CN109411086A - 眼底图像病变的筛查系统 - Google Patents

Abstract

本发明提供了一种眼底图像病变的筛查系统，其特征在于，包括：存储模块，其部署在云服务器中；获取模块，其用于获取来自于同一个人不同眼睛的两张以上的眼底图像，并将眼底图像上传至存储模块；录入模块，其用于录入与眼底图像对应的被检者信息且与眼底图像关联，并将被检者信息上传至存储模块；以及筛查模块，其用于从存储模块中提取眼底图像和被检者信息，并利用基于卷积神经网络的深度学习方法对关联后的眼底图像是否存在病变进行自动判读以生成筛查结果。根据本发明，能够有利于眼底图像病变筛查的普及和推广，而且通过深度学习方法对眼底图像进行判读来生成筛查结果，从而减轻了操作人员的负担，提高筛查效率。

Description

眼底图像病变的筛查系统

技术领域

本发明涉及一种筛查系统，特别涉及一种眼底图像病变的筛查系统。

背景技术

糖尿病是一组以高血糖为特征的代谢性疾病。高血糖则是由于胰岛素分泌缺陷或其生物作用受损。长期存在的高血糖会导致各种组织特别是眼、肾、心脏、血管等的慢性损害或功能障碍，尤其是对眼睛的损害。据统计，患有糖尿病多年的病人的眼部血管会受损，严重时可能会引致眼底出血而令患者视力模糊或完全失去视觉。

目前，我国的糖尿病视网膜病变(简称“糖网病”)患者超过3000万，大约有80％以上的糖尿病患者会发生糖网病，其失明的危险性比正常人高25倍。糖网病是可以避免失明的眼病，而在早期视网膜的病变并不明显，但是若能够在发病初期定期进行眼底检查，由糖网病引起的失明风险可以下降90％以上。因此，早筛查、早诊断、早治疗是糖网病患者保留视力的关键。

然而，我国糖网病筛查率不足10％。而且糖网筛查系统也存在着诸多的问题，例如，糖网病智能分析软件依赖于电脑硬件设备，对于基层筛查，携带周转不便，而且每个筛查设备或筛查点需要独立配置糖网病智能分析软件以及电脑硬件设备，成本较高。再者，对于庞大的糖尿病群体来说，筛查医生的人数严重不足，人工判读方法费时费力，主观性强，也容易出现误诊等情况。

发明内容

本公开有鉴于上述现有技术的状况而完成，其目的在于提供一种能够便于推广和实施的眼底图像病变的筛查系统。

为此，本公开提供了一种眼底图像病变的筛查系统，其包括：存储模块，其部署在云服务器中；获取模块，其用于获取来自于同一个不同眼睛的两张以上的眼底图像，并将所述眼底图像上传至所述存储模块；录入模块，其用于录入与所述眼底图像对应的被检者信息且与所述眼底图像关联，并将所述被检者信息上传至所述存储模块；以及筛查模块，其用于从所述存储模块中提取所述眼底图像和所述被检者信息，并利用基于卷积神经网络的深度学习方法对关联后的所述眼底图像是否存在病变进行自动判读以生成筛查结果。

在本公开中，通过云服务器能够方便操作人员在不同的地方进行采集和上传眼底图像，从而有利于眼底图像病变筛查的普及和推广，而且，通过基于卷积神经网络的深度学习方法对眼底图像进行判读来生成筛查结果，从而减轻了操作人员的负担，提高筛查效率。

另外，在本公开所涉及的眼底图像病变的筛查系统中，可选地，还包括用于输出所述筛查结果的输出模块。由此，能够方便医生及用户获得筛查结果。

另外，在本公开所涉及的眼底图像病变的筛查系统中，可选地，所述被检者信息还包括：姓名、性别、身份识别码(ID)、既往病史等信息。由此，能够综合被检者信息等有效信息，能够更准确地判断眼底图像是否发生病变。

