CN110101361B - 基于大数据在线智能诊断平台及其运行方法和存储介质 - Google Patents
基于大数据在线智能诊断平台及其运行方法和存储介质 Download PDFInfo
- Publication number
- CN110101361B CN110101361B CN201910337644.2A CN201910337644A CN110101361B CN 110101361 B CN110101361 B CN 110101361B CN 201910337644 A CN201910337644 A CN 201910337644A CN 110101361 B CN110101361 B CN 110101361B
- Authority
- CN
- China
- Prior art keywords
- detected
- fundus image
- disease stage
- diagnosis
- matching
- 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
Images
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Ophthalmology & Optometry (AREA)
- Biophysics (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明公开一种基于大数据在线智能诊断平台及其运行方法和可读存储介质,其中所述运行方法包括:接收待检测对象的眼底图像;将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配;根据匹配结果,判定待检测对象所处的疾病阶段;在所述所处的疾病阶段中选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息;将所述病理特征信息在云平台的数据库中与所述待检测对象所处的疾病阶段对应的数据中进行匹配,获得智能诊断信息。本发明的技术方案可以缓解眼科医生的压力或者提升诊断效率和准确性,并且减小云平台的计算量减小而运行效率提高。
Description
技术领域
本发明涉及医疗技术领域,特别涉及一种基于大数据在线智能诊断平台及其运行方法和存储介质。
背景技术
心脑血管疾病是我国居民死亡的主要疾病。
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。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。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。
眼底图像的解读需要很高的眼科专业基础。眼科医生相对于患者数量较小,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,然而,若完全采用人工智能对眼底图像进行智能诊断,会存在计算量大而运行效率较低的问题。
发明内容
本发明的主要目的是提供一种基于大数据在线智能诊断平台及其运行方法和可读存储介质,旨在使得基于大数据在线智能诊断平台的计算量减小而运行效率提高。
为实现上述目的,本发明提出一种基于大数据在线智能诊断平台的运行方法,包括:
接收待检测对象的眼底图像;
将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配;
根据匹配结果,判定待检测对象所处的疾病阶段;
在所述所处的疾病阶段中选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息;
将所述病理特征信息在云平台的数据库中与所述待检测对象所处的疾病阶段对应的数据中进行匹配,获得智能诊断信息。
可选地,所述病理特征信息包括眼底的血管形态。
可选地,将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配的步骤,包括:
获取待检测对象的身份信息;
根据所述待检测对象的身份信息,搜寻所述待检测对象的历史诊断数据;
从所述历史诊断数据中,找到最近一次诊断结果对应的疾病阶段;
将所述最接近一次诊断结果所对应的疾病阶段之后的疾病阶段作为需要匹配的疾病阶段;
将所述待检测对象的眼底图像与所述需要匹配的疾病各阶段对应的标准眼底图像进行匹配。
可选地,根据匹配结果,判定待检测对象所处的疾病阶段的步骤,包括:
将匹配结果中,匹配度最高的标准眼底图像,作为匹配成功的标准眼底图像;
将所述匹配成功的标准眼底图像所对应的疾病阶段,作为所述待检测对象所处的疾病阶段。
可选地,在所述所处的疾病阶段中选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息的步骤包括:
依次采用所述选取疾病阶段中相邻的两个卷积核,对所述待检测对象的眼底图像进行卷积神经网络算法处理,以分别获得两个病理特征信息;
将各所述两个病理特征信息进行相似度匹配;
将相似度最大的两个所述病理特征信息对应的卷积核中较大的一个的作为所述选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息。
可选地,将各所述两个病理特征信息进行相似度匹配的步骤之后,还包括:
当所有的相似度都小于设定值时,将所述待检测对象的眼底图像发送至诊断人员进行诊断,以得到人工诊断结果。
