CN109686440A - 一种在线智能诊断云平台及其运行方法和可读存储介质 - Google Patents
一种在线智能诊断云平台及其运行方法和可读存储介质 Download PDFInfo
- Publication number
- CN109686440A CN109686440A CN201811567127.6A CN201811567127A CN109686440A CN 109686440 A CN109686440 A CN 109686440A CN 201811567127 A CN201811567127 A CN 201811567127A CN 109686440 A CN109686440 A CN 109686440A
- Authority
- CN
- China
- Prior art keywords
- information
- cloud platform
- diagnosis
- pathological characters
- eye fundus
- 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.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 92
- 230000001575 pathological effect Effects 0.000 claims abstract description 103
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000000701 chemical imaging Methods 0.000 claims abstract description 8
- 239000000284 extract Substances 0.000 claims abstract description 7
- 201000010099 disease Diseases 0.000 claims description 45
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 45
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 230000002792 vascular Effects 0.000 claims description 5
- 206010020772 Hypertension Diseases 0.000 description 14
- 206010012601 diabetes mellitus Diseases 0.000 description 9
- 230000002526 effect on cardiovascular system Effects 0.000 description 8
- 208000024172 Cardiovascular disease Diseases 0.000 description 7
- 208000026106 cerebrovascular disease Diseases 0.000 description 7
- 230000034994 death Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000003902 lesion Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000001631 hypertensive effect Effects 0.000 description 4
- 208000017667 Chronic Disease Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- 206010012689 Diabetic retinopathy Diseases 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 208000030533 eye disease Diseases 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 210000001210 retinal vessel Anatomy 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000019553 vascular disease Diseases 0.000 description 2
- 206010019280 Heart failures Diseases 0.000 description 1
- 241001396014 Priacanthus arenatus Species 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 206010000891 acute myocardial infarction Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000003161 choroid Anatomy 0.000 description 1
- 208000020832 chronic kidney disease Diseases 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 231100000225 lethality Toxicity 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000036301 sexual development Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Eye Examination Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开一种在线智能诊断云平台及其运行方法和可读存储介质,其中所述在线智能诊断云平台的运行方法包括:接收待诊断对象的相关信息,所述待诊断的相关信息包括多光谱成像装置摄取的眼底图像;对所述眼底图像进行图像处理,提取所述眼底图像中的病理特征信息,所述图像处理包括卷积神经网络算法处理;将所述病理特征信息在云平台的数据库中进行匹配,获得智能诊断信息;本发明的技术方案能够根据眼底图像得出智能诊断信息,以缓解眼科医生的压力,同时可以提升眼科医生的效率和诊断的准确性。
