技术有限公司 一种在线智能诊断云平台及其运行方法和可读存储介质
CN110491503A (zh) * 2019-08-21 2019-11-22 山东大学第二医院 一种基于深度学习的胆石症智能辅助系统

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190328300A1 (en) * 2018-04-27 2019-10-31 International Business Machines Corporation Real-time annotation of symptoms in telemedicine
CN109213663A (zh) * 2018-08-06 2019-01-15 成都安易迅科技有限公司 一种手机人工智能算力的测评方法
CN109598294B (zh) * 2018-11-23 2023-06-13 哈尔滨工程大学 基于软硬件平台的云端视网膜oct识别智能诊断系统及其使用方法
CN109886946B (zh) * 2019-02-18 2023-05-23 广州视源电子科技股份有限公司 基于深度学习的早期老年性黄斑病变弱监督分类方法
CN109903839A (zh) * 2019-02-22 2019-06-18 武汉凯德维斯生物技术有限公司 一种基于云平台的医疗影像阅片系统
CN109758111A (zh) * 2019-02-28 2019-05-17 重明鸟(苏州)智能技术有限公司 一种基于ai人工智能平台的便携式视力筛查仪
CN109833025A (zh) * 2019-03-29 2019-06-04 广州视源电子科技股份有限公司 一种视网膜的异常检测方法、装置、设备和存储介质
US11915826B2 (en) * 2019-06-07 2024-02-27 Welch Allyn, Inc. Digital image screening and/or diagnosis using artificial intelligence
CN110327016A (zh) * 2019-06-11 2019-10-15 清华大学 基于光学影像与光学治疗的智能型微创诊疗一体化系统
CN111091893A (zh) * 2019-10-31 2020-05-01 深圳兰丁医学检验实验室 一种基于人工智能细胞学辅助诊断系统
CN111223579A (zh) * 2019-12-16 2020-06-02 郑州大学第一附属医院 一种基于人工智能的远程医学影像增强系统及方法
CN111179252B (zh) * 2019-12-30 2021-02-05 山东大学齐鲁医院 基于云平台的消化道病灶辅助识别与正反馈系统
CN111048210A (zh) * 2019-12-31 2020-04-21 上海鹰瞳医疗科技有限公司 基于眼底图像评估疾病风险的方法及设备
CN111540422A (zh) * 2020-04-22 2020-08-14 江苏医药职业学院 一种远程医学影像诊断的方法
CN112802599A (zh) * 2021-02-04 2021-05-14 湖南大学 一种基于人工智能的龋病诊断系统
CN114093505B (zh) * 2021-11-17 2022-06-17 山东省计算中心（国家超级计算济南中心） 一种基于云边端架构的病理检测系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105411525A (zh) * 2015-11-10 2016-03-23 广州河谷互动医疗科技有限公司 一种眼底照片图像智能获取识别系统
CN106096254A (zh) * 2016-06-03 2016-11-09 宁波大红鹰学院 一种医疗服务系统及方法
CN106650201A (zh) * 2016-09-08 2017-05-10 合肥诺曼信息技术有限公司 移动式诊疗系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105411525A (zh) * 2015-11-10 2016-03-23 广州河谷互动医疗科技有限公司 一种眼底照片图像智能获取识别系统
CN106096254A (zh) * 2016-06-03 2016-11-09 宁波大红鹰学院 一种医疗服务系统及方法
CN106650201A (zh) * 2016-09-08 2017-05-10 合肥诺曼信息技术有限公司 移动式诊疗系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109616168A (zh) * 2018-12-14 2019-04-12 北京工业大学 一种基于电子病历的医疗领域智能管理模型构建方法
CN109686440A (zh) * 2018-12-20 2019-04-26 深圳市新产业眼科新技术有限公司 一种在线智能诊断云平台及其运行方法和可读存储介质
CN109686440B (zh) * 2018-12-20 2023-12-05 深圳市新产业眼科新技术有限公司 一种在线智能诊断云平台及其运行方法和可读存储介质
CN110491503A (zh) * 2019-08-21 2019-11-22 山东大学第二医院 一种基于深度学习的胆石症智能辅助系统

Also Published As

Publication number Publication date
CN107358055A (zh) 2017-11-17

Similar Documents

Publication Publication Date Title
CN108492872A (zh) 智能辅助诊断系统
Vujosevic et al. Screening for diabetic retinopathy: new perspectives and challenges
CN110349156A (zh) 眼底图片中病变特征的识别方法和装置、存储介质
CN110875092B (zh) 一种基于远程眼底筛查的健康大数据服务方法和系统
CN108553079A (zh) 基于眼底图像的病变识别系统
CN107680683A (zh) 一种ai眼部健康评估方法
US20180082423A1 (en) Kind of lung lobe contour extraction method aiming at dr radiography
Silva et al. Stanford University network for diagnosis of retinopathy of prematurity (SUNDROP): 36-month experience with telemedicine screening
CN111951949A (zh) 一种用于智慧病房的智能护理交互系统
CN105411525A (zh) 一种眼底照片图像智能获取识别系统
CN109598294A (zh) 基于软硬件平台的云端视网膜oct识别智能诊断系统及其使用方法
CN109686440A (zh) 一种在线智能诊断云平台及其运行方法和可读存储介质
CN111951965B (zh) 基于时序知识图谱的全景式健康动态监测与预测系统
CN112233087A (zh) 一种基于人工智能的眼科超声疾病诊断方法和系统
Ludwig et al. Automatic identification of referral-warranted diabetic retinopathy using deep learning on mobile phone images
Wang et al. Progress of artificial intelligence in diabetic retinopathy screening
CN105512490B (zh) 一种基于虹膜信息检测健康的可穿戴设备
CN112259240A (zh) 一种舌诊寒热虚实数学模型
CN114947756B (zh) 基于皮肤图像的特应性皮炎严重程度的智能评估决策系统
Wongchaisuwat et al. In-person verification of deep learning algorithm for diabetic retinopathy screening using different techniques across fundus image devices
CN111292286B (zh) 糖网眼底特征数据变化的分析方法与系统，及存储设备
Zhang et al. The validation of deep learning-based grading model for diabetic retinopathy
CN107194179A (zh) 眼底相机及眼底图像拍摄方法
CN109767828A (zh) 交互式在线诊断云平台及其运行方法和可读存储介质
Than et al. Teleophthalmology and retina: a review of current tools, pathways and services

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180904