可选地,当所有的相似度都小于设定值时,将所述待检测对象的眼底图像发送至专家级级诊断人员进行诊断,以得到人工诊断结果的步骤包括:
当所有的相似度都小于设定值时,根据所述待检测对象所处的疾病阶段,选取对应等级的诊断人员,将所述待检测对象的眼底图像发送至所述对应等级的诊断人员进行诊断。
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基于大数据在线智能诊断平台的运行程序,所述基于大数据在线智能诊断平台的运行程序执行时实现如上述任意一项所述的基于大数据在线智能诊断平台的运行方法的步骤。
本发明又一种基于大数据在线智能诊断平台,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基于大数据在线智能诊断平台的运行程序,所述基于大数据在线智能诊断平台的运行程序配置为实现如上述任一项所述的基于大数据在线智能诊断平台的运行方法的步骤。
本发明的技术方案,先将待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配,进而可以判定出待检测对象所处的疾病阶段,也即相当于是一种初步诊断,并且直接通过待检测对象的眼底图像与有限的标准图像进行进行匹配就可以判定出待检测对象的疾病阶段,计算量较小,进一步地,为了提高诊断的准确性,选取所处的疾病阶段中的卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息,并将所述病理特征信息在云平台的数据库中与所述待检测对象所处的疾病阶段对应的数据中进行匹配,获得智能诊断信息,其中,将所述病理特征信息匹配的对象不是整个数据库的数据,而是所述待检测对象所处的疾病阶段对应的数据,如此可以进一步减小匹配的数据量,如此可见本发明的技术方案不但计算量小而且准确度高。
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为本发明提供的基于大数据在线智能诊断平台的一实施例的框架示意图;
图2为本发明提供的基于大数据在线智能诊断平台运行方法的第一实施例的流程示意图;
图3为本发明提供的基于大数据在线智能诊断平台运行方法的第二实施例的流程示意图;
图4为本发明提供的基于大数据在线智能诊断平台运行方法的第三实施例的流程示意图;
图5为本发明提供的基于大数据在线智能诊断平台运行方法的第四实施例的流程示意图;
图6为本发明提供的基于大数据在线智能诊断平台运行方法的第五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基于大数据在线智能诊断平台结构示意图。
如图1所示,该基于大数据在线智能诊断平台包括: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-volatilememory),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中示出的基于大数据在线智能诊断平台结构并不构成对基于大数据在线智能诊断平台的限定,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基于大数据在线智能诊断平台的运行程序。
在图1所示的基于大数据在线智能诊断平台中,处理器可为基于大数据在线智能诊断平台中的控制芯片,该处理器可以用于调用存储器中存储的基于大数据在线智能诊断平台的运行程序,并执行以下操作:
接收由多光谱成像装置摄取的待检测对象的眼底图像;
将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配;
根据匹配结果,判定待检测对象所处的疾病阶段;
在所述所处的疾病阶段中选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息;
将所述病理特征信息在云平台的数据库中与所述待检测对象所处的疾病阶段对应的数据中进行匹配,获得智能诊断信息。
其中,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:
将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配的步骤,包括:
获取待检测对象的身份信息;
根据所述待检测对象的身份信息,搜寻所述待检测对象的历史诊断数据;
从所述历史诊断数据中,找到最近一次诊断结果对应的疾病阶段;
将所述最接近一次诊断结果所对应的疾病阶段之后的疾病阶段作为需要匹配的疾病阶段;
将所述待检测对象的眼底图像与所述需要匹配的疾病各阶段对应的标准眼底图像进行匹配。
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:
根据匹配结果,判定待检测对象所处的疾病阶段的步骤,包括:
将匹配结果中,匹配度最高的标准眼底图像,作为匹配成功的标准眼底图像;
将所述匹配成功的标准眼底图像所对应的疾病阶段,作为所述待检测对象所处的疾病阶段。
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:
在所述所处的疾病阶段中选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息的步骤包括:
依次采用所述选取疾病阶段中相邻的两个卷积核,对所述待检测对象的眼底图像进行卷积神经网络算法处理,以分别获得两个病理特征信息;