Description
技术领域
本发明涉及医疗技术领域,特别涉及一种在线智能诊断云平台及其运行 方法和可读存储介质。
背景技术
心脑血管疾病是我国居民死亡的主要疾病,国家统计局的统计数据显示, 从2010年到2014年,心脏病和脑血管病一直在因病死亡原因中,占据第二 和第三位。两种疾病的死亡人口在总病死人口中的占比总和一直保持在 40%。
糖尿病是全球性的重大公共卫生问题,也是威胁我国居民健康的主要慢 性疾病。据报道,我国成年人中(18岁以上)糖尿病发病率为11.6%,约1.139 亿人。DR(diabeticretinopathy,糖尿病视网膜病变)是糖尿病重要的并发症 和重要的致盲性眼病。研究表明DR在糖尿病患者中的发病率为34.5%。美 国糖尿病协会的研究报告称,糖尿病患者比非糖尿病患者的失明几率高25 倍。据估计,我国目前DR患者约在4000万以上,是我国重要盲性眼病。糖 尿病所致视觉功能损害不易逆转,且病变往往呈进行性发展,但是糖尿病所致 的失明是可以预防的,关键在于早期发现和采取有效治疗。
高血压是最常见的慢性病之一,也是心脑血管病最主要的危险因素,其 脑卒中、心肌梗死、心力衰竭及慢性肾脏病等主要合并症致残率、致死率高。 2002年中国居民营养与健康状况调查数据显示,我国18岁以上成人高血 压患病率为18.8%。根据高血压患病率的增长趋势,2012年我国15岁以 上人群高血压患病率约为24%。据此估算,全国现有高血压患者约2.7亿 人(包括患病但没有就诊的患者)目前,我国高血压的发病率尚无权威数据, 根据国内不同队列研究的数据推算,我国40岁以上人群高血压的年发病率 约为3%,每年新发患者至少1800万。据估算,现患高血压患者中接受治 疗的约为1.2亿,在基层医疗卫生机构管理的患者约为8600万人。在二级 及以上医院治疗的高血压患者中适合分级诊疗基层管理的患者约占60%。实 践证明,高血压是可以预防和控制的疾病。降低高血压患者的血压水平,进 行心血管危险因素综合管理,可明显减少脑卒中及心脏病事件,显著改善患 者的生存质量,有效降低国家和患者的疾病负担。
据统计,2014年广州因心脑血管疾病死亡的人数占全部死因的34%,有 51%的心脑血管疾病死亡病例发生在家中,比院内死亡高出将近10%;广东 省疾病预防控制中心根据全省慢性病危险因素监测调查结果估算,全省高血 压患者约1360万人。深圳市2001至2009年死因监测数据显示,该市主要 系统疾病死亡率变化趋势中,“心脑血管疾病”的死亡率上升最为明显,其中心 脏病和脑血管疾病分别排在第2和第4位;各项研究数据显示:深圳18岁 及以上成人高血压患病率为20.9%,糖尿病患病率为8.3%,估算目前深圳市 高血压患者超过了200万人,但居民中的高血压患者知晓率却不到60%,即 超过40%的高血压患者不知自己患病,而知晓患者的总体的血压控制率也仅 为40.2%;深圳市每年有3万余人患“急性心肌梗死”等心血管急症,但由于 种种原因,仅有不到10%的患者能够得到及时救治。
结合上述的统计资料及广东省心脑血管疾病管理情况可知,广深地区心 脑血管疾病防治现状及特点有以下两方面。首先,人们对于疾病的认知及发 现反应迟钝;其次,在广东省乃至全国,专业的眼科、内分泌科甚至是全科 医生都是非常稀缺的,医生数量存在严重的缺口,治病看病难的情况屡见不 鲜。
眼底图像的解读需要很高的眼科专业基础。据统计,全国目前注册在案 的眼科医生数量仅为3.2万,但需要定期接受眼底筛查的群体(眼底病变患 者或潜在患者)数量却高达9240万。眼科医生与患者数量比为1:2888,如 此当前的眼科医生的压力较大,并且因为压力大或者专业水平的差异,诊疗 的效率和准确性也存在较大的问题。
因此实有必要开发一种在线诊断平台,根据眼底图像对患者进行智能诊 断,以减轻眼科医生的压力,并且提高诊断效率和诊断准确率。
发明内容
本发明的主要目的是提供一种在线智能诊断云平台及其运行方法、以及 计算机可读存储介质,旨在能够根据眼底图像得出智能诊断信息,以缓解眼 科医生的压力或者提升眼科医生的效率和诊断的准确性。
为实现上述目的,本发明提出一种在线智能诊断云平台的运行方法,包 括:
接收待诊断对象的相关信息,所述待诊断的相关信息包括多光谱成像装 置摄取的眼底图像;
对所述眼底图像进行图像处理,提取所述眼底图像中的病理特征信息, 所述图像处理包括卷积神经网络算法处理;
将所述病理特征信息在云平台的数据库中进行匹配,获得智能诊断信息。
优选地,所述病理特征信息包括眼底的血管形态。
优选地,所述图像处理包括卷积神经网络算法处理的步骤,包括:
对所述眼底图像进行分割,分割为多个待处理的眼底图像;
分别对所述多个待处理的眼底图像进行卷积神经网络算法处理,以提取 所述眼底图像中的病理特征信息。
优选地,所述图像处理包括卷积神经网络算法处理的步骤:
采用第一卷积核对待处理的眼底图像进行第一卷积神经网络处理,以提 取所述待处理的眼底图像中的第一病理特征信息;
采用第二卷积核对待处理的眼底图像进行第二卷积神经网络处理,以提 取所述待处理的眼底图像中的第二病理特征信息;
判断所述第一病理特征信息与所述二病理特征信息的相似度是否大于设 定的特征相识度阈值;
若是,则将所述第二病理特征信息作为待处理的眼底图像的病理特征信 息;
若否,则采用第三卷积核对待处理的眼底图像进行第三次卷积神经网络 处理,以得到第三病理特征信息,当所述第三病理特征信息与所述第二病理 特征信息的相识度达到所述特征相识度阈值时,将所述第三病理特征信息作 为待处理的眼底图像的病理特征信息;
其中,所述第三卷积核大于所述第二卷积核,所述第二卷积核大于所述 第一卷积核。
优选地,所述待诊断的相关信息包括待诊断对象的身份信息;
采用第一卷积核对待处理的眼底图像进行第一卷积神经网络处理,以提 取所述待处理的眼底图像中的第一病理特征信息的步骤之前还包括:
根据所述待诊断对象的身份信息从所述云平台的数据库中,获取所述待 诊断对象的历史病历数据;
根据所述历史病历数据,从所述云平台的卷积核数据库匹配出卷积核组, 所述卷积核组包括所述第一卷积核、所述第二卷积核和所述第三卷积核。
优选地,所述待诊断对象的相关信息还包括人工诊断信息;