另外，在本公开所涉及的眼底图像病变的筛查系统中，可选地，所述眼底图像至少包括眼底的视盘和黄斑区。由此，能够根据眼底图像的有效信息对是否发生病变做出判断。

另外，在本公开所涉及的眼底图像病变的筛查系统中，可选地，所述获取模块为手持式眼底相机。由此，能够方便操作人员或采集人员携带。

另外，在本公开所涉及的眼底图像病变的筛查系统中，可选地，所述输出模块还包括将筛查结果输出成报告形式，并上传至所述存储模块。由此，能够方便地从云服务器的存储模块中查询筛查报告。

另外，在本公开所涉及的眼底图像病变的筛查系统中，可选地，还包括将筛查结果上传至所述存储模块。由此，系统能够从存储模块中查询筛查结果，并对结果进行进一步的处理。

另外，在本公开所涉及的眼底图像病变的筛查系统中，可选地，筛查模块部署在云服务器中。由此，能够通过云服务器对眼底图像进行自动筛查。

另外，在本公开所涉及的眼底图像病变的筛查系统中，可选地，所述获取模块还包括用于判断所获取的所述眼底图像是否合格的判断单元。由此，能够对采集的眼底图像进行初步的判断，方便操作人员采集到正确的眼底图像。

另外，在本公开所涉及的眼底图像病变的筛查系统中，可选地，所述眼底图像包括来自同一个人的两张左眼眼底图像和两张右眼眼底图像。在这种情况下，能够更加准确地判断眼底图像是否发生病变。

根据本发明，能够提供一种能够便于推广和实施的眼底图像病变的筛查系统。

附图说明

图1是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的一种示例的系统框图。

图2是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的另一种示例的系统框图。

图3是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的获取模块的框图。

图4是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的录入模块的框图。

图5是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的筛查模块的框图。

图6是示出了本公开的实施方式所涉及的眼底图像的一个例子的示意图。

图7是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的输出结果报告的一个例子的示意图。

具体实施方式

以下，参考附图，详细地说明本发明的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。

需要说明的是，本发明中的术语“包括”和“具有”以及它们的任何变形，例如所包括或所具有的一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可以包括或具有没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

另外，在本发明的下面描述中设计的小标题等并不是为了限制本发明的内容或范围，其仅仅是作为阅读的提示作用。这样的小标题既不能理解为用于分割文章内容，也不应将小标题下的内容仅仅限制在小标题的范围内。

图1是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的一种示例的系统框图。图2是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的另一种示例的系统框图。

本公开的实施方式所涉及的一种眼底图像病变的筛查系统1可以包括：存储模块10、获取模块20、录入模块30和筛查模块40(参见图1)。在本公开所涉及的眼底图像病变的筛查系统1中，存储模块10，其部署在云服务器2中；获取模块20，其用于获取来自于同一个人不同眼睛的两张以上的眼底图像，并将眼底图像上传至存储模块10；录入模块30，其用于录入与眼底图像对应的被检者信息且与眼底图像关联，并将被检者信息上传至存储模块10；以及筛查模块40，其用于从存储模块10中提取眼底图像与被检者信息(例如患者信息)，并利用基于卷积神经网络的深度学习方法对关联后的眼底图像是否存在病变进行自动判读以生成筛查结果。

在使用本公开所涉及的眼底图像病变的筛查系统时，采集人员可以使用眼底图像采集设备例如眼底照相机，采集完眼底图像后上传至存储模块10，在眼底图像的采集过程中可以同时录入被检者信息，也可以提前录入被检者信息，将被检者信息上传至布置在云服务器2中的存储模块10后，利用基于卷积神经网络的深度学习方法的筛查模块40对其进行自动判读，并生成筛查结果。由此，能够有利于眼底图像病变筛查的普及和推广，而且，通过基于卷积神经网络的深度学习方法对眼底图像进行判读来生成筛查结果，从而减轻了操作人员的负担，提高筛查效率。

此外，在一些示例中，眼底图像病变的筛查系统1还可以包括用于输出所述筛查结果的输出模块50(参见图2)。

(存储模块)

在一些示例中，存储模块10可以是非易失性存储器。在一些示例中，存储模块10可以是闪速存储器(Flash Memory)。但本公开不限于此，存储模块10还可以是例如：铁电随机存储器(FeRAM)、磁性随机存储器(MRAM)、相变随机存储器(PRAM)或阻变随机存储器(RRAM)。由此，能够降低因为突发性断电而造成数据丢失的可能性。