将各所述两个病理特征信息进行相似度匹配;
将相似度最大的两个所述病理特征信息对应的卷积核中较大的一个的作为所述选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息。
进一步地,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:
将各所述两个病理特征信息进行相似度匹配的步骤之后,还包括:
当所有的相似度都小于设定值时,将所述待检测对象的眼底图像发送至诊断人员进行诊断,以得到人工诊断结果。
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:
当所有的相似度都小于设定值时,将所述待检测对象的眼底图像发送至专家级级诊断人员进行诊断,以得到人工诊断结果的步骤包括:
当所有的相似度都小于设定值时,根据所述待检测对象所处的疾病阶段,选取对应等级的诊断人员,将所述待检测对象的眼底图像发送至所述对应等级的诊断人员进行诊断。
本发明提出一种基于大数据在线智能诊断平台的运行方法,图2至图6为本发明提供的基于大数据在线智能诊断平台的运行方法的实施例。
请参阅图2,在本发明提出一种基于大数据在线智能诊断平台的运行方法的第一实施例中,所述基于大数据在线智能诊断平台的运行方法包括:
步骤S10、接收待检测对象的眼底图像;
所述眼底图像可以是由眼底相机摄取的,也可以是由多光谱成像装置摄取,还可以是其他装置摄取的,优选选用多光谱成像装置摄取,多光谱眼底成像技术(MultipleSpectrum 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,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,形成包含视网膜出血、玻璃膜疣,氧含量、脂褐素、色素变化等可反映心脑血管疾病和全身性微循环系统疾病损伤程度单色光谱图像。
步骤 S20、将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配;
基于大数据在线智能诊断平台存储有疾病各阶段对应的标准眼底图像,该疾病各阶段对应的标准眼底图像可以是根据模拟病变情况或者跟踪特定患者的病变情况获得设定阶段的眼底图像,设定阶段可以是根据时间划分,也可以是根据病变程度划分,当然,本设计不限于此,也可以是对于疾病的阶段的划分有系统通过大数据,对历史诊断的典型案例进行统计和划分,划分依据主要根据病变程度,总之不管按照何种划分方式,所述疾病各阶段对应的标准眼底图像的数量都是有限的,将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配,匹配计算的计算量较小;
步骤 S30、根据匹配结果,判定待检测对象所处的疾病阶段;
一旦获得匹配成功的标准图像,进而可以匹配成功的图像获得对应的疾病阶段,进而将该疾病阶段作为待检测对象所处的疾病阶段,需要说明书的是,显然标准图像与疾病阶段是存在映射关系的,该映射关系表存储在基于大数据在线智能诊断平台。
步骤S40、在所述所处的疾病阶段中选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息;
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S50、将所述病理特征信息在云平台的数据库中与所述待检测对象所处的疾病阶段对应的数据中进行匹配,获得智能诊断信息。
本发明的技术方案,先将待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配,进而可以判定出待检测对象所处的疾病阶段,也即相当于是一种初步诊断,并且直接通过待检测对象的眼底图像与有限的标准图像进行进行匹配就可以判定出待检测对象的疾病阶段,计算量较小,进一步地,为了提高诊断的准确性,选取所处的疾病阶段中的卷积核,对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息,并将所述病理特征信息在云平台的数据库中与所述待检测对象所处的疾病阶段对应的数据中进行匹配,获得智能诊断信息,其中,将所述病理特征信息匹配的对象不是整个数据库的数据,而是所述待检测对象所处的疾病阶段对应的数据,如此可以进一步减小匹配的数据量,如此可见本发明的技术方案不但计算量小而且准确度高。
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。
待检测对象很有可能在之前已经被诊断过,如此如何利用待检测对象的历史诊断数据,以提高诊断效果,是需要被考虑的,请参阅图3,在本发明提供的基于大数据在线智能诊断平台的运行方法的第二实施例中,步骤S20包括:
步骤S21、获取待检测对象的身份信息;
显然身份信息不限于身份证号,也有可能是对该待检测对象的诊断编号,也可能是其他号码,只要是能通过该信息能够区别不同的待检测对象均是本发明所说的“身份信息”
步骤S22、根据所述待检测对象的身份信息,搜寻所述待检测对象的历史诊断数据。
通过所述待检测对象的身份信息,可以在基于大数据在线智能诊断平台上找寻对应的历史诊断数据。
步骤S23、从所述历史诊断数据中,找到最近一次诊断结果对应的疾病阶段;
显然,历史诊断数据中包括待检测对象的各次(可以是所有的,也可以是近几次)的诊断结果和疾病阶段,在获得诊断结果和疾病阶段中找到最近一次诊断结果对应的疾病阶段,以能够对本次诊断进行参考;