将所述病理特征信息在云平台的数据库中进行匹配,获得智能诊断信息 的步骤之后,包括:
将所述人工诊断信息与所述智能诊断信息进行匹配;
当所述人工诊断信息与所述智能诊断信息的匹配度小于设定诊断匹配度 时,向医务端发送提醒诊断异常信息。
优选地,所述诊断信息包括诊断的疾病类型、疾病时期和治疗方法。
优选地,所述待诊断对象的相关信息包括所述待诊断对象的病历;
接收待诊断对象的相关信息,所述待诊断的相关信息包括多光谱成像装 置摄取的眼底图像的步骤之后,还包括:
根据待诊断对象的病历,获取待诊断对象的病理特征信息、疾病判断信 息、治疗方法信息以及诊断人员的身份信息;
将所述待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及 诊断人员的身份信息,在云平台的数据库进行匹配,判断所述病理特征信息、 疾病判断信息、治疗方法信息以及诊断人员的身份信息是否匹配;
若不匹配,则则向医务端发送提醒病历异常信息。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存 储有在线智能诊断云平台的运行程序,所述智能戒指的控制程序执行时实现 如上述所述的在线智能诊断云平台的运行方法的步骤。
本发明又一种在线智能诊断云平台,包括存储器、处理器及存储在所述 存储器上并可在所述处理器上运行在线智能诊断云平台的运行程序,所述在 线智能诊断云平台的运行程序配置为实现如上述任一项所述的在线智能诊断 云平台的运行方法的步骤。
本发明的技术方案,对眼底图像进行包括卷积神经网络算法处理在内的 图像处理,以获得眼底图像中的病理特征信息,而后将获得病理特征信息在 云平台的数据库中进行匹配,以获得对应的智能诊断信息,如此,在本发明 中可以根据眼底图像可以在线智能进行诊断,以获得智能诊断信息,该智能 诊断信息可以发送至医护端供参考,亦或者可以作为初步诊断结果,也或者 可以将该智能诊断信息与人工诊断信息进行匹配,以提升人工诊断信息的准 确性,如此,本发明提供的在线智能诊断云平台及其运行方法可以缓解眼科医生的压力或者可以提升眼科医生的效率和诊断的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面 描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲, 在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的 附图。
图1为本发明提供的在线智能诊断云平台的一实施例的框架示意图;
图2为本发明提供的在线智能诊断云平台运行方法的第一实施例的流程 示意图;
图3为本发明提供的在线智能诊断云平台运行方法的第二实施例的流程 示意图;
图4为本发明提供的在线智能诊断云平台运行方法的第三实施例的流程 示意图;
图5为本发明提供的在线智能诊断云平台运行方法的第四实施例的流程 示意图;
图6为本发明提供的在线智能诊断云平台运行方法的第五实施例的流程 示意图;
图7为本发明提供的在线智能诊断云平台运行方法的第六实施例的流程 示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步 说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行 清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例, 而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有 作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、 后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位 置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应 地随之改变。
另外,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能 理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由 此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。 另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通 技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应 当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的在线智能 诊断云平台结构示意图。
如图1所示,该在线智能诊断云平台包括:处理器1001,例如CPU,通信 总线1002、数据接口1003和存储器1004。其中,通信总线1002用于实现这些 组件之间的连接通信。数据接口1003还可以包括标准的有线接口(如USB接 口或者IO接口)、无线接口(如WI-FI接口)。存储器1004可以是高速RAM存 储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存 储器可选的还可以是独立于前述处理器的存储装置。
本领域技术人员可以理解,图1中示出的在线智能诊断云平台结构并不构 成对在线智能诊断云平台的限定,可以包括比图示更多或更少的部件,或者 组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1004中可以包括操作系 统、数据接口实现程序以及在线智能诊断云平台的运行程序。
在图1所示的在线智能诊断云平台中,处理器可为在线智能诊断云平台 中的控制芯片,该处理器可以用于调用存储器中存储的在线智能诊断云平台 的运行程序,并执行以下操作:
接收待诊断对象的相关信息,所述待诊断的相关信息包括多光谱成像装 置摄取的眼底图像;
对所述眼底图像进行图像处理,提取所述眼底图像中的病理特征信息, 所述图像处理包括卷积神经网络算法处理;
将所述病理特征信息在云平台的数据库中进行匹配,获得智能诊断信息。
优选地,所述病理特征信息包括眼底的血管形态。
进一步地,处理器1001可以调用存储器1004中存储的网络操作控制应 用程序,还执行以下操作:
所述图像处理包括卷积神经网络算法处理的步骤,包括:
对所述眼底图像进行分割,分割为多个待处理的眼底图像;
分别对所述多个待处理的眼底图像进行卷积神经网络算法处理,以提取 所述眼底图像中的病理特征信息。
进一步地,处理器1001可以调用存储器1004中存储的网络操作控制应 用程序,还执行以下操作:
所述图像处理包括卷积神经网络算法处理的步骤:
采用第一卷积核对待处理的眼底图像进行第一卷积神经网络处理,以提 取所述待处理的眼底图像中的第一病理特征信息;
采用第二卷积核对待处理的眼底图像进行第二卷积神经网络处理,以提 取所述待处理的眼底图像中的第二病理特征信息;
判断所述第一病理特征信息与所述二病理特征信息的相似度是否大于设 定的特征相识度阈值;
若是,则将所述第二病理特征信息作为待处理的眼底图像的病理特征信 息;
若否,则采用第三卷积核对待处理的眼底图像进行第三次卷积神经网络 处理,以得到第三病理特征信息,当所述第三病理特征信息与所述第二病理 特征信息的相识度达到所述特征相识度阈值时,将所述第三病理特征信息作 为待处理的眼底图像的病理特征信息;
其中,所述第三卷积核大于所述第二卷积核,所述第二卷积核大于所述 第一卷积核。
进一步地,处理器1001可以调用存储器1004中存储的网络操作控制应 用程序,还执行以下操作:
所述待诊断的相关信息包括待诊断对象的身份信息;
采用第一卷积核对待处理的眼底图像进行第一卷积神经网络处理,以提 取所述待处理的眼底图像中的第一病理特征信息的步骤之前还包括:
根据所述待诊断对象的身份信息从所述云平台的数据库中,获取所述待 诊断对象的历史病历数据;
根据所述历史病历数据,从所述云平台的卷积核数据库匹配出卷积核组, 所述卷积核组包括所述第一卷积核、所述第二卷积核和所述第三卷积核。
优选地,所述待诊断对象的相关信息还包括人工诊断信息,处理器1001 可以调用存储器1004中存储的网络操作控制应用程序,还执行以下操作:
将所述病理特征信息在云平台的数据库中进行匹配,获得智能诊断信息 的步骤之后,包括:
将所述人工诊断信息与所述智能诊断信息进行匹配;
当所述人工诊断信息与所述智能诊断信息的匹配度小于设定诊断匹配度 时,向医务端发送提醒诊断异常信息。
优选地,所述诊断信息包括诊断的疾病类型、疾病时期和治疗方法。
进一步地,处理器1001可以调用存储器1004中存储的网络操作控制应 用程序,还执行以下操作:
所述待诊断对象的相关信息包括所述待诊断对象的病历;
接收待诊断对象的相关信息,所述待诊断的相关信息包括多光谱成像装 置摄取的眼底图像的步骤之后,还包括:
根据待诊断对象的病历,获取待诊断对象的病理特征信息、疾病判断信 息、治疗方法信息以及诊断人员的身份信息;
将所述待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及 诊断人员的身份信息,在云平台的数据库进行匹配,判断所述病理特征信息、 疾病判断信息、治疗方法信息以及诊断人员的身份信息是否匹配;
若不匹配,则向医务端发送提醒病历异常信息。
本发明提出一种在线智能诊断云平台的运行方法,图2至图7为本发明 提供的在线智能诊断云平台的运行方法的实施例。
请参阅图2,在本发明提出一种在线智能诊断云平台的运行方法的第一实 施例中,所述在线智能诊断云平台的运行方法包括:
步骤S10、接收待诊断对象的相关信息,所述待诊断的相关信息包括多光 谱成像装置摄取的眼底图像;
多光谱眼底成像技术(Multiple Spectrum Imaging,MSI),比传统眼底照 相能获得更深、更广、更准确的眼底组织病变信息。与传统眼底成像技术运 用可见光为光源相比(如图3),该技术是利用多个单色LED光分别投射 眼底不同深度(包含RPE层及脉络膜)的组织,利用不同组织吸收光谱的差 异,将眼底不同深度的图像进行采集。
步骤S20、对所述眼底图像进行图像处理,提取所述眼底图像中的病理特 征信息,所述图像处理包括卷积神经网络算法处理;
卷积神经网络算法是一种成熟且不断演进的人工智能算法,主要用以包 括在图像处理等方面,通过卷积以提取图像中的特征信息,进而可以根据特 征信息以进行识别,在此不做具体介绍。
步骤S30、将所述病理特征信息在云平台的数据库中进行匹配,获得智能 诊断信息。
本发明的技术方案,对眼底图像进行包括卷积神经网络算法处理在内的 图像处理,以获得眼底图像中的病理特征信息,而后将获得病理特征信息在 云平台的数据库中进行匹配,以获得对应的智能诊断信息,如此,在本发明 中可以根据眼底图像可以在线智能进行诊断,以获得智能诊断信息,该智能 诊断信息可以发送至医护端供参考,亦或者可以作为初步诊断结果,也或者 可以将该智能诊断信息与人工诊断信息进行匹配,以提升人工诊断信息的准 确性,如此,本发明提供的在线智能诊断云平台及其运行方法可以缓解眼科医生的压力或者可以提升眼科医生的效率和诊断的准确性。
直观的观测眼底形态无疑是发现心血管疾病最直接的方法。现今学术界 比较推崇的是观察眼底视网膜血管的形态,视网膜血管作为全身唯一可以观 察小动脉和静脉的器官,它的病变能够反映全身血管的病变,预测心脑血管 事件的发送。为此,在本实施例中,所述病理特征信息包括眼底的血管形态。 显然本设计不限于此,所述病理特征信息还可以是视网膜的纹理、迂曲程度、 空间关系等等。
请参阅图3,在本发明提供的在线智能诊断云平台的运行方法的第二实施 例中,步骤S20包括:
步骤S20a、对所述眼底图像进行分割,分割为多个待处理的眼底图像;
步骤S20b、分别所述多个待处理的眼底图像进行卷积神经网络算法处理, 以提取所述眼底图像中的病理特征信息。
在该实施例中,通过将一个大的眼底图像分割为多个待处理的眼底图像, 然后对多个待处理的眼底图像进行卷积神经网络算法处理,相较于对原始且 较大的眼底图像进行卷积神经网络算法处理,在计算量上大大降低了,如此 可以减轻平台的计算压力。
请参阅图4,在本发明提供的在线智能诊断云平台的运行方法的第三实施 例中,步骤S20中,所述图像处理包括卷积神经网络算法处理的步骤:
步骤S21、采用第一卷积核对待处理的眼底图像进行第一卷积神经网络处 理,以提取所述待处理的眼底图像中的第一病理特征信息;
步骤S22、采用第二卷积核对待处理的眼底图像进行第二卷积神经网络处 理,以提取所述待处理的眼底图像中的第二病理特征信息;
步骤S23、判断所述第一病理特征信息与所述二病理特征信息的相似度是 否大于设定的特征相识度阈值;