在另外一些示例中，存储模块10还可以是其它类型的可读存储介质，例如：只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。由此，能够跟据不同的情况选择合适的存储器。

如上所述，存储模块10可以设置在云服务器2内。其中，云服务器2可以是租用的。由此，可以降低服务器的维护成本。在另一些示例中，云服务器2也可以是自己搭建的。在这种情况下，可以将存储模块10设置在自己搭建的服务器中，确保数据的保密性，防止客户或患者的数据泄露。

(获取模块)

图3是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的获取模块的框图。

在本公开中，获取模块20可以用于获取来自于同一个人不同眼睛的两张以上的眼底图像。

在一些示例中，获取模块20可以获取单元21和判断单元22(参见图3)。在一些示例中，获取单元21包括获取眼底图像的获取单元21和对由获取单元21获取的眼底图像是否合格进行判断的判断单元22。

在一些示例中，获取模块20可以是手持式眼底相机。由此，能够方便操作人员在各种情况下获取被检者眼底图像。在一些示例中，获取模块20还可以是台式眼底相机。

另外，如图5所示，在一些示例中，眼底图像可以包括眼底的视盘和黄斑区。其中，视盘也即视神经盘。在另一些示例中，眼底图像还可以包括眼底各区域的动、静脉。由此，能够通过观察眼底图像对眼底是否发生病变做出准确的判断。

在一些示例中，获取模块20的获取单元21可以通过获取来自同一个人不同眼睛的两张以上的眼底图像。由此，从而保证所获得的眼底图像的可靠性，能够减小出现筛查错误的情况的几率。

在另一些示例中，眼底图像还可以包括来自同一个人的两张左眼眼底图像和两张右眼眼底图像。在这种情况下，能够两张左眼图像中的一张作为主要分析目标眼底图像，另一张作为参考眼底图像，由此，能够模拟医生的诊断过程，参考来自同一个人的其他眼底图像对目标图像进行判断，从而有利于提高对眼底图像病变的判断准确率，既能相互参照，又将计算量控制在最小范围内，从而提高了筛查的效率。另外，上述的两张左眼图像(两张右眼图像)可以是同一张眼底图像。此时，同一张眼底图像既作为主要分析目标眼底图像，又作为参考眼底图像。

在另一些示例中，获取模块20所获得的眼底图像还可以包括来自同一个人的多张(两张以上)眼底图像。在这种情况下，能够将其中的任意一幅作为主要分析目标眼底图像，其它图像作为参考图像，由此，可以更加精确地判断眼底图像是否发生病变。进一步地，可以使用相等数量的来自于左右双眼的眼底图像。

在一些示例中，获取模块20所获取的眼底图像没有特别限制，可以是彩色图像例如RGB图像，也可以是灰度图像等。

在一些示例中，获取模块20所获得的眼底图像可以上传至存储模块10中，也即，眼底图像可以上传至云服务器2中。由此，使得获取模块20所获得的图像能够及时地得到存储或分析，同时也使得采集可以随时随地进行，变得更加灵活。

在本公开中，判断单元22可以用于判断所获得的眼底图像是否合格。在这种情况下，所获取的眼底图像可以通过判断单元21事先判断是否合格。例如，所获取的眼底图像的是否清晰，角度是否符合要求等。由此，能够对采集的眼底图像进行初步的判断，方便操作人员采集正确有效的眼底图像。

(录入模块)

图4是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的录入模块的框图。

在本公开中，录入模块30可以用于录入与眼底图像对应的被检者信息且与眼底图像关联。

在一些示例中，录入模块30可以包括录入单元31、校验单元32和关联单元33。在一些示例中，录入单元31可以录入与所述眼底图像对应的被检者信息。校验单元32可以对被检者信息进行校验，例如输入的身份证信息不匹配、输入位数错误等。关联单元33可以对被检者信息且与眼底图像关联，由此可以生成与该眼底图像关联的图像ID号等。