步骤S23、将所述最接近一次诊断结果所对应的疾病阶段之后的疾病阶段作为需要匹配的疾病阶段;
随着时间的进行,显然待检测对象的疾病通常是在进一步严重的,为此,在本实施例中,将所述最接近一次诊断结果所对应的疾病阶段之后的疾病阶段作为需要匹配的疾病阶段,当然,显然不限于此,在其他实施例中,可以是将所述最接近一次诊断结果所对应的疾病阶段前后设定范围内的疾病阶段作为需要匹配的疾病阶段;
步骤S24、将所述待检测对象的眼底图像与所述需要匹配的疾病阶段对应的标准眼底图像进行匹配。
通过排除一部分疾病阶段,进而可以减小与所述待检测对象的眼底图像匹配的标准眼底图像的数量,进而可以进一步减小需要匹配的数量而提供诊断效率。
请参阅图4,在本发明提供的基于大数据在线智能诊断平台的运行方法的第三实施例中,步骤S30具体包括:
步骤S31、将匹配结果中,匹配度最高的标准眼底图像,作为匹配成功的标准眼底图像;
前述的匹配具体为相似度匹配,将所述匹配结果中,相似度最高的标准眼底图像作为匹配成功的标准眼底图像。
步骤S32、将所述匹配成功的标准眼底图像所对应的疾病阶段,作为所述待检测对象所处的疾病阶段。
由前述可知标准眼底图像与疾病阶段是映射关系,通过标准眼底图像很显然能够找到相应的疾病阶段,进而将该疾病阶段作为所述待检测对象所处的疾病阶段。
请参阅图5,在本发明提供的基于大数据在线智能诊断平台的运行方法的第四实施例中,步骤S40具体包括:
步骤S41、依次采用所述选取疾病阶段中相邻的两个卷积核,对所述待检测对象的眼底图像进行卷积神经网络算法处理,以分别获得两个病理特征信息;
步骤S42、将各所述两个病理特征信息进行相似度匹配;
步骤S43、将相似度最大的两个所述病理特征信息对应的卷积核中较大的一个的作为所述选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息。
在将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,选择合适的卷积核对于卷积神经网络算法处理尤其重要,在本实施例中,依次选择相邻的卷积核分别进行卷积神经网络算法处理,以获得该两次获得的病理特征信息,进而对该两次病理特征信息进行相似度(或者说差异度)匹配,假设某一疾病阶段对应的卷积为A、B、C和D,则依次对A和B、B和C、以及C和D进行进行卷积神经网络算法处理,以分别得到3个相似度,进而选择其中最大的将相似度所对应的两个所述病理特征信息作为匹配成功的,将将相似度最大的两个所述病理特征信息对应的卷积核中较大的一个的作为所述选取卷积核。
显然相似度最大表面该两次提取的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。
显然需要提醒注意的是,在有些情况下,也有可能前期设置的卷积核不合理,导致无论采用哪种卷积核时,提取的病理特征信息均不准确,故而,请参阅图6,在本发明提供的基于大数据在线智能诊断平台的运行方法的第五实施例中,步骤S42之后,还包括:
步骤S44、当所有的相似度都小于设定值时,将所述待检测对象的眼底图像发送至诊断人员进行诊断,以得到人工诊断结果。
来进行判定采用的卷积大小是否合适,当相似度达到特征相似度阈值(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,当相似度没有达到特征相似度阈值,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,也即卷积核不合适,为此,此时需要通过人工诊断。
需要注意的是“特征相似度阈值”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似度阈值例如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似度例如95%,也即必须保证特征提取的精确性。
进一步地,步骤S44包括:当所有的相似度都小于设定值时,根据所述待检测对象所处的疾病阶段,选取对应等级的诊断人员,将所述待检测对象的眼底图像发送至所述对应等级的诊断人员进行诊断。
在通过人工诊断时,也要考虑资源分配的问题,也即比较疾病的初级阶段可以选择初级疾病诊断人员,对应疾病的严重阶段需要分配专家级诊断人员,如此通过合理分配资源,在保障准确性的前提下,提高诊断效率。
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基于大数据在线智能诊断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 (8)
1.一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基于大数据在线智能诊断平台的运行程序,所述基于大数据在线智能诊断平台的运行程序执行时实现基于大数据在线智能诊断平台的运行方法的步骤,所述基于大数据在线智能诊断平台的运行方法包括:
接收待检测对象的眼底图像;
将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配;
根据匹配结果,判定待检测对象所处的疾病阶段;
在所述所处的疾病阶段中选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息;
将所述病理特征信息在云平台的数据库中与所述待检测对象所处的疾病阶段对应的数据中进行匹配,获得智能诊断信息;