步骤S24、若是,则将所述第二病理特征信息作为待处理的眼底图像的病 理特征信息;
步骤S25、若否,则采用第三卷积核对待处理的眼底图像进行第三次卷积 神经网络处理,以得到第三病理特征信息,当所述第三病理特征信息与所述 第二病理特征信息的相识度达到所述特征相识度阈值时,将所述第三病理特 征信息作为待处理的眼底图像的病理特征信息;
其中,所述第三卷积核大于所述第二卷积核,所述第二卷积核大于所述 第一卷积核。
在将待处理的眼底图像进行卷积神经网络算法处理时,卷积核越大对应 的信息准确度更高,但同时其计算量也越大,卷积核越小计算量越小,但同 时存在特征信息的遗漏的问题,故而,在本实施例中,根据前后2次的卷积 神经网络算法处理获得病理特征信息(即第一病理特征信息和第二病理特征 信息)之间的相似度(或者说差异度)来进行判定采用的卷积大小是否合适, 当相识度达到特征相识度阈值(例如98%),即表示两次卷积神经网络算法 处理获得病理特征信息差别不大,也即表示再增大卷积核后进行卷积神经网 络算法处理获得病理特征信息的意义不大,即表示前面的卷积核大小合适, 当相识度没有达到特征相识度阈值,即表示两次卷积神经网络算法处理获得 病理特征信息差别较大,也即表示需要再增大卷积核(第三卷积核)后进行 卷积神经网络算法处理获得病理特征信息。
需要注意的是“特征相识度阈值”不是固定值,可以视具体的情况而异, 例如可以根据待诊断对象的病理特征信息的类别不一样而有所差异,也可以 根据具体的待诊断对象而定,亦或者根据病理特征信息的具体信息量而不一 样,还可以根据诊断对象的历史病历数据进行判定,主要根据诊断对象之前 的疾病所处阶段,对于某些阶段疾病的发生或者说病变比较明显,此时,可 以采用较小的特征相识度阈值例如80%,而对于某些阶段病变不是很明显, 此时需要采用较大的特征相识度例如95%,也即必须保证特征提取的精确性。
请参阅图5,在本发明提供的在线智能诊断云平台的运行方法的第四实施 例中,在本实施例中,步骤S21之前还包括:
步骤S21a、根据所述待诊断对象的身份信息从所述云平台的数据库中, 获取所述待诊断对象的历史病历数据;
步骤S21b、根据所述历史病历数据,从所述云平台的卷积核数据库匹配 出卷积核组,所述卷积核组包括所述第一卷积核、所述第二卷积核和所述第 三卷积核。
在本实施例中,在云平台的卷积核数据库中会根据不同的待诊断对象, 以及待诊断对象的之前的诊断情况(包括疾病类别和疾病阶段),会分别给 出与之适配的卷积核组。具体如何给出卷积核组,可以是根据云平台的历史 诊断数据进行归类和统计获得:
例如可以是,所述历史病历数据包括历史的病理特征信息,则此时,可 以根据历史的病理特征信息,可以判断出待诊断对象的疾病正常趋势,进而 可以根据该趋势大致预测出当前的病情(包括疾病种类和疾病的阶段),从 而可以根据当前的病情在云平台数据库中,找到映射出相应的卷积核组。
当然,也可以是,云平台存储有海量的诊断对象的相关信息,该相关信 息包括诊断对象在疾病的各阶段对应的病理特征信息以及各阶段的卷积神经 网络算法处理的相关信息,当有新诊断对象时,将该诊断对象对应的病变(主 要通过病理特征信息的变化来进行判定)和时间关系曲线,在平台数据库中 进行匹配,匹配度达到设定值(例如90%)的,可以将匹配得到的历史诊断 对象的下一个疾病阶段所对应的卷积核组作为所述新诊断对象的卷积核组, 当然也可以根据匹配度的大小情况对卷积核组进行进一步修正(例如采用修正系统x进行修正,修正系统即等于匹配度的设定值),将修正后的卷积核 组作为当前诊断对应的卷积核组。
请参阅图6,在本发明提供的在线智能诊断云平台的运行方法的第五实施 例中,在本实施例中,所述待诊断对象的相关信息还包括人工诊断信息;
步骤S30之后,包括:
步骤S40、将所述人工诊断信息与所述智能诊断信息进行匹配;
步骤S50、当所述人工诊断信息与所述智能诊断信息的匹配度小于设定诊 断匹配度时,向医务端发送提醒诊断异常信息。
在本实施例中,通过在线智能诊断云平台的智能诊断与人工诊断进行比 对,当两者差异较大时,向医务端发送提醒诊断异常信息可以提高医务人员 的效果和降低出错率。
需要说明的是,所述诊断信息包括诊断的疾病类型、疾病时期和治疗方 法,只要其中任一差别较大,线智能诊断云平台都会向医务端发送诊断异常 信息。
请参阅图7,在本发明提供的在线智能诊断云平台的运行方法的第六实施 例中,在本实施例中,所述待诊断对象的相关信息包括所述待诊断对象的病 历;
步骤S10之后,还包括:
步骤S11、根据待诊断对象的病历,获取待诊断对象的病理特征信息、疾 病判断信息、治疗方法信息以及诊断人员的身份信息;
步骤S12、将所述待诊断对象的病理特征信息、疾病判断信息、治疗方法 信息以及诊断人员的身份信息,在云平台的数据库进行匹配,判断所述病理 特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息是否匹配;
若不匹配,则向医务端发送提醒病历异常信息。
在本实施例中,在线智能诊断云平台的数据库中对病理特征信息、以及 与对应病理特征信息对应的疾病类型、疾病诊断方法以及对应业务能力的诊 断人员之间建立映射关系,以避免人工诊断发送的误判,当有病历输入时, 通过获取待诊断对象的病历(包括历史病历和当前输入的病历)中病理特征 信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息,将所述待诊 断对象的病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份 信息,在云平台的数据库进行匹配,判断所述病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息是否匹配,当不匹配时,说明很可能 存在误诊的情况,进而向诊断人员提醒病历异常信息。