在一些示例中，录入模块30可以为手机APP。由此，能够随时随地方便快捷地便于检测人员或被检者录入信息。但本实施方式不限于此，录入模块30还可以是电脑、触屏设备或其它输入设备。在一些示例中，被检者信息可以包括姓名、性别、身份识别码(ID)、既往病史等信息。由此，筛查系统能够基于被检者的基本信息，例如既往病史，从而更准确的判断眼底图像是否发生病变。

另外，在一些示例中，录入的被检者信息可以是由被检者自己例如通过网上提前输入的信息。在这种情况下，可以减少检测人员在输入信息上花费的时间，并且提前输入信息后系统可以为被检者预约排号，检测人员可以直接将输入信息与获取的图像相关联，大大提高了工作效率。在另一些示例中，录入的信息还可以是从其它数据库中调取的，例如医院的数据库或公安的数据库。由此，能够确保录入信息的准确性和可靠性。

另外，在一些示例中，录入模块30还可以通过其它数据库中的数据来验证被检者信息的数据是否正确。由此，避免了错录和误录的情况发生。

在一些示例中，通过关联单元33，可以将录入模块30所录入的被检者信息与获取模块20所获取的眼底图像相关联。在这种情况下，可以通过被检者的基础信息与眼底图像相结合，以此来获得更加可靠的判断结果。

在一些示例中，录入模块30所录入的被检者信息可以上传至存储模块10中，也即，上传至云服务器2中。由此，使得系统能够在云端与来自同一人的眼底图像相关联。在一些示例中，录入模块30所录入的被检者信息可以在与所采集的眼底图像相关联后再共同上传至存储模块10中。由此，减去了系统需要在云端将采集的眼底图像与被检者信息相关联这一步骤，提高了系统的运行效率。

(筛查模块)

图5是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的筛查模块的框图。图6是示出了本公开的实施方式所涉及的眼底图像的一个例子的示意图。图7是示出了本公开的实施方式所涉及的眼底图像病变的筛查系统的输出结果报告的一个例子的示意图。

在本公开中，筛查模块40可以用于从存储模块10中提取眼底图像与被检者信息，并基于深度学习方法对关联后的眼底图像是否存在病变进行自动判读以生成筛查结果

在一些示例中，筛查模块40可以包括预处理单元41和筛查单元42(参见图5)。在一些示例中，预处理单元41可以对眼底图像进行预处理例如灰度处理、归一化等。筛查单元42可以利用基于卷积神经网络的深度学习方法对预处理后的眼底图像进行自动判读。

在一些示例中，还可以利用基于卷积神经网络的深度学习方法对目标眼底图像和参考眼底图像分别进行操作，以获取目标眼底图像的特征和参考眼底图像的特征。在上述深度学习方法中，例如可以通过卷积神经网络来获得分别来自双眼的眼底图像，将其中一张眼底图像作为目标眼底图像，其他的眼底图像作为参考眼底图像。由此能够基于目标眼底图像和参考眼底图像来获得更好的判读结果。另外，由于卷积神经网络有利于具有局部感受野和权值共享的优点，并且有利于提取眼底图像的高级特征，因此能够提高运算效率，节约硬件开销。

在一些示例中，筛查模块40可以为基于深度学习方法的卷积神经网络。具体而言，基于深度学习方法的人工神经网络还可以在训练时对眼底图像对(包括目标眼底图像和参考眼底图像)进行数据扩增，以提高训练的数据样本量，从而提高对眼底病变判断的准确率。由此，能够减少人为因素的影响，提高对眼底图像筛查的准确率，并提高效率。