根据匹配结果,判定待检测对象所处的疾病阶段的步骤,包括:
将匹配结果中,匹配度最高的标准眼底图像,作为匹配成功的标准眼底图像;
将所述匹配成功的标准眼底图像所对应的疾病阶段,作为所述待检测对象所处的疾病阶段;
在所述所处的疾病阶段中选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息的步骤包括:
依次采用所述所处的疾病阶段中相邻的两个卷积核,对所述待检测对象的眼底图像进行卷积神经网络算法处理,以分别获得两个病理特征信息;
将各所述两个病理特征信息进行相似度匹配;
将相似度最大的两个所述病理特征信息对应的卷积核中较大的一个的作为所述选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息;
将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配的步骤,包括:
获取待检测对象的身份信息;
根据所述待检测对象的身份信息,搜寻所述待检测对象的历史诊断数据;
从所述历史诊断数据中,找到最近一次诊断结果对应的疾病阶段;
将所述最近一次诊断结果所对应的疾病阶段之后的疾病阶段作为需要匹配的疾病阶段;
将所述待检测对象的眼底图像与所述需要匹配的疾病阶段对应的标准眼底图像进行匹配。
2.如权利要求1所述的计算机可读存储介质,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1所述的计算机可读存储介质,其特征在于,将各所述两个病理特征信息进行相似度匹配的步骤之后,还包括:
当所有的相似度都小于设定值时,将所述待检测对象的眼底图像发送至诊断人员进行诊断,以得到人工诊断结果。
4.如权利要求3所述的计算机可读存储介质,其特征在于,
当所有的相似度都小于设定值时,将所述待检测对象的眼底图像发送至专家级级诊断人员进行诊断,以得到人工诊断结果的步骤包括:
当所有的相似度都小于设定值时,根据所述待检测对象所处的疾病阶段,选取对应等级的诊断人员,将所述待检测对象的眼底图像发送至所述对应等级的诊断人员进行诊断。
5.一种基于大数据在线智能诊断平台,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基于大数据在线智能诊断平台的运行程序,所述基于大数据在线智能诊断平台的运行程序配置为实现如下的基于大数据在线智能诊断平台的运行方法的步骤,所述基于大数据在线智能诊断平台的运行方法包括:
接收待检测对象的眼底图像;
将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配;
根据匹配结果,判定待检测对象所处的疾病阶段;
在所述所处的疾病阶段中选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息;
将所述病理特征信息在云平台的数据库中与所述待检测对象所处的疾病阶段对应的数据中进行匹配,获得智能诊断信息;
根据匹配结果,判定待检测对象所处的疾病阶段的步骤,包括:
将匹配结果中,匹配度最高的标准眼底图像,作为匹配成功的标准眼底图像;
将所述匹配成功的标准眼底图像所对应的疾病阶段,作为所述待检测对象所处的疾病阶段;
在所述所处的疾病阶段中选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息的步骤包括:
依次采用所述所处的疾病阶段中相邻的两个卷积核,对所述待检测对象的眼底图像进行卷积神经网络算法处理,以分别获得两个病理特征信息;
将各所述两个病理特征信息进行相似度匹配;
将相似度最大的两个所述病理特征信息对应的卷积核中较大的一个的作为所述选取卷积核,采用所述选取卷积核对所述待检测对象的眼底图像进行卷积神经网络算法处理,以提取病理特征信息;
将所述待检测对象的眼底图像与疾病各阶段对应的标准眼底图像进行匹配的步骤,包括:
获取待检测对象的身份信息;
根据所述待检测对象的身份信息,搜寻所述待检测对象的历史诊断数据;
从所述历史诊断数据中,找到最近一次诊断结果对应的疾病阶段;
将所述最近一次诊断结果所对应的疾病阶段之后的疾病阶段作为需要匹配的疾病阶段;
将所述待检测对象的眼底图像与所述需要匹配的疾病阶段对应的标准眼底图像进行匹配。
6.如权利要求5所述的基于大数据在线智能诊断平台,其特征在于,所述病理特征信息包括眼底的血管形态。
7.如权利要求5所述的基于大数据在线智能诊断平台,其特征在于,将各所述两个病理特征信息进行相似度匹配的步骤之后,还包括:
当所有的相似度都小于设定值时,将所述待检测对象的眼底图像发送至诊断人员进行诊断,以得到人工诊断结果。
8.如权利要求7所述的基于大数据在线智能诊断平台,其特征在于,
当所有的相似度都小于设定值时,将所述待检测对象的眼底图像发送至专家级级诊断人员进行诊断,以得到人工诊断结果的步骤包括:
当所有的相似度都小于设定值时,根据所述待检测对象所处的疾病阶段,选取对应等级的诊断人员,将所述待检测对象的眼底图像发送至所述对应等级的诊断人员进行诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910337644.2A CN110101361B (zh) | 2019-04-23 | 2019-04-23 | 基于大数据在线智能诊断平台及其运行方法和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910337644.2A CN110101361B (zh) | 2019-04-23 | 2019-04-23 | 基于大数据在线智能诊断平台及其运行方法和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110101361A CN110101361A (zh) | 2019-08-09 |