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存 储有智能戒指的控制程序,所述智能戒指的控制程序被处理器执行时实现如 上述任一实施例的在线智能诊断云平台的运行方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在 涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系 统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括 为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下, 由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物 品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通 过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来,该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、 光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器, 电视机,或者网络设备等)执行本发明各个实施例的方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围, 凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构 变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范 围内。
Claims (10)
1.一种在线智能诊断云平台的运行方法,其特征在于,包括:
接收待诊断对象的相关信息,所述待诊断的相关信息包括多光谱成像装置摄取的眼底图像;
对所述眼底图像进行图像处理,提取所述眼底图像中的病理特征信息,所述图像处理包括卷积神经网络算法处理;
将所述病理特征信息在云平台的数据库中进行匹配,获得智能诊断信息。
2.如权利要求1所述的在线智能诊断云平台的运行方法,其特征在于,所述病理特征信息包括眼底的血管形态。
3.如权利要求2所述的在线智能诊断云平台的运行方法,其特征在于,所述图像处理包括卷积神经网络算法处理的步骤,包括:
对所述眼底图像进行分割,分割为多个待处理的眼底图像;
分别对所述多个待处理的眼底图像进行卷积神经网络算法处理,以提取所述眼底图像中的病理特征信息。
4.如权利要求1所述的在线智能诊断云平台的运行方法,其特征在于,所述图像处理包括卷积神经网络算法处理的步骤:
采用第一卷积核对待处理的眼底图像进行第一卷积神经网络处理,以提取所述待处理的眼底图像中的第一病理特征信息;
采用第二卷积核对待处理的眼底图像进行第二卷积神经网络处理,以提取所述待处理的眼底图像中的第二病理特征信息;
判断所述第一病理特征信息与所述二病理特征信息的相似度是否大于设定的特征相识度阈值;
若是,则将所述第二病理特征信息作为待处理的眼底图像的病理特征信息;
若否,则采用第三卷积核对待处理的眼底图像进行第三次卷积神经网络处理,以得到第三病理特征信息,当所述第三病理特征信息与所述第二病理特征信息的相识度达到所述特征相识度阈值时,将所述第三病理特征信息作为待处理的眼底图像的病理特征信息;
其中,所述第三卷积核大于所述第二卷积核,所述第二卷积核大于所述第一卷积核。
5.如权利要求4所述的在线智能诊断云平台的运行方法,其特征在于,所述待诊断的相关信息包括待诊断对象的身份信息;
采用第一卷积核对待处理的眼底图像进行第一卷积神经网络处理,以提取所述待处理的眼底图像中的第一病理特征信息的步骤之前还包括:
根据所述待诊断对象的身份信息从所述云平台的数据库中,获取所述待诊断对象的历史病历数据;
根据所述历史病历数据,从所述云平台的卷积核数据库匹配出卷积核组,所述卷积核组包括所述第一卷积核、所述第二卷积核和所述第三卷积核。
6.如权利要求1所述的在线智能诊断云平台的运行方法,其特征在于,所述待诊断对象的相关信息还包括人工诊断信息;
将所述病理特征信息在云平台的数据库中进行匹配,获得智能诊断信息的步骤之后,包括:
将所述人工诊断信息与所述智能诊断信息进行匹配;
当所述人工诊断信息与所述智能诊断信息的匹配度小于设定诊断匹配度时,向医务端发送提醒诊断异常信息。
7.如权利要求6所述的在线智能诊断云平台的运行方法,其特征在于,所述诊断信息包括诊断的疾病类型、疾病时期和治疗方法。
8.如权利要求1所述的在线智能诊断云平台的运行方法,其特征在于,所述待诊断对象的相关信息包括所述待诊断对象的病历;
接收待诊断对象的相关信息,所述待诊断的相关信息包括多光谱成像装置摄取的眼底图像的步骤之后,还包括:
根据待诊断对象的病历,获取待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息;
将所述待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息,在云平台的数据库进行匹配,判断所述病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息是否匹配;
若不匹配,则向医务端发送提醒病历异常信息。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有在线智能诊断云平台的运行程序,所述智能戒指的控制程序执行时实现如权利要求1至8中任一项所述的在线智能诊断云平台的运行方法的步骤。
10.一种在线智能诊断云平台,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行在线智能诊断云平台的运行程序,所述在线智能诊断云平台的运行程序配置为实现如权利要求1至8中任一项所述的在线智能诊断云平台的运行方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567127.6A CN109686440B (zh) | 2018-12-20 | 2018-12-20 | 一种在线智能诊断云平台及其运行方法和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567127.6A CN109686440B (zh) | 2018-12-20 | 2018-12-20 | 一种在线智能诊断云平台及其运行方法和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109686440A true CN109686440A (zh) | 2019-04-26 |
CN109686440B CN109686440B (zh) | 2023-12-05 |
Family