在一些示例中，预处理单元41可以对眼底图像进行眼底区域检测、图像剪裁、尺寸调整、归一化等预处理。由此，能够方便人工神经网络识别和判断眼底图像。

在一些示例中，筛查模块40可以通过识别所获取的眼底图像的图像特征，以判断眼底是否发生病变。在另一些示例中，筛查模块40可以判断的眼底病变种类可以为：①视网膜血管病；②获得性黄斑病相关病；③炎症性病，包括非感染性系统性疾病与感染性(病毒、细菌、真菌)病，以及其他疾病；④眼底营养障碍，包括视网膜营养障碍、玻璃体视网膜病变，以及脉络膜营养障碍等；⑤视网膜脱离；⑥肿瘤；⑦获得性视神经疾病；⑧先天性异常等。上述病变均可以在眼底图像上显现出端倪，如不早发现，早治疗，将有可能对患者造成失明的风险。例如，糖尿病性视网膜病变作为常见的眼底病变是糖尿病的并发症之一，已成为工作年龄段的成年人致盲的主要原因之一。据估计，在我国，现有糖尿病患者9240万，其5年发病率为43％，致盲率为10％。由此，通过筛查能够早发现，早治疗，以此降低失明的风险。

在一些示例中，筛查模块40可以对眼底图像的筛查结果可以分为有病和无病。进一步地，在一些示例中，筛查模块40可以对眼底图像的筛查结果还可以分为眼底病变的病变等级和无病。更进一步地，在另一些示例中，筛查模块40对眼底图像的筛查结果还可以分为眼底病变对应的类型和种类以及无病。在这种情况下，通过筛查结果就可以直接得出眼底病变的原因和种类，从而极大地减小了检测人员的后续检查流程，既减少了患者需要反复检查的麻烦，又方便了医护人员对患者的持续跟踪与检查。

在一些示例中，由筛查模块40获得筛查结果可以直接上传至存储模块10中。由此，系统能够从存储模块10中调用筛查结果，并对结果进行进一步的处理。

在一些示例中，筛查模块40可以部署在云服务器2中。在这种情况下，筛查模块40可以直接对云服务器2中存储的图像进行筛查，减少了数据传输所要耗费的时间。

如图7所示，在一些示例中，筛查模块40所得出的结果可以通过输出模块50输出成报告形式。由此，能够方便医生及用户查询筛查结果。在一些示例中，输出模块50还可以在将筛查结果输出成报告形式后，将报告上传至存储模块10。由此，用户能够从存储中查询筛查报告。

另外，在一些示例中，输出模块50可以从存储模块10获取筛查结果数据。

虽然以上结合附图和实施例对本发明进行了具体说明，但是可以理解，上述说明不以任何形式限制本发明。本领域技术人员在不偏离本发明的实质精神和范围的情况下可以根据需要对本发明进行变形和变化，这些变形和变化均落入本发明的范围内。

Claims (10)

1.一种眼底图像病变的筛查系统，其特征在于，

包括：

存储模块，其部署在云服务器中；

获取模块，其用于获取来自于同一个人不同眼睛的两张以上的眼底图像，并将所述眼底图像上传至所述存储模块；

录入模块，其用于录入与所述眼底图像对应的被检者信息且与所述眼底图像关联，并将被检者信息上传至所述存储模块；以及

筛查模块，其用于从所述存储模块中提取所述眼底图像和所述被检者信息，并利用基于卷积神经网络的深度学习方法对关联后的所述眼底图像是否存在病变进行自动判读以生成筛查结果。

2.根据权利要求1所述的筛查系统，其特征在于，

还包括用于输出所述筛查结果的输出模块。

3.根据权利要求1所述的筛查系统，其特征在于，

所述被检者信息还包括：姓名、性别、身份识别码(ID)、既往病史等信息。

4.根据权利要求1所述的筛查系统，其特征在于，

所述眼底图像至少包括眼底的视盘和黄斑区。

5.根据权利要求1所述的筛查系统，其特征在于，

所述获取模块为手持式眼底相机。

6.根据权利要求2所述的筛查系统，其特征在于，

所述输出模块还包括将所述筛查结果输出成报告形式，并上传至所述存储模块。

7.根据权利要求1所述的筛查系统，其特征在于，

所述筛查模块还将所述筛查结果上传至所述存储模块。

8.根据权利要求1所述的筛查系统，其特征在于，

所述筛查模块部署在所述云服务器中。

9.根据权利要求1所述的筛查系统，其特征在于，

所述获取模块还包括用于判断所获取的所述眼底图像是否合格的判断单元。

10.根据权利要求5所述的筛查系统，其特征在于，

所述眼底图像包括来自同一个人的两张左眼眼底图像和两张右眼眼底图像。