CN110101361B true CN110101361B (zh) | 2022-07-12 |
Family
ID=67486673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910337644.2A Active CN110101361B (zh) | 2019-04-23 | 2019-04-23 | 基于大数据在线智能诊断平台及其运行方法和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110101361B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517239A (zh) * | 2019-08-20 | 2019-11-29 | 东软医疗系统股份有限公司 | 一种医学影像检测方法及装置 |
CN114287042A (zh) * | 2019-10-29 | 2022-04-05 | 未艾医疗技术(深圳)有限公司 | 基于vrds ai脑部影像的分析方法和相关装置 |
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 |
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 |
CN112434172A (zh) * | 2020-10-29 | 2021-03-02 | 西安交通大学 | 一种病理图像预后特征权重计算方法及系统 |
CN113425251A (zh) * | 2021-05-28 | 2021-09-24 | 云南中医药大学 | 一种目诊图像识别系统及方法 |
CN114451860A (zh) * | 2022-01-27 | 2022-05-10 | 广东康软科技股份有限公司 | 一种基于深度学习的眼底病变诊断方法、系统及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009077617A1 (en) * | 2007-12-19 | 2009-06-25 | Essilor International (Compagnie Generale D'optique) | Method of simulating blur in digitally processed images |
CN106408564A (zh) * | 2016-10-10 | 2017-02-15 | 北京新皓然软件技术有限责任公司 | 一种基于深度学习的眼底图像处理方法、装置及系统 |
CN107194158A (zh) * | 2017-05-04 | 2017-09-22 | 深圳美佳基因科技有限公司 | 一种基于图像识别的疾病辅助诊断方法 |
CN108154505A (zh) * | 2017-12-26 | 2018-06-12 | 四川大学 | 基于深度神经网络的糖尿病视网膜病变检测方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101539990B (zh) * | 2008-03-20 | 2011-05-11 | 中国科学院自动化研究所 | 一种虹膜图像鲁棒特征选择和快速比对的方法 |
CN105956391A (zh) * | 2016-04-28 | 2016-09-21 | 深圳市前海安测信息技术有限公司 | 基于大数据的乳腺筛查系统和方法 |
CN105975793A (zh) * | 2016-05-23 | 2016-09-28 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 一种基于数字病理图像的癌症辅助诊断方法 |
WO2018045363A1 (en) * | 2016-09-02 | 2018-03-08 | Gargeya Rishab | Screening method for automated detection of vision-degenerative diseases from color fundus images |
CN108095683A (zh) * | 2016-11-11 | 2018-06-01 | 北京羽医甘蓝信息技术有限公司 | 基于深度学习的处理眼底图像的方法和装置 |
CN106725292B (zh) * | 2016-12-30 | 2018-07-24 | 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 |
CN107368670A (zh) * | 2017-06-07 | 2017-11-21 | 万香波 | 基于大数据深度学习的胃癌病理诊断支持系统和方法 |
JP7220509B2 (ja) * | 2017-09-27 | 2023-02-10 | 株式会社トプコン | 眼科装置及び眼科画像処理方法 |