ID=66188543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811567127.6A Active CN109686440B (zh) | 2018-12-20 | 2018-12-20 | 一种在线智能诊断云平台及其运行方法和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109686440B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110660488A (zh) * | 2019-10-31 | 2020-01-07 | 深圳盛达同泽科技有限公司 | 基于多光谱眼底成像的糖网筛查方法及平台和存储介质 |
CN111179252A (zh) * | 2019-12-30 | 2020-05-19 | 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 |
CN111557651A (zh) * | 2020-05-28 | 2020-08-21 | 复旦大学附属儿科医院 | 一种静脉渗出、静脉炎自动识别仪 |
CN114170221A (zh) * | 2021-12-23 | 2022-03-11 | 深圳市铱硙医疗科技有限公司 | 一种基于图像确认脑部疾病方法与系统 |
CN114864093A (zh) * | 2022-07-04 | 2022-08-05 | 北京鹰瞳科技发展股份有限公司 | 基于眼底图像进行疾病预测的装置、方法及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408024A (zh) * | 2016-09-20 | 2017-02-15 | 四川大学 | 针对dr片的肺叶轮廓提取方法 |
CN106725292A (zh) * | 2016-12-30 | 2017-05-31 | 深圳市新产业眼科新技术有限公司 | 多光谱眼底成像远程诊疗系统及其运行方法 |
CN107358055A (zh) * | 2017-07-21 | 2017-11-17 | 湖州师范学院 | 智能辅助诊断系统 |
CN107423571A (zh) * | 2017-05-04 | 2017-12-01 | 深圳硅基仿生科技有限公司 | 基于眼底图像的糖尿病视网膜病变识别系统 |
CN107506350A (zh) * | 2017-08-16 | 2017-12-22 | 京东方科技集团股份有限公司 | 一种识别信息的方法和设备 |
CN107680082A (zh) * | 2017-09-11 | 2018-02-09 | 宁夏医科大学 | 基于深度卷积神经网络和全局特征的肺部肿瘤识别方法 |
CN108231194A (zh) * | 2018-04-04 | 2018-06-29 | 苏州医云健康管理有限公司 | 一种疾病诊断系统 |
CN108229679A (zh) * | 2017-11-23 | 2018-06-29 | 北京市商汤科技开发有限公司 | 卷积神经网络去冗余方法及装置、电子设备和存储介质 |
CN108345818A (zh) * | 2017-01-23 | 2018-07-31 | 北京中科奥森数据科技有限公司 | 一种人脸活体检测方法及装置 |
WO2018201632A1 (zh) * | 2017-05-04 | 2018-11-08 | 深圳硅基仿生科技有限公司 | 用于识别眼底图像病变的人工神经网络及系统 |
US20180330233A1 (en) * | 2017-05-11 | 2018-11-15 | General Electric Company | Machine learning based scatter correction |
CN108960411A (zh) * | 2018-06-27 | 2018-12-07 | 郑州云海信息技术有限公司 | 一种卷积神经网络调整及相关装置 |
-
2018
- 2018-12-20 CN CN201811567127.6A patent/CN109686440B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408024A (zh) * | 2016-09-20 | 2017-02-15 | 四川大学 | 针对dr片的肺叶轮廓提取方法 |
CN106725292A (zh) * | 2016-12-30 | 2017-05-31 | 深圳市新产业眼科新技术有限公司 | 多光谱眼底成像远程诊疗系统及其运行方法 |
CN108345818A (zh) * | 2017-01-23 | 2018-07-31 | 北京中科奥森数据科技有限公司 | 一种人脸活体检测方法及装置 |
CN107423571A (zh) * | 2017-05-04 | 2017-12-01 | 深圳硅基仿生科技有限公司 | 基于眼底图像的糖尿病视网膜病变识别系统 |
WO2018201632A1 (zh) * | 2017-05-04 | 2018-11-08 | 深圳硅基仿生科技有限公司 | 用于识别眼底图像病变的人工神经网络及系统 |
US20180330233A1 (en) * | 2017-05-11 | 2018-11-15 | General Electric Company | Machine learning based scatter correction |
CN108492872A (zh) * | 2017-07-21 | 2018-09-04 | 湖州师范学院 | 智能辅助诊断系统 |
CN107358055A (zh) * | 2017-07-21 | 2017-11-17 | 湖州师范学院 | 智能辅助诊断系统 |
CN107506350A (zh) * | 2017-08-16 | 2017-12-22 | 京东方科技集团股份有限公司 | 一种识别信息的方法和设备 |
CN107680082A (zh) * | 2017-09-11 | 2018-02-09 | 宁夏医科大学 | 基于深度卷积神经网络和全局特征的肺部肿瘤识别方法 |
CN108229679A (zh) * | 2017-11-23 | 2018-06-29 | 北京市商汤科技开发有限公司 | 卷积神经网络去冗余方法及装置、电子设备和存储介质 |
