CN109686440B - 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
- CN109686440B CN109686440B CN201811567127.6A CN201811567127A CN109686440B CN 109686440 B CN109686440 B CN 109686440B CN 201811567127 A CN201811567127 A CN 201811567127A CN 109686440 B CN109686440 B CN 109686440B
- Authority
- CN
- China
- Prior art keywords
- information
- cloud platform
- diagnosed
- pathological feature
- diagnosis
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000001575 pathological effect Effects 0.000 claims abstract description 101
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 29
- 238000000701 chemical imaging Methods 0.000 claims abstract description 8
- 201000010099 disease Diseases 0.000 claims description 38
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 38
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 230000005856 abnormality Effects 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000011017 operating method Methods 0.000 claims 2
- 230000003902 lesion Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 210000001210 retinal vessel Anatomy 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 210000002565 arteriole Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007211 cardiovascular event Effects 0.000 description 1
- 230000007213 cerebrovascular event Effects 0.000 description 1
- 210000003161 choroid Anatomy 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000001228 spectrum Methods 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
眼底图像的解读需要很高的眼科专业基础。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,所述在线智能诊断云平台的运行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 (9)
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;
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似度阈值;
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似度达到所述特征相似度阈值时,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。
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。
5.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。
6.如权利要求5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。
7.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。
8.一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,所述在线智能诊断云平台的运行程序执行时实现如权利要求1至7中任一项所述的在线智能诊断云平台的运行方法的步骤。
9.一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7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 CN109686440A (zh) | 2019-04-26 |
CN109686440B true 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) |
Families Citing this family (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 |
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 |
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 |
CN114170221B (zh) * | 2021-12-23 | 2023-04-07 | 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 |
CN114864093B (zh) * | 2022-07-04 | 2022-11-01 | 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 (11)
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 |
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 |
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 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180330233A1 (en) * | 2017-05-11 | 2018-11-15 | General Electric Company | Machine learning based scatter correction |
-
2018
- 2018-12-20 CN CN201811567127.6A patent/CN109686440B/zh active Active
Patent 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 |
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 |
CN107358055A (zh) * | 2017-07-21 | 2017-11-17 | 湖州师范学院 | 智能辅助诊断系统 |
CN108492872A (zh) * | 2017-07-21 | 2018-09-04 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN109686440A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109686440B (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 | |
CN110101361B (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 | |
US20220076420A1 (en) | Retinopathy recognition system | |
CN109784337B (zh) | 一种黄斑区识别方法、装置及计算机可读存储介质 | |
CN110766735B (zh) | 一种图像的匹配方法、装置、设备及存储介质 | |
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 | |
CN109767828B (zh) | 交互式在线诊断云平台及其运行方法和可读存储介质 | |
CN109411086A (zh) | 眼底图像病变的筛查系统 | |
CN112017185A (zh) | 病灶分割方法、装置及存储介质 | |
CN112868068B (zh) | 使用利用其它模式训练的机器学习模型处理眼底相机图像 | |
CN111428070A (zh) | 眼科案例的检索方法、装置、服务器及存储介质 | |
Milea et al. | Artificial intelligence for detection of optic disc abnormalities | |
WO2017194514A1 (en) | Diagnosis system | |
CN112102351A (zh) | 医学图像分析方法、装置、电子设备及可读存储介质 | |
CN115631367A (zh) | 基于神经网络模型的眼科超声图像分类方法以及装置 | |
Sambyal et al. | Aggregated residual transformation network for multistage classification in diabetic retinopathy | |
CN112950577A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN116030042B (zh) | 一种针对医生目诊的诊断装置、方法、设备及存储介质 | |
CN111435612B (zh) | 一种移动医疗个性化健康服务的方法和系统 | |
CN110992364A (zh) | 视网膜图像识别方法、装置、计算机设备和存储介质 | |
CN107392976A (zh) | 数据处理方法、装置及设备 | |
Na'am et al. | An automatic ROI of the fundus photography | |
CN106709237A (zh) | 一种病理监控和诊断系统的工作方法 | |
CN115115657A (zh) | 病灶分割方法及装置、电子设备及存储介质 | |
KR20180133091A (ko) | 혀 및 문진을 통한 건강진단 시스템 |
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 |