CN109582797A (zh) * | 2018-12-13 | 2019-04-05 | 泰康保险集团股份有限公司 | 获取疾病分类推荐的方法、装置、介质及电子设备 |
-
2019
- 2019-04-23 CN CN201910337644.2A patent/CN110101361B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009077617A1 (en) * | 2007-12-19 | 2009-06-25 | Essilor International (Compagnie Generale D'optique) | Method of simulating blur in digitally processed images |
CN106408564A (zh) * | 2016-10-10 | 2017-02-15 | 北京新皓然软件技术有限责任公司 | 一种基于深度学习的眼底图像处理方法、装置及系统 |
CN107194158A (zh) * | 2017-05-04 | 2017-09-22 | 深圳美佳基因科技有限公司 | 一种基于图像识别的疾病辅助诊断方法 |
CN108154505A (zh) * | 2017-12-26 | 2018-06-12 | 四川大学 | 基于深度神经网络的糖尿病视网膜病变检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110101361A (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
Besenczi et al. | A review on automatic analysis techniques for color fundus photographs | |
CN111095261A (zh) | 眼底图像自动分析系统和方法 | |
EP3453321B1 (en) | Non-invasive method and system for estimating blood pressure from photoplethysmogram using statistical post-processing | |
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 | |
JP7413147B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
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 | |
JP2022180466A (ja) | 診断支援装置、学習装置、診断支援方法、学習方法及びプログラム | |
WO2017020045A1 (en) | System and methods for malarial retinopathy screening | |
CN110766735A (zh) | 一种图像的匹配方法、装置、设备及存储介质 | |
Raj et al. | Automatic classification of artery/vein from single wavelength fundus images | |
KR102182357B1 (ko) | Ct 영상 내 간암 영역 기반으로 3차원 분석을 하는 수술 보조 장치 및 방법 | |
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 | |
KR102343796B1 (ko) | 안구영상을 이용한 심혈관계 질환 예측방법 | |
CN115965621B (zh) | 一种基于磁共振成像的主要心脏不良事件的预测装置 | |
CN111435612B (zh) | 一种移动医疗个性化健康服务的方法和系统 | |
CN112102351A (zh) | 医学图像分析方法、装置、电子设备及可读存储介质 | |
KR20210016863A (ko) | 초음파 영상 기반의 기계 학습을 통한 취약성 죽상반 진단 시스템 및 이의 진단 방법 | |
CN116091444A (zh) | 侧枝评价方法及装置、存储介质、终端 | |
US20100041963A1 (en) | Cerebral and Cardiovascular Disease Prevention Using Optical -Magnetic Resonance Hybrid Imaging | |
CN110660488A (zh) | 基于多光谱眼底成像的糖网筛查方法及平台和存储介质 | |
Raen et al. | Segmentation of Retinal Layers for Detecting Accumulated Fluid Regions using a U-Net Mx-Net Architecture | |
JP6568375B2 (ja) | 眼科情報処理システム、画像処理装置、および画像処理方法 | |
RU178086U1 (ru) | Автоматизированное устройство для диагностики заболеваний сердца |
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 |