CN108231194A (zh) * | 2018-04-04 | 2018-06-29 | 苏州医云健康管理有限公司 | 一种疾病诊断系统 |
CN108960411A (zh) * | 2018-06-27 | 2018-12-07 | 郑州云海信息技术有限公司 | 一种卷积神经网络调整及相关装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110660488A (zh) * | 2019-10-31 | 2020-01-07 | 深圳盛达同泽科技有限公司 | 基于多光谱眼底成像的糖网筛查方法及平台和存储介质 |
CN111179252A (zh) * | 2019-12-30 | 2020-05-19 | 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 |
CN111557651A (zh) * | 2020-05-28 | 2020-08-21 | 复旦大学附属儿科医院 | 一种静脉渗出、静脉炎自动识别仪 |
CN111557651B (zh) * | 2020-05-28 | 2024-03-12 | 复旦大学附属儿科医院 | 一种静脉渗出、静脉炎自动识别仪 |
CN114170221A (zh) * | 2021-12-23 | 2022-03-11 | 深圳市铱硙医疗科技有限公司 | 一种基于图像确认脑部疾病方法与系统 |
CN114864093A (zh) * | 2022-07-04 | 2022-08-05 | 北京鹰瞳科技发展股份有限公司 | 基于眼底图像进行疾病预测的装置、方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109686440B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Vujosevic et al. | Screening for diabetic retinopathy: new perspectives and challenges | |
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 | |
Trucco et al. | Validating retinal fundus image analysis algorithms: issues and a proposal | |
CN106682389B (zh) | 一种用于监控高血压引发的眼部病变健康管理系统 | |
Masumoto et al. | Deep-learning classifier with an ultrawide-field scanning laser ophthalmoscope detects glaucoma visual field severity | |
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 | |
CN110914835B (zh) | 修改用于深度学习模型的视网膜眼底图像的方法 | |
CN108492872A (zh) | 智能辅助诊断系统 | |
Fang et al. | Adam challenge: Detecting age-related macular degeneration from fundus images | |
KR101737279B1 (ko) | 뇌졸중 발병 예측 시스템 | |
Elsawy et al. | Multidisease deep learning neural network for the diagnosis of corneal diseases | |
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 | |
CN105512490B (zh) | 一种基于虹膜信息检测健康的可穿戴设备 | |
CN109770881A (zh) | 一种基于血压的健康监测方法及血压测量装置 | |
Hsu et al. | Proactive healthcare and an early warning mechanism for coronary artery disease patients using Internet-of-Thing devices | |
Salongcay et al. | Comparison of handheld retinal imaging with ETDRS 7-standard field photography for diabetic retinopathy and diabetic macular edema | |
Jain et al. | Use of offline artificial intelligence in a smartphone-based fundus camera for community screening of diabetic retinopathy | |
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 | |
CN117476217B (zh) | 一种慢性心脏病病情发展趋势预测系统 | |
CN116703915B (zh) | 基于多种图像融合的糖尿病视网膜病变会诊方法及系统 | |
CN111383775A (zh) | 一种基于眼底筛查的会员用户匿名交流方法及存储设备 | |
CN111435612B (zh) | 一种移动医疗个性化健康服务的方法和系统 | |
Tan et al. | Is routine pupil dilation safe among asian patients with diabetes? | |
Kook et al. | Scanning laser polarimetry using variable corneal compensation in the detection of glaucoma with localized visual field defects